浅析大型分层软件设计技术:从组件到服务

在一套大型软件的生命过程中,必然会有新需求不断地涌现。有的需求会对原系统的冲击非常大,甚至导致系统的一些关键代码重新开发。如何面对这些大型软件设计和开发过程的通用难题,始终是系统设计的重点和难点。

  为了解决这些问题,在系统的设计中,采用了软件分层设计策略,并且逐步从组件化过渡到服务化。

  主要的软件层有:

  · 基础库层:解决跨平台及一些基本的与具体应用无关的软件问题;

  · 网络通信层:解决异质网络、异质协议联网问题;

  · 数据层:解决软件配置,持久化问题;

  · 业务组件层:与业务和具体接入设备相关的功能组件,组件数量越来越多;

  · SDK层:提供服务和接口给应用程序、做二次开发;

  · 综合应用层:综合应用和功能界面。

  POSA(Pluggable Objects and Services Architecture)正是基于这样的理念设计的一套软件架构。在POSA架构的世界里,一切易变的、需要进化的软件主要是组件。新需求、新设备的接入都体现为实现一个或一组新的组件,使用POSA组件技术,PVG做到了新需求的加入对开发人员仅仅是相加的关系。

  由于组件和它们上下软件层之间的二进制耦合太紧密,一个组件的崩溃会引发整个系统的崩溃,导致整个系统的稳定性下降。解决这个问题有两个办法,一是手动地把不稳定的组件隔离出来,专门为这类组件另外开一个进程,另外一个办法是自动隔离每一个组件,一切以服务为中心,用服务代替组件,这也是软件界流行的SOA的理念。在POSA架构下,开发软件变得更简单,各个服务之间使用标准的松耦合通信协议进行通信,彻底解决了二进制耦合问题,全系统稳定性也不会随着业务的增加变成乘法关系,由于相同服务可用分布式多重部署,全系统可用性完全不会随着系统的复杂性而有所下降。在POSA里,提供了一种标准的描述服务间通信契约的方式,统一按照此契约编写通信程序。同时,为了提高开发效率,POSA提供了一些自动工具来搭建服务程序的框架代码。

  POSA的组件服务化技术,为未来搭建云存储、云计算平台提供了坚实的基础。使用POSA,“视频互联网”、“连接城市中一切可管理的对象”等设想变得清晰起来,不少厂家把这些理想变为现实。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值