三大架构图—结合若依权限管理系统

简介: 最近在进行架构师的培训,结合具体的项目也许能够帮助我们更好的理解架构对我们而言的意义,今天我着重从技术架构图来讨论架构图的具体应用

最近在进行架构师的培训,结合具体的项目也许能够帮助我们更好的理解架构对我们而言的意义,今天我着重从技术架构图来讨论架构图的具体应用


三大架构图有哪些?


业务架构图、技术架构图、运维架构图


业务架构图是什么?


业务架构图顾名思义用图形的形式来表现整个系统的功能模块、组件和它们之间的关,,通过图就能看出要实现的业务有哪些?分了几层?帮助开发人员和其他相关人员理解系统的功能和组织结构,


为什么要画业务架构图?


帮助团队成员之间共享和沟通系统的设计和功能,以及评估系统的可扩展性和可维护性


  • 业务之间的关系明确展现
  • 对于开发人员来说能够快速了解业务


业务架构图是给谁看的?


是产品经理给客户经理看的,产品原型是业务架构的具体展现,依然是产品经理负责的内容


技术架构图是什么?


是一种图形化的表示方式,用于展示系统活应用程序的各个组件、模块、关系和交互方式


为什么要画技术架构图?


技术架构图作为一个工具,它可以帮助团队更好地理解、沟通和优化系统的设计和组织结构,作为了系统开发和维护过程中的重要辅助工具:


1、沟通和共享:技术架构图可以帮助团队成员之间更好地沟通和共享关于系统架构的信息。通过图形化的表示方式,可以更清晰地传达系统的设计和组织结构,减少沟通误解和理解偏差


2、评估和优化:通过绘制技术架构图,可以更容易地评估系统的性能、可靠性和可扩展性。可以通过分析图中的组件和交互方式,找出潜在的瓶颈和问题,并进行相应的优化和改进


技术架构图是给谁看的?


是架构师给开发人员和甲方的技术架构师看的


运维架构图是什么?


系统的软件组件、服务器、网络和它们之间的关系。描述了系统的软件部署和运行环境,帮助开发人员和系统管理员理解系统的部署拓扑和配


为什么要画运维架构图?


可以帮助运维团队更好地理解、管理和优化系统的运维环境和流程


1.可视化运维环境:运维架构图可以将系统的运维环境可视化,包括服务器、网络、存储等基础设施,以及运维工具和系统组件。通过绘制运维架构图,可以更清晰地了解系统的运维环境,帮助运维团队更好地管理和维护系统。


2.明确运维流程:运维架构图可以展示系统的运维流程和步骤,包括监控、备份、恢复、扩容等操作。通过绘制运维架构图,可以帮助运维团队明确运维流程,提高运维效率和准确性


运维架构图是给谁看的?


开发人员写给运维人员看的


架构图有哪些规范?


宏观出发


1、颜色渐变


从色彩搭配上来看,颜色不超过5个,颜色搭配要有所区分,不同层级、不同类型要颜色不同,颜色风格保持一致


2、整体框架


  • 整体结构可以通过方块或者一些图形的方式进行封装
  • 纵向:分层依赖——上层依赖于下层越底层,越是基础服务;横向:并列关系,级别相同
  • 对称:要讲究对称美,尽可能地功能结构分配均匀
  • 虚线框与实线框的意义要明确


局部细节


  • 用词表达。用词准确,见名知意,命名上要统一,英文名体现专业性,命名要尽可能使用短名称且一致。
  • 比方说,业务架构图不能出现增加、删除、查询等这样的动词
  • 技术架构图不能出现技术这种字眼


  • 业务是否全面。项目用到的包括第三方服务也都要体现出来
  • 模块划分粒度,颗粒适中,不可太具体,也不可太宽泛
  • 图形间距离适中,避免间距过大、过小,影响美观


  • 大小、格式:要注意大小一致,格式统一


  • 模块摆放以及层级关系
  • 同一个级别的模块要统一级别,粒度大小要统一;
  • 纵向:分层——上层依赖于下层越底层,越是基础服务;横向:并列关系,级别相同


项目应用


若依管理系统是很多开发人员都熟知的,它帮助我们快速的站在巨人的肩膀上进行业务上的扩展,这里我结合若依权限管理来展示一下我画的技术架构图:


具体的模板大家可以转站这个链接来使用哦:https://www.processon.com/preview/64bbc41f5620c43080afc1ce

版本:RuoYi-Vue前端分离版

官方演示地址:http://vue.ruoyi.vip/login?redirect=%2Findex

官方文档地址:http://doc.ruoyi.vip/ruoyi-vue/document/xmjs.html#%E5%90%8E%E7%AB%AF%E6%8A%80%E6%9C%AF

18646cc0878e4c99a1190b8ef325ee44.png

相关文章
|
1月前
|
人工智能 前端开发 编译器
【AI系统】LLVM 架构设计和原理
本文介绍了LLVM的诞生背景及其与GCC的区别,重点阐述了LLVM的架构特点,包括其组件独立性、中间表示(IR)的优势及整体架构。通过Clang+LLVM的实际编译案例,展示了从C代码到可执行文件的全过程,突显了LLVM在编译器领域的创新与优势。
55 3
|
24天前
|
监控 安全 API
使用PaliGemma2构建多模态目标检测系统:从架构设计到性能优化的技术实践指南
本文详细介绍了PaliGemma2模型的微调流程及其在目标检测任务中的应用。PaliGemma2通过整合SigLIP-So400m视觉编码器与Gemma 2系列语言模型,实现了多模态数据的高效处理。文章涵盖了开发环境构建、数据集预处理、模型初始化与配置、数据加载系统实现、模型微调、推理与评估系统以及性能分析与优化策略等内容。特别强调了计算资源优化、训练过程监控和自动化优化流程的重要性,为机器学习工程师和研究人员提供了系统化的技术方案。
146 77
使用PaliGemma2构建多模态目标检测系统:从架构设计到性能优化的技术实践指南
|
18天前
|
机器学习/深度学习 算法 数据可视化
基于深度混合架构的智能量化交易系统研究: 融合SSDA与LSTM自编码器的特征提取与决策优化方法
本文探讨了在量化交易中结合时序特征和静态特征的混合建模方法。通过整合堆叠稀疏降噪自编码器(SSDA)和基于LSTM的自编码器(LSTM-AE),构建了一个能够全面捕捉市场动态特性的交易系统。SSDA通过降噪技术提取股票数据的鲁棒表示,LSTM-AE则专注于捕捉市场的时序依赖关系。系统采用A2C算法进行强化学习,通过多维度的奖励计算机制,实现了在可接受的风险水平下最大化收益的目标。实验结果显示,该系统在不同波动特征的股票上表现出差异化的适应能力,特别是在存在明确市场趋势的情况下,决策准确性较高。
55 5
基于深度混合架构的智能量化交易系统研究: 融合SSDA与LSTM自编码器的特征提取与决策优化方法
|
29天前
|
机器学习/深度学习 人工智能 并行计算
【AI系统】Kernel 层架构
推理引擎的Kernel层负责执行底层数学运算,如矩阵乘法、卷积等,直接影响推理速度与效率。它与Runtime层紧密配合,通过算法优化、内存布局调整、汇编优化及调度优化等手段,实现高性能计算。Kernel层针对不同硬件(如CPU、GPU)进行特定优化,支持NEON、AVX、CUDA等技术,确保在多种平台上高效运行。
81 32
|
29天前
|
存储 机器学习/深度学习 人工智能
【AI系统】计算图优化架构
本文介绍了推理引擎转换中的图优化模块,涵盖算子融合、布局转换、算子替换及内存优化等技术,旨在提升模型推理效率。计算图优化技术通过减少计算冗余、提高计算效率和减少内存占用,显著改善模型在资源受限设备上的运行表现。文中详细探讨了离线优化模块面临的挑战及解决方案,包括结构冗余、精度冗余、算法冗余和读写冗余的处理方法。此外,文章还介绍了ONNX Runtime的图优化机制及其在实际应用中的实现,展示了如何通过图优化提高模型推理性能的具体示例。
57 4
【AI系统】计算图优化架构
|
13天前
|
机器学习/深度学习 存储 人工智能
基于AI的实时监控系统:技术架构与挑战分析
AI视频监控系统利用计算机视觉和深度学习技术,实现实时分析与智能识别,显著提升高风险场所如监狱的安全性。系统架构包括数据采集、预处理、行为分析、实时决策及数据存储层,涵盖高分辨率视频传输、图像增强、目标检测、异常行为识别等关键技术。面对算法优化、实时性和系统集成等挑战,通过数据增强、边缘计算和模块化设计等方法解决。未来,AI技术的进步将进一步提高监控系统的智能化水平和应对复杂安全挑战的能力。
|
19天前
|
机器学习/深度学习 前端开发 算法
婚恋交友系统平台 相亲交友平台系统 婚恋交友系统APP 婚恋系统源码 婚恋交友平台开发流程 婚恋交友系统架构设计 婚恋交友系统前端/后端开发 婚恋交友系统匹配推荐算法优化
婚恋交友系统平台通过线上互动帮助单身男女找到合适伴侣,提供用户注册、个人资料填写、匹配推荐、实时聊天、社区互动等功能。开发流程包括需求分析、技术选型、系统架构设计、功能实现、测试优化和上线运维。匹配推荐算法优化是核心,通过用户行为数据分析和机器学习提高匹配准确性。
60 3
|
17天前
|
前端开发 搜索推荐 安全
陪玩系统架构设计陪玩系统前后端开发,陪玩前端设计是如何让人眼前一亮的?
陪玩系统的架构设计、前后端开发及前端设计是构建吸引用户、功能完善的平台关键。架构需考虑用户需求、技术选型、安全性等,确保稳定性和扩展性。前端可选用React、Vue或Uniapp,后端用Spring Boot或Django,数据库结合MySQL和MongoDB。功能涵盖用户管理、陪玩者管理、订单处理、智能匹配与通讯。安全性方面采用SSL加密和定期漏洞扫描。前端设计注重美观、易用及个性化推荐,提升用户体验和平台粘性。
48 0
|
1月前
|
存储 人工智能 监控
【AI系统】推理系统架构
本文深入探讨了AI推理系统架构,特别是以NVIDIA Triton Inference Server为核心,涵盖推理、部署、服务化三大环节。Triton通过高性能、可扩展、多框架支持等特点,提供了一站式的模型服务解决方案。文章还介绍了模型预编排、推理引擎、返回与监控等功能,以及自定义Backend开发和模型生命周期管理的最佳实践,如金丝雀发布和回滚策略,旨在帮助构建高效、可靠的AI应用。
105 15
|
1月前
|
人工智能 并行计算 程序员
【AI系统】SIMD & SIMT 与芯片架构
本文深入解析了SIMD(单指令多数据)与SIMT(单指令多线程)的计算本质及其在AI芯片中的应用,特别是NVIDIA CUDA如何实现这两种计算模式。SIMD通过单指令对多个数据进行操作,提高数据并行处理能力;而SIMT则在GPU上实现了多线程并行,每个线程独立执行相同指令,增强了灵活性和性能。文章详细探讨了两者的硬件结构、编程模型及硬件执行模型的区别与联系,为理解现代AI计算架构提供了理论基础。
80 12

热门文章

最新文章