分析模型和设计模型

简介:

面向对象分析产生三种分析模型 

功能模型(即用例模型à作为输入) 
对象模型:对用例模型进行分析,把系统分解成互相协作的分析类,通过类图/对象图描述对象/对象的属性/对象间的关系,是系统的静态模型 
动态模型:描述系统的动态行为,通过时序图/协作图描述对象的交互,以揭示对象间如何协作来完成扛鼍咛宓挠美?单个对象的状态变化/动态行为可以通过状态图来表达

OOD面向对象的设计

OOD是对OOA的细化 
  • 没有严格的界线 
  • OOD的结果直接用于编码 
  • 与OOA的输出一样,只是更加详细完善
OOA与OOD的区别
  • OOA偏重于理解问题,描述软件要做什么,而OOD偏重于理解解决方案,描述软件要如何做 
  • OOA只考虑理想的设计,不关心技术与实现底层的细节,而OOD需要得到更具体详细更接近于真实的代码的设计方案 
  • 在设计结果的描述上,OOA偏重于描述对象的行为,OOD偏重于描述对象的属性与方法 
  • OOA只关注功能性需求,OOD还需要关注非功能性需求
OOA步骤
  • 从用例中提取实体对象/实体类 
  • 添加边界类 
  • 添加控制类 
  • 提取类的属性(一般省略,放到OOD中) 
  • 提取分析类间的关系 
  • 绘制类图/时序图 
  • 编制术语表(可选)
三种分析类
分析类 
  • 实体类(Entity Class) 
  • 边界类 
  • 控制类 
实体类
  • 是应用中的核心类 
  • 与现实事物相对应的类 
  • 用于长期保存系统中的信息,以及针对这些信息的相关处理行为 
  • 一般实体类的对象和应用系统本身有相同的生命周期
边界类
  • 从与那些系统和外界进行交互的对象中归纳和抽象出来的 
  • 边界类是系统内的对象和系统外的参与者的联系媒介 
  • 外界的消息只有通过边界类的对象才能发送给系统 
  • 大多数为用户界面(表示层)
控制类
  • 管理实体对象与边界对象之间的交互的仲裁对象 
  • 通过控制类协调系统内边界类与实体类之间的交互
1、提取实体类
  • 用例驱动:从用例模型中找名词或名词短语,再进行筛选 
  • 候选实体类:用户/帐户/系统管理员/聊天服务器/消息 
  • 用户在系统中表现为帐户,因此用户就不需要了 
  • 本项目中系统管理员仅完成启动/关闭系统的作用,而没有其他管理任务,也不需要作为一个实体类 
  • 聊天系统:代表整个系统,大多数情况这个实体对象不必存在 
  • 聊天消息:聊天的内容本项目不需要保存 
  • 可以得到实体类: 帐户类
2.添加边界类
  • 交互型软件的边界类就是用户界面 
  • 边界类: 
  • 注册界面:注册类 
  • 登陆界面:登陆类 
  • 聊天界面:聊天类
3.添加控制类
  • 有人认为每个用例确定一个控制类,但可能会得到很小的控制类,应该考虑进行恰当的合并 
  • 我们项目可以把注册/登陆/聊天用例合并为一个控制器类
4、提取属性
  • 建议放到设计时再提取,因为现在只能对属性进行与语言无关的描述
5、提取分析类之间的关系
  • 一对一 
  • 一对多 
  • 多对对 
  • 归纳关系 
6、绘制类图(参见demo) 
7、绘制时序图(流程简单可省略) 
8、编制术语表(罗列系统模型中需要澄清的术语)
架构分析
  • 架构分析主要从宏观上考虑一个软件系统应该如何组织 
  • 目的:通过科学的解析,将整个软件系统划分为不同的组件,并准确定义出组件和组件之间的接口 
  • 最典型的架构模式:分层模式(Layer),客户/服务器模式,MVC模式等等 
  • 获得架构图
OOD步骤
  • 细化重组类 
  • 细化和实现类间关系,明确其可见性 
  • 增加属性,指定属性的类型与可见性 
  • 分配职责,定义执行每个职责的方法 
  • 对消息驱动的系统,明确消息传递方式 
  • 利用设计模式进行局部设计 
  • 画出详细的类图与时序图
本文转自BlogJava 新浪blog的博客,原文链接: 分析模型和设计模型,如需转载请自行联系原博主。
相关文章
|
7月前
|
SQL 设计模式 数据库
领域模型:贫血模型与充血模型的深度解析
领域模型:贫血模型与充血模型的深度解析
|
机器学习/深度学习 监控 算法
信用风险评估评分卡建模方法及原理| 学习笔记
快速学习信用风险评估评分卡建模方法及原理。
949 0
信用风险评估评分卡建模方法及原理| 学习笔记
|
23天前
|
存储 搜索推荐 算法
大模型开发:在构建推荐系统时,你会考虑哪些因素?
构建推荐系统涉及关键因素:用户行为数据(理解兴趣)、物品属性(相似性分析)、上下文信息(时间、地点)、冷启动问题(新用户/物品推荐)、可扩展性与性能(高效算法)、多样性(避免单一推荐)、可解释性(增强信任)和评估优化(准确性和用户满意度)。通过综合运用这些因素,打造精准且有效的推荐服务。
12 1
|
4月前
|
机器学习/深度学习 人工智能 算法
评价模型:层次分析法
评价模型:层次分析法
41 0
评价模型:层次分析法
|
7月前
|
设计模式
优化分析模型
优化分析模型
24 0
|
10月前
|
机器学习/深度学习 并行计算 算法
R-建模 randomForest
本分分享了R语言中 `randomForest` 函数的用法,以供参考
90 0
|
10月前
|
机器学习/深度学习 数据采集 算法
模型设计
模型设计流程
88 0
|
11月前
|
存储
「数据架构」TOGAF建模:概念数据模型图
「数据架构」TOGAF建模:概念数据模型图
|
数据可视化 定位技术 容器
软件系统中的模型
软件系统中的模型
软件系统中的模型
|
算法 异构计算
时序电路建模基础
⭐本专栏针对FPGA进行入门学习,从数电中常见的逻辑代数讲起,结合Verilog HDL语言学习与仿真,主要对组合逻辑电路与时序逻辑电路进行分析与设计,对状态机FSM进行剖析与建模。
88 0
时序电路建模基础