SCI论文（www.lunwensci.com）
摘 要 ：本文依照文献对比法和理论分析法对大数据时代计算机软件工程进行了论述,提出了大数据在计算机软件工程中 的应用分析,其中包括数据挖掘技术应用、软件大数据汇聚技术、分层技术应用,并展望了大数据在计算机软件工程中的智能 化应用,以供参考。
关键词 ：计算机软件工程,大数据技术,信息技术,应用
Application Discussion ofBig Data in Computer Software Engineering
MA Genjuan, LIU Mei
(Communication University of China Nanjing, Nanjing Jiangsu 211172)
【Abstract】： This article discusses computer software engineering in the era of big data using literature comparison and theoretical analysis methods, and proposes the application analysis of big data in computer software engineering, including data mining technology application, software big data aggregation technology, layered technology application. It also looks forward to the intelligent application of big data in computer software engineering, for reference.
【Key words】：computer software engineering;big data technology;information technology;application
1 大数据时代计算机软件工程概述
大数据时代给软件工程领域带来了新的挑战、新的 机遇,同时也扩大了软件工程的内涵与外延性,可以说 大数据技术无亦不例外地推动了计算机软件工程的加速 变革与发展。一方面,以信息技术为基础的系统层出不 穷,其规模之大,速度之快,使得数据资产呈现出指 数级的增长。在此大数据管理与应用中则需要使用新型 的软件系统(即数据密集型或大数据软件系统)达到 支撑效果,由此突出计算机软件工程利用大数据技术 的优势,确保发挥大数据技术在计算机软件工程的运用 价值,在此还需考虑的是,在分散式软件、资料与部署 架构上的折中设计,以及软件框架、设计、工程发展与 部署的新需求 ;另一方面,随着软件资源(例如开源软 件)的不断开放和共享,以及大规模的软件复用技术对 软件开发资源进行有效的数据挖掘和在线制造具有重要意义,从这一点上来说也会极大地提升了软件产品的质 量和效率。
2 大数据在计算机软件工程中的应用分析
2.1 数据挖掘技术应用
2.1.1 根据需求采取特异行设计
在计算机软件工程需求设计阶段,可按照软件工程 设计标准,制定出一套切实可行的设计方案,并确保软 件工程设计可顺应这种方案变化,由此发挥技术优势。 而这一点对设计人员自身的专业技术应用也突出了一定 的要求,并且为了提升代码抽取的实用效率,设计人员 还必须掌握先进的设计方法,并在数据挖掘技术的支持 下,对代码重构问题进行深入剖析,由此从整体上提升 软件工程代码抽取效率 [1]。
2.1.2 确定运算法则
在计算机软件工程中,为发挥数据挖掘技术应用价值,需针对数据挖掘技术的需求量进行分析,并保障其 可达到最大需求效果,具体如下 ：
(1)在软件编程过程中,必须根据项目开发的实际 需求,对已编程的程序进行实时记录,并以此作为标 准,对程序代码进行深入分析。
(2)数据探勘技术与调试效果。对于软件工程而 言,因为其调试过程需要较高的专业水平,其目的是增 强软件的安全性、适用性,以满足用户的实际需求,并 且按照数据挖掘技术还可完成软件系统调试工作。在此 过程中,调试技术人员需遵照行为行业标准规范,结合 较为复杂的软件系统,但这在某种程度上会加大调试工 作难度,对此合理开展调试工作其实际目的在于分析系 统漏洞,并按照定位软件错误信息,正确地运用数据挖 掘技术,由此降低系统的调试难度。
(3)检测软件工程漏洞。任何软件工程都无法做到 没有任何系统漏洞,对此需结合社会调查结果显示要 求,明确常见的软件工程系统漏洞,避免因常见软件工 程系统漏洞影响到用户经济损失问题。另外,软件系统 中的缺陷检测所占的时间一般都在 30% 以上,这就使 软件系统中的缺陷检测变得越来越重要。主要有以下几 个方面 ：
(1)从原始程式码中推断出错误,并侦测到复制粘 贴的错误,以及侦测到函数的比对。例如,从原始程式 码中推演出错误。首先,要利用频繁项集挖掘算法,找 到代码中的频率繁项集,并确定能够满足最小支撑度的 程序规则,由此推断程序对规则的顺应程度。一般来 说,若其中大多数都符合程序的基本要求,那么所存在 的小部分可能为漏洞规则。
(2)在软件开发过程中,系统维护阶段非常重要, 它需要维护人员对系统的整体结构有全面的认识。一般 而言,软件维护的具体工作包括了 ：对程序的缺陷进 行修补、对程序的错误进行纠正、对设计环境进行优 化、并根据实际需要增加应用程序。在系统维护期,数 据挖掘技术的应用包括 ：1)对软件进行修改。在软件 系统中,对一段代码进行的调整,都会引起一系列相关 的反应,而数据挖掘技术则是为了在出现频繁更改的情 况下,确定更改的模式 ;2)实施剖面掘进。具体而言, 就是要有目标地对软件进行补足,以进一步增强系统的 安全性和稳定性。
2.2 软件大数据汇聚技术
在软件工程中,大数据技术以分类体系为中心,并由 此构建出贯穿数据源、数据存储、数据处理和数据服务的 完整链条,在该大数据框架内,可实现对海量软件工程数据采集、分析与应用的全链条管理模式,主要如下 ：
(1)数据源 ：软件工程在运用大数据技术后, 涵盖 开发、发布以及应用运维等不同过程、类型以及不同源 的数据,其中也包括版本库、代码库、配置文件、软件 镜像等。在此基础上,可利用开发相应的爬行程序,对 海量的多源异质数据进行实时、增量式的抓取与融合。
(2)数据存储 ：本项目研究目标是实现对大型、异 构的软件工程中海量数据的有效存储与存取 [2]。
(3)数据处理 ：以一定的任务和目标为中心, 对存 储的数据进行按需展开,并对其进行相关的处理,最终 构建出完整的软件知识库。例如,利用数据分析与融合 技术,对数据进行二次加工与处理 ;通过对不同数据类 型之间的关联和依赖进行分析,并基于图数据库等存储 技术,建立软件领域知识图谱。在此基础上,利用数据 按需扩展的方式,有效地减少了对存储资源的占用。
(4)数据实例 ：利用丰富的界面和服务, 为不同的 需求和应用提供相对应的数据服务。在此过程中,对于 不同类型的数据以及数据服务器包括项目数据服务 ;测 试目标数据服务 ;以人为中心数据服务以及以运维为目 标的数据服务。在此还需针对网页数据、版本数据以 及缺陷数据提出有关的感知、定向采集、多源关联、增 量检测等技术,并构建出网络爬虫的数据采集与数据包 下载的分布式数据系统,并在此基础上提出一种基于 Web 爬虫的数据采集方法 [3]。
2.3 分层技术应用
在实际的计算机软件工程以及软件开发过程中为合 理发挥分层技术优势,需明确分层技术应用办法,由此 提升软件系统完整运行程序,并保障可通过分层技术缩 短计算机软件原型,并由此减少计算机软件开发成本,提 升实际软件工程开发效率,具体层级与技术应用如下 ：
2.3.1 双层技术
由于有了两个层级,因此,双层次结构技术更能体 现出其优越性。比如,软件开发,软件开发人员为逐步 减少工作完成时间,需保障软件开发均可具备高性能、 高产出的要求,所以,软件开发人员必须通过严格的检 测,来构建出一套计算机软件开发的系统与体系,以提 升工作效率,保障工作质量,并且为了提高计算机软件 的性能,必须利用分层技术,以两个层次的结构来推动 计算机软件系统的开发和优化 [4]。
2.3.2 中间件技术
中间件是软件技术发展的一种趋势,它被认为是发 展最迅速的开发软件工具,它的出现也是因为市场在全 球范围内对中间件的支持,而中间件作为一种新的技术和新的经济增长点,正日益受到人们的重视。中间件是 介于操作系统和应用程度之间的一种技术。在计算机软 件开发中,这项技术可以对数据库、计算机操作系统等 进行完善,从而加快计算机软件研发速度,提高计算机 软件的效率。同时,该方法还涉及非常复杂的分布式、一 体化、异构性等技术,以利于优化软件,提升软件质量 [5]。
2.3.3 三层技术
二层技术在应用软件开发中出现的局限性较大,通 过对计算机软件开发的不断改进,三次技术是以二层技 术为基础,经过技术突破,大大提升了数据处理的效 率。在二层技术的基础上,建立应用服务器,从而提升 了数据信息的稳定性和安全性,提高了用户体验。三层 技术通过界面和数据信息,以及与数据之间的相互关联, 可以说是将用户的需求数据进行集成,通过软件处理器 对数据进行分析与处理,三层技术在对计算机软件开发 中发挥了其优势,但是在数据信息化上还需要加强 [6]。
3 大数据在计算机软件工程中的应用展望—
3.1 开发与优化智能化开发服务环境
在计算机软件工程开发过程中,大数据技术的应用 需达到智能化创新效果,对此应明确开发与优化智能化 开发服务环境,并明确软件智能化开发服务环境突破成 果,按照软件仓库为中心完成分布式智能化开发工序, 在该工序中可通过环境集成技术,构建出软件智能化开 发云环境运行体系以及其机构、集成框架等,由此实现 高可扩展的智能开发环境集成部署。围绕着软件开发产 品和活动的完整数据,设计出智能化开发环境的集成 方式与工具,并明确运行环境集成与桌面开发环境集成 机制,由此以 EclipseChe 为基础的架构设计和交互技 术,以及智能开发工具管理中心,设计和实现了围绕软 件项目的版本管理, 并以 Trustie 平台为基础, 以版本 库串联 Trustie 的协同开发环境、Che 在线编程环境以 及 DevOps 运行部署环境为基础,实现按需访问和高度 可扩展性的智能开发架构。在此基础上,通过插件的方 式,将协同开发、在线编程、部署与维护等智能工具与 服务进行整合,最终构建出智能化开发运用环境。
3.2 更加重视需求、设计、验证等软件工程基本能力建设
在深入探索智能化软件工程的开发过程中,特别是 在需求分析、设计和验证等关键环节,需明确到大型模 型,如 ChatGPT,并不预示着编程的结束。相反,这 类模型可能会引领软件工程领域的再一次发展,重点是 回归到软件工程的基本技术,如需求分析、详细的需 求描述以及软件的验证,这其中包括动态测试与静态分 析。尽管这些传统的软件工程技术在大规模模型时代有望再次受到重视,但工程师们仍然面临一个挑战 ：即如 何有效地将这些技术与大数据驱动的方法结合起来。此 外,为促进智能化软件工程的持续发展,还需要在需 求、设计和测试等环节加强数字化和知识化的基础设施 建设 [7]。
3.3 探索能有效整合大模型、开发人员以及各种工具能力的智 能交互引擎
从软件工程设计开发进行分析,为设计出智能交互 引擎,需要对如何有效地集成大模型和如何开发软件进 行明确的探讨。在产生式软件开发中,大模型的功能与 人类的互动、指导能力有着紧密的联系。同时人们的经 验在高层决策以及代码审核等过程中也会出现较为明显 的作用,对此有系统的、智能的开发流程,并无法完全 依靠开发人员自己与大型模型的互动能力。相反,软件 工程师应当致力于构建出智慧互动引擎, 使其可将大模 型、开发者和不同的工具功能进行统一的计划安排 [8]。
4.
结语
综上所述,在计算机软件工程中,为合理发挥大数 据技术优势,需明确大数据技术使用类型,以便达到促 进软件工程开发与发展的良好效果。同时,结合现阶段 实际运用情况可以看出,在发挥大数据利用优势后,可 有效提升软件工程建设效率与质量,由此达到改进技术 水平,强化专业素质的效果,从而为我国软件工程学的 健康发展做出贡献。
参考文献
[1] 程帅棋,陈伟.大数据下软件工程技术的运用探讨[J].石河子 科技,2022(1):20-22.
[2] 石静.软件工程专业《云计算与大数据概论》教学改革[J]. 科教导刊-电子版(中旬),2022(10):129-131.
[3] 孙丽英.基于大数据背景下的软件工程关键技术探析[J].长 江信息通信,2022.35(4):108-110.
[4] 陈艺丹.分层技术在计算机软件开发中的应用[J].电子测试, 2016(8X):79-80.
[5] 刘滨,孙中贤,吕梓逸,等.智慧交通互联网态势感知平台研究 [J].河北科技大学学报,2022.43(6):651-660.
[6] 周丽霞.软件工程方法在计算机软件开发中的应用[J].科海 故事博览,2022(24):1-3.
[7] 田杨,晏海华.一种基于自动分区的海量科学数据计算框架 [J].北京航空航天大学学报,2022.48(6):1004-1012.
[8] 崔梦天,龙松林,赵城斌,等.基于量子粒子群混合烟花优化支 持向量机的软件缺陷预测研究[J].西南民族大学学报(自然科学 版),2022.48(6):653-659.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/67774.html
