大数据时代软件开发与维护技术要点及运用实践关键要素探究

　　姚楠

　　【摘 要】随着我国整体社会经济水平的不断提升，信息技术的发展速度也越来越快，以我国目前的状况来看，显然我们已经完全迈入了大数据信息时代。即使当下各行业均呈现出较为广阔的发展空间，却因为技术人员缺乏对软件开发及其维护技术的认知的缘故，导致实际工作开展过程中遇到一系列问题。本文首先介绍了大数据和软件工程的基本内涵，其次阐述了大数据与软件工程的结合方式，以及大数据时代的软件服务工程，最后探讨了大数据时代软件工程开发与维护技术的应用，其目的在于解决人们实际问题。

　　【关键词】大数据；软件工程；维护；技术

　　引言

　　事实上我国开展软件开发的企业数量比较庞大，但往往不同企业其各自的实力也存在差异性，一般技术领域的企业，其在开展软件开发及维护技术实践应用时，都会综合具体工作内容和大数据时代的信息特点，后由相关管理人员整理并分析收集到的信息，继而找准自身企业的发展方向，同时在此基础上制定合理的发展计划，稳固企业的市场地位，有效提升企业的营业业绩，力争获取到最高的经济效益。

　　一、概述

　　（一）大数据

　　众所周知，沃尔玛的“啤酒与尿布”属于大数据行业的一大典型案例，随着社会的数据信息化发展，完全证明了大数据时代的到来。20世纪80年代初期，美国社会思想家阿尔文·托夫勒撰写的《第三次浪潮》掀起了人类社会发展的三次浪潮，第一次浪潮以“农业文明”为核心，第二次浪潮以“大数据”为核心，第三次浪潮则以“信息化”为主，期间第一次提出了“大数据”的概念。被世人熟知的麦肯锡咨询公司作为全球著名的咨询公司在2011年5月发表的《大数据：创新、竞争和生产力的下一个前沿》报告中，明确指认大数据时代的来临。继大数据的概念提出之后，人们经过反复实践，并且在其技术不断发展的过程中对“大数据”做出了严格且权威性的定义。一般来说，大数据的规模基本都能达到10TB左右，目前已经实现了PB级的数据量。维基百科对“大数据”一词给出的概念是：用来描述传统数据处理应用软件没有办法完整地完成较之庞大的或是复杂性较高的数据集。然而，论及“大数据”这一概念时，其并非只是代表庞大的数据规模，而是同时涵盖了处理和应用这些数据的具体活动。IBM总结出了大数据的具有“5V”特征，即数据价值高、数据真实性高、处理速度快、数据类别多样、数据体量大。各个大数据技术的分类之间并非平行关系存在，而是以纵向、层级状结构存在的。

　　（二）软件工程

　　原本当前并不存在对软件工程具有权威性的定义。且“软件”一词也是在20世纪60年代初期才出现的，此前大都为关于“程序”的概念，直至后来在经过发展之后人们所认知的关乎程序的文档同样发挥着很重要的作用，之后“软件”一词才问世。历经数年的发展，直到今天，软件已经并非仅借以某个程序个体或程序员合作方才可以完成，即便可以完成，其效率也往往不尽如人意，同时其程序运行的可靠性比较差，也可以认为根本就没有办法完成。为此，1968年“软件工程”这一概念被在大西洋公约学术会议上提出来，换言之，即按照特定的工程方法全面完成软件系统的设计开发、运行维护及优化等整体性工作内容，也是借助“计算机科学”“数学管理科学”等一系列原理，运用工程方法来完成软件工程的制作，故其当属一门交叉性学科。大致可以认为其包含有四个核心要素：①软件工程目标；②软件工程范型；③软件工程过程；④软件工程原则。

　　二、大数据与软件工程的结合方式

　　如果立足于宏观角度来思考，软件工程的概念往往要比大数据的概念覆盖范围更宽，同时大数据技术及其应用也同时覆盖了软件工程的内容。即便大数据各类技术及其应用均隶属垂直领域范畴，但软件工程则涉及的是横向领域，其侧重点在软件产品和软件系统工程的实现或管理方面。然而，不管是针对大数据产品或是大数据系统的完成和落地，均摆脱不了软件工程方法论的支撑。也就是说，包括软件工程的技术方法始终贯穿于大数据的开发应用过程中，且大数据这个概念也不过是出现在软件工程的发展过程中。一定程度上来说，软件工程开发具备一定的综合性，且又被广泛应用于各学科及各领域，介此，大数据技术的应用也就成了软件工程重点关注及研究的内容，又或者可以认为软件工程是大数据技术实践开发应用过程中各个环节的重要支撑。事实上，开发和应用大数据的过程是在依赖于完整的数据链条的基础上实现的，采取有效的算法来分析数据当中潜在的规律，且必须保证要根据变化着的环境对算法进行升级，基于基础开发的原理，合理调整数据的分布情况，继而实现大数据技术和软件工程方法的有效结合。同时还要在开放的环境当中共享网络与通信技术数据，此间会同时提升软件的技术水平。此二者之间互相发生作用的同时，又能有效提升软件效率和软件效益，力争满足客户需求。软硬件是软件开发过程中的必备条件，其作用是支持对应的数据流，随着数据流的持续增长，软件对于软硬件的要求也会随之提高。对于工程技术人员来说，在分析和研究数据流的过程中，也会有专家和学者在线服务或研究。然而，数据流始终都是重点，其中也包含了针对数据流使用方法的研究以及对支持数据流的软硬件的研究。此外，如果立足于软件工程的开发角度来思考，不管是服务端或用户端，软件在运行过程中都会不可避免地生成大批量的数据流，且此过程会产生大批量的数据信息，而最终这些数据流往往一定程度上会影响到软硬件的使用寿命。所以，实际基于海量数据环境下的软件工程开发，第一步必须要做好对应的数据流管理工作，特别重视数据流的分析和研究，还要更进一步地研究原始数据，使软件的使用周期得以延长。

　　三、大数据时代的软件服务工程

　　所谓软件服务工程，即面向服务的软件工程，一定意义上可以将其理解为传统软件工程的拓展。近年来，软件工程经过不断发展慢慢演变成了当今时代的一大主流，而其具体原则主要体现在其服务功能上。另外，软件服务工程也可以理解为包括软件、服务、工程三者之间的交叉融合，又或是将其理解为软件工程和服务工程之间的双向融合等。从实践情况来看，需基于软件服务工程基础原则、开发技术和应用方法，充分利用与之对应的软件服务设施平台，来开发出更高水平的软件服务系统，以满足实际应用需求。对于软件开发者而言，通常都是依据实际需求的变化在不断实践的过程中以服务社会为主要目标。在开发初期，建构良好的软件框架，并且充分发挥编程语言作用，提前建构编程思路，保证开发软件可以更好地服务于应用，有序维持软件的稳定运行。开发者在实际服务的过程当中必须要严格应用分布式应用程序，并利用虚拟操作的方式为用户提供高质量的服务[1]。实践应用过程中介入大数据技术，可以完成实时的数据编程，以便主动协调数据。软件工程师在共享信息的同时又可以互相交流学习，结合用户反馈协同开发软件，确保能够优化升级软件系统，并且进一步提高软件性能。开源软件作为最近几年比较成功的习作模式，它所采用的常规性研究方法，在应用价值方面体现得并不高。对比开源软件来说，群体软件工程又是一种分布式的软件模型，它可以借助网络完成任务的分配，同时也可以做到创造性的查询，借以众包的形式来成功地克服实际开发中遇到的各种难题。与此同时，众包开发又可以贯穿于整个开发过程。众包开发的含义即一种分布式的生产和开发的模式，并且是一种解决问题的具体方案。借此方式可以实现开源软件与商业软件基于网络系统的任务分配和责任划分。软件工程技术发展速度和国内科技水平呈正相关关系，即国内科技水平可以促进软件工程技术的快速发展。与此同时，也为软件服务工程提供了拓展的路径。基于大数据时代背景下的软件工程开发要求我们必须加速大数据技术与软件工程技术的有机融合，并在创新的基础上进一步提升编程处理海量网络数据信息的能力，促进软件安全效能的提升，并且进一步提高软件开发的稳定性及可操作性，以最终完成软件工程系统整合集成度的开发和应用[2]。

　　四、数据密集型科研第四范式

　　詹姆士·格雷是美国著名的关系数据库研究专家，他曾立足于科学哲学的层面划分人类科研模式为三个阶段：初期实验科学阶段，科学理论阶段，模拟计算科学阶段，后又将此三个阶段分别系统性地称为第一、二、三范式。随着模拟连同实验生成的海量数据，一般由软件来对这些各类仪器及模拟实验生成的海量数据进行科学处理，之后又将经过处理获取到的信息及知识储存在计算机中。紧跟着再由科研人员仔细分析和研究这些储存在计算机当中的小批量数据，而并非直接性借助仪器或模拟的方法展开研究。基于此，从以往应用于数据密集型科研当中的独特技术及其表现出来的不同于往日的科研特点，詹姆士·格雷又在2007年，于科研报告当中正式提出这种数据密集型科研模式，同时也包括由计算机中独立区别的思想，之后第四范式的新型科研模式便诞生了。经过整理后的报告命名为“吉姆·格雷论e-Science：一种科研模式的变革”，后来也被作为2009年微软描述数据密集型的首篇论文集《e-Science：科学研究的第四种范式》。时下有不少计算机领域研究的专业从业人员均给予了数据密集型科研第四范式较高的关注和深入的研究，积极找出了行之有效的方式和方法，为此，关于第四范式的研究成了当今时代大数据技术背景下开发软件工程技术的核心所在[3]。

　　信息时代这一大背景，为许多学科的拓展提供了有效支持，其中包括实验、计算科学和理论分析在内的各种研究都在当今这个数据信息大面积发展的情势下表现出与之前较大的差异性，因此，既要要求软件工程技术必须积极迎合科研第四范式，同时又将其发挥的作用及其占据的地位提升了一个阶层。以往传统的软件工程范式没有办法很好地将目的和探索衔接起来，也没有办法更好地保证数据信息的实际应用效率和管理目标的实现。基于数据密集型科研第四范式相关理论可以得知，借助此范式的软件工程技术模块，可以同时分析其余范式下的数据信息，有效提高了数据信息处理的效率和质量。基于第四范式模式下，需要首先评估集成密集型数据软件的服务价值，必须要在以往数据统计方法应用的基础上，创新出大数据信息统计及信息分析的新方法，便于推进后期的软件工程技术发展和进步。另外，还需要更新以往软件工程技术的研究理念，特别重视大数据的处理和分析能力的培养提升，革新软件产业的面貌，在此过程中提高大数据的数据分析能力[4]。基于第四范式也可以使其更好地服务于第一、三范式。当然，目前我国关于第四范式的研究依然处在初级阶段，对此要求相应的软件工程开发人员必须要在研究已有的数据模型的基础上，加快第三范式向第四范式转换的速度，并且充分发挥出基于应用层面的服务价值。

　　五、大数据时代软件开发与维护技术的应用

　　（一）数据分析软件

　　在这个大数据时代背景下，人们在工作中往往要面对大批量的数据信息，所以，当前工作技术人员所面临的首要问题，即通过什么样的手段来提高数据的捕获效率及数据分析的效率。现实当中，各企业可以充分运用数据分析软件来有序筛选并整理用户信息，并且对前期获取到的用户反馈信息数据及收集到的用户需求数据进行整合，在此基础上制定出较之科学的维护计划，以能够很好地维护企业和用户之间的关系[5]。

　　借助数据分析软件来分析数据，除了有助于提高工程技术人员的工作效率以外，更有助于提升企业运营的经济效益，或者辅助相关管理人员及时发现工作中存在的问题，并提出优化方案，以免影响企业的发展。实际软件工程开发和研究工作进行当中，一定要特别重视数据分析工作的内容，对于管理人员来说，借此技术可以获取到极具代表性的数据样本信息，进而综合这些信息和市场的发展方向来调整工作计划，提高所拟定计划的实用性。

　　（二）通信技术软件

　　事实上，现阶段我国通信技术行业的空前繁荣某种意义上象征着我国的软件开发及维护技术研究工作步入了新的历史阶段，为此恰恰会产生巨大的社会影响力，比如，现阶段通信技术软件已经被广泛应用于各个社会领域中。通信技术软件的应用，可以辅助企业做好推广，提高企业影响力。

　　通信技术工作人员可以借助通信技术软件来收集和分析用户信息，继而辨析用户的实际需求，保证自身制定的工作计划能够匹配用户实需，并且受到用户认可，供给用户对应的服务，此过程更有助于提升工作效率，也可以收获更多的用户。另外，日常工作中，运用软件通信技术，既可以及时发现工作人员实际工作中存在的缺陷，也可以实现相应的软件跟踪服务，在确保有效提高售后工作质量的基础上，辅助他们制定出科学合理的问题解决方案，进一步推进企业进步和发展[6]。

　　（三）商业经营软件

　　企业经营管理人员可以运用商业经营软件获取到更多的精确性用户信息，同时他们又可以将这些信息参数作为制定企业发展计划的核心参考数据。例如，计算机企业在推行软件前要先查询用户信息，但如果沿用以往传统的查询方式，除了要耗费大量人力，消耗大量时间以外，更有可能还会造成文件信息丢失，这样不仅对企业发展不利，同时还会对企业发展产生负面影响，但如果应用商业经营软件，就能有效地避免这种情况出现。

　　结束语

　　综上，软件开发及维护技术的实践，可以为大批量数据处理提供有效的处理方法，提升所整理数据的应用价值。而此次研究也积累相应的实践经验，为理论体系的完善提供良好参考。在下阶段的发展中，还需加强技术创新、人员素养培训、配套硬件开发等工作，充分发挥软件技术的应用优势，以促进社会经济的健康发展。

　　参考文献：

　　[1] 祝晓辉.大数据时代软件开发与维护技术及运用[J].电子世界,2020(08):187-188.

　　[2] 谢虎,刘群.大数据时代软件开发与维护技术及运用[J].数字技术与应用,2020,38(03):66-67.

　　[3] 林民山,林宗英.大数据时代软件开发与维护技术及运用探究[J].计算机产品与流通,2020(03):23.

　　[4] 刘辉,冯莹莹,等.软件工程课程多元化教学模式研究[J].黑河学院学报,2017,08(03):81-82．

　　[5] 张伟东,丁久荣.计算机软件开发中的分层技术在金属加工中的应用[J].世界有色金属,2019(9):21-22.

　　[6] 曹雁.高职院校计算机软件专业分层教学探索——以湖北职业技术学院计算机软件专业为例[J].产业与科技论坛,2018,17(20):169-170.

关注读览天下微信， 100万篇深度好文， 等你来看……