SCI论文（www.lunwensci.com）:
摘要：大数据时代下，网络用户的需求层出不穷，使得网络通信的数据量大量增加，给以往软件工程带来了较大的负担。面对这种情况，软件工程需要升级，过程中要紧抓大数据带来的新动力，开发出各种新的工程技术为用户提供全新服务。围绕这一点本文将展开相关研究，重点论述大数据给软件工程带来的新动力、软件工程关键技术、关键技术的应用价值。
关键词：大数据时代；软件工程；网络服务
Based on the Application Research of Software Engineering Technology in the Era of Big Data
GUO Zhijie
(Jinzhong Vocational and Technical College,Jinzhong Shanxi 030600)
【Abstract】：In the era of big data,the needs of network users are constantly emerging,which makes the data volume of network communication increase greatly,and brings a greater burden to the software engineering in the past.Faced with this situation,software engineering needs to be upgraded.In the process,it is necessary to grasp the new power brought by big data and develop various new engineering technologies to provide users with new services.Around this point,this article will carry out related research,focusing on the new power brought by big data to software engineering,the key technologies of software engineering,and the application value of key technologies.
【Key words】：the era of big data;software engineering;network services
0引言
软件工程的主要功能是给广大网络用户提供软件服务，服务的过程中需要先搜集广大用户的信息数据，这样才能明确需求，随即用编程技术开发数据库以及软件程序。这一条件下，软件工程管理组织要抓住大数据时代予以的契机，从大数据中分析出用户的实际需求，也利用大数据努力开发出全新的技术服务项目，因此为了实现这一目的有必要展开相关研究。
1 大数据给软件工程带来的新动力
1.1提供精确需求导向，便于进行软件开发或升级
软件工程需要不断的根据用户需求进行软件开发，开发得到的软件能够给用户提供对应的服务，这一点也适用于软件升级中，因此用户的需求就是软件开发或升级的导向，决定了软件工程的服务质量。根据这一逻辑，如果软件工程得不到用户的精确需求，那么软件开发或升级就可能出现偏差，软件工程的服务质量自然会受到不利影响，因此为了得到精确的用户需求导向，以往软件工程普遍会采用市场调研的方式来搜集信息数据，随后进行分析，这种方式确实有效，但会带来高额成本，同时效率很低，有可能跟不上用户需求的变化速度。这时大数据就能弥补传统方式的不足，还可以优化传统方式分析成果的精确度，即大数据本质上是庞大的数据体，记录了各式各样的用户数据，根据这些数据进行分析，可以挖掘出深度用户需求，这些需求可能是用户自己还没有意识到的，而整个挖掘过程只需要用一台计算机就能完成，时间也相对较短，因此通过大数据能够给软件开发或升级提供便利，有利于软件工程的服务质量，给软件工程发展提供了新动力[1]。
1.2支撑智能化软件服务发展
智能化软件服务是现代软件工程的主要发展方向，目的是利用智能技术取代人工去分析用户需求，随即为用户推送对应的软件服务，这能给用户提供更多的便利，或者在工程内没有可满足用户需求的软件时，智能技术也能将分析结果反馈给软件工程管理人员，便于下一步开发，这个过程可以让软件工程管理人员的工作负担降低。但值得注意的是，智能化技术虽然具有良好的应用价值，却无法凭空运作，其必须在得到庞大数据支撑的前提下才能进行分析，而大数据就能够提供庞大数据支撑，即大数据本身含有的数据量就非常庞大，同时内部数据还会实时更新，因此不但能支撑智能化软件服务运作，还保障了软件服务发展的实时性，让软件工程始终能够满足用户当下需求。
2 软件工程关键技术的应用价值
2.1提高数据信息采集效率
大数据在给人们的生活、工作等带来便利的同时，也带来了一些问题，如何提高数据信息采集效率就是问题之一，即要使用大数据就必须从中采集得出自身需要的数据，但庞大的数据量使得数据采集的整个流程繁琐、冗长，难以在短时间内进行数据采集，使得人们在数据应用方面遭遇了阻碍。但面对这种情况，软件工程关键技术能够有效提高数据信息的采集效率，例如人们可以利用软件工程锁定数据来源，这样数据流就会自动分类，并不断被集成到软件工程中的数据库中被分类保存，这样当人们想要获取数据时，直接在数据库内进行检索即可，最终完成数据信息采集，这个过程的效率更快。另外，在数据信息采集过程中人们可以根据自身需求选择软件工程服务技术，围绕需求对采集得到的数据信息进行处理，去除无用、异常数据，这同样有利于数据采集效率[2]。
2.2满足数据储存需求
数据储存也是大数据带来的难题之一，其主要体现在于：（1）庞大的数据量使得普通的数据库容量不满足储存需求，若使用多个普通数据库进行储存，又会带来高额成本，甚至形成数据信息孤岛现象，因此在普通数据库层面上人们面对数据储存难题陷入了进退两难的局面；（2）大数据内的海量数据具有多种形式，如视频、图片、文字、音频等，这些数据形式不同，因此本质上必须分类保存，但不少普通数据库并不兼容所有形式数据信息，因此数据保存在这一点上同样遇到了困难。面对数据储存难题，软件工程中的关键技术可以提供一定帮助，首先软件工程能够利用云技术开创出理论上容量无限的云数据库，其次可以根据单词数据储存的容量需求对云数据库进行改造，即依照储存容量划分出等量的储存资源，这时云数据库至少能够满足单次数据储存需求，而且如果在之后的数据储存中发现当前数据容量不足，那么可以直接划分更多的储存资源扩大容量，因此就解决了数据储存难题。另外，云数据库还有利于数据储存安全，即云数据库在改造后会形成一个封闭的空间，借助软件工程使用用户认证功能可拒绝非认证用户访问数据库，这一功能对于企业级用户而言具有较高应用价值，可保障企业数据信息安全。
2.3提高数据信息安全防护力度
目前，各式各样的数据信息攻击手段层出不穷，导致普通的数据信息安全保护手段难以应对，但大数据可以解决这一问题，即大数据中包含了含量的攻击手段数据信息，那么只要采集这些信息，构建安全防护知识库，就可以利用软件工程给数据信息提供安全保护，其原理为：首先利用软件工程的安全防护软件对所有数据信息、用户行为等进行监督，其次在监督过程中防护软件会根据安全防护知识库核对数据信息状态、用户行为是否存在异常，若发现状态或行为的特征与知识库内记录的某攻击手段数据信息特征一致，那么就说明数据信息状态、用户行为异常，最后软件会及时备份数据信息，并且处理异常现象，如拒绝异常行为用户继续访问，这个过程中知识库内的海量信息足以应对各种攻击手段，大幅提高了安全防护软件的攻击识别能力，因此可以提高数据信息安全防护力度。
3 软件工程关键技术
3.1软件服务平台技术
软件服务平台技术是软件工程服务体系的发展方向，决定了软件工程的服务形式，即以往软件工程的软件服务一般给用户提供下载源，用户下载后即可使用，但这个过程比较繁琐，还会占用较多计算机内存，而在大数据时代下，软件工程可以借助虚拟化软件给用户提供服务，过程中只要在虚拟环境内开发分布式应用程序，使得用户直接进入虚拟环境即可使用对应服务软件，让软件工程的服务质量大幅提升。相比之下，传统软件服务形式与大数据下的软件服务形式有明显的优劣之分，而大数据下的虚拟环境就是软件服务平台技术的体现。另外，软件服务平台技术的功能不止于此，还可以借助网络数据进行合理编程，让用户可以对不同的服务软件进行交互操作，有效协同不同软件的数据，这样能让软件在动态场景中的适应性增强，可促进软件系统集成发展，这对软件工程而言大有益处。
3.2数据管理技术
数据管理技术是一类应用形式比较多的软件工程技术，主要形式有降低数据处理难度、支撑数据挖掘，具体内容如下。
（1）降低数据处理难度。在大数据时代下用户使用网络时会产生高密度的流式数据，直接处理这些数据具有较高的难度，但借助数据管理技术能够降低数据处理难度，即高密度的流失数据大多来源于用户，此类数据
种类繁多、数量庞大，且生产速度极快，因此难以处理，而数据管理技术能够对数据来源进行分化管理，让不同类的数据通过对应通道流动，这样就解决了数据密度，还在一定程度上统一了数据类型，因此数据处理难度会下降。
（2）支撑数据挖掘。大数据的应用价值是隐含型的，如果不能对大数据进行挖掘，那么大数据就不能投入实际使用，因此软件工程需要对大数据进行数据挖掘，而数据管理技术可以给数据挖掘提供预处理帮助，支撑软件工程通过数据挖掘技术进行数据挖掘，即大数据本身来源于不同渠道，因此在数据形式、种类等方面存在差异，其中还夹杂这不少无用、异常数据，若直接进行挖掘很难得到准确结果，这时通过数据管理技术可以对大数据进行预处理，实现数据分类，并剔除无用、异常数据，得到纯净大数据体，这时就可以进行数据挖掘，不仅能提高数据挖掘效率，还能保障挖掘成果准确。另外，准确的数据挖掘成果能够给软件工程提供软件开发或升级帮助，因此可以说数据管理技术开发了大数据的应用价值，能使软件工程受益。
（3）支撑智能管理。目前，软件工程正处于改革阶段，其改革方向就是智能化，例如智能化事务处理、智能化安全防护等，这些改革目标均属于软件工程智能管理的一种形式。这一基础上为实现智能管理，软件工程除了要引入智能技术进行数据处理以外，还要引入数据管理技术给智能技术提供支撑，否则无法实现智能管理，即智能技术只能负责处理数据，因此在缺乏数据基础的前提下无法运作，而数据管理技术可以在智能技术运作之前对原始数据进行预处理，完成数据分类、数据净化等工作，一方面能够有效提高数据基础的质量，另一方面给智能技术提供管理逻辑，例如数据管理技术完成数据分类，得出A与B两类数据，这样智能技术能够根据数据分类了解数据属性，通过数据属性进行管理逻辑分析，以智能化事务处理为例，若A代表事务当前数据，B代表事物历史数据，那么智能技术会先分析B，得出结果后与A相比，如果得出的结果与A不符，就说明事件历史存在异常，或者存在虚假信息。
3.3密集式数据研发技术
因为传统的数据研发技术在大数据时代下的适应性不足，所以软件工程迫切需要得到新的研发技术，这样就催生出密集式数据研发技术，该项技术可以解决传统技术下数据难以保存、软件流畅度不足的问题，可以确保数据完整、软件运用顺畅，因此密集式数据研发技术具有良好应用价值。密集式数据研发技术的主要功能是对密集数据进行整合，再将整合后的数据应用于不同层面或领域，诸如在工业领域中就能借助密集式数据研发技术去分析工业智能化生产情况，根据结果可以研发出能消除现状问题的软件，或者开发出对应的功能，使得工业智能化生产得到优化。
3.4自主学习技术
在大数据支撑下软件工程可以开发出智能化系统，而该系统中最关键的技术就是自主学习技术，该项技术可以让软件工程的各项服务软件不断升级，持续推进软件工程服务质量提升。以上述（2.3）提到的安全防护软件为例，该软件只能应对知识库内已经记录的攻击手段，而针对没有记录的攻击手段在初次是不能应对的，而只要接触过一次攻击手段，该软件就会将其原理等数据信息记录到知识库，并不断推演，这样在下一次就可以进行防护，而这也得益于大数据的支撑。图1为自主学习技术的基本原理。
3.5群体软件组-虚拟机技术
以往软件工程用户在处理一些复杂事物的时候，可能需要使用到多种软件，因为软件过多，所以用户需要来回切换软件，操作过程比较繁琐，思路也容易混乱，整体不太方便，因此现代软件工程提出了群体软件组概念，即以软件为用户提供便捷式服务为目的，将多种软件集成，开发出具有多种软件功能的软件组，用户使用该软件组可以避免来回切换进行操作，思路自然也不容易混乱，有效提高了操作便捷性，给用户提供了更好的服务。群体软件组的开发技术多种多样，但一般都是在虚拟机环境中进行开发的，故虚拟机技术是其中关键技术。虚拟机是一种通过虚拟机系统来模拟具备完整硬件系统功能、运作的技术，可以在一个虚拟的、完全隔离的环节中实现完整计算机系统，该系统具备实体计算机一切功能，因此在实体计算机上能够实现的操作或完成的工作都能在虚拟计算机系统中实现。值得注意的是，虚拟机的创建必然会占用实体计算机一部分硬盘、内存资源，利用这些资源创建独立的CMOS，促使每个虚拟机CMOS独立，硬盘和操作系统同样独立，这样虚拟机才能投入到群体软件组的开发应用中。
4结语
综上，在大数据时代下软件工程得到了许多新动力，文中进行了相关论述，同时紧抓新动力，还介绍了软件工程关键技术的应用价值与关键技术种类。通过本文分析可知，软件工程借助大数据能迎来新的发展，尤其是软件服务质量将持续提升，使得软件工程可以给人们的生活、工作提供更多便利。
参考文献
[1]解祥.大数据时代下软件工程技术的应用探究[J].科学与信息化,2020(4):12.
[2]佟文畅.基于软件工程技术大数据分析的应用[J].数字化用户,2017(28):147
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/36328.html
