基于大数据背景下软件工程项目开发方法研究

山东华宇工学院 孙德刚 李蒙蒙 张 璐

本文围绕在大数据背景下，开发一个基于界面友好、导航式操作，具备“营养状态监测”、“营养成分测试”等专业功能的膳食营养分析与智能配餐系统的软件工程项目进行阐述，详细分析在大数据背景下软件工程项目开发建模，在大数据背景下具体研究软件工程项目开发的方法，并结合具体案例进行研究，坚持实事求是基本原则，旨在为日后研究工作的顺利进行奠定基础。

软件工程项目开发重要性较为显著，是社会各领域关注的重点，借助大数据背景下开展软件工程项目开发，注重对用户的需求量进行分析，合理的构建数据模型，加强专业工具的布置，将需求开发活动、设计活动、编码活动以及测试活动有效的结合在一起，使之适应大数据背景下软件工程项目开发的实际需要。

1 软件工程项目开发

本软件工程项目要达到的目的是利用大数据分析技术，依据最新中国居民膳食营养素参考摄入量和常见食物的营养素含量等数据库为参考模型，以德州本地农产品价格数据为择优参考系数。通过建立数学模型，自动计算出一周时间内某特定人群各种营养原材料的需求总量，并根据所选择食品原料品种，用餐人数、人员年龄等参数自动生成一周最优推荐菜谱。同时计算出所需原料、食材的采购品种、数量、建议采购地点等信息自动发送到采购人员或供应商通讯工具中。软件工程项目开发需要借助操作系统来实现，以此保证项目开发的兼容性能。在软件工程项目开发的过程中将大数据背景下的先进技术应用其中，结合整体软件工程项目的实际情况，将其划分为不同的子项目，为了保证项目开发的效果，需要整合划分过后的子项目，分别进行测试与开发。注重构架软件工程质量大数据控制平台，逐步实现信息的输入、检测控制、质量预测以及系统管理。在此环节中将信息系统集成理论应用其中，其中信息系统集成是当前软件工程项目开发的重点，借助编译、发布以及自动化测试的方式对信息进行验证，及时发现系统在运行环节中存在的问题，以此提升软件工程项目开发质量。

2 大数据背景下软件工程项目开发建模

2.1 模型构建

大数据背景下软件工程项目开发建模是提升项目开发能力的关键，结合膳食营养分析与智能配餐系统开发组织项目为例进行分析，在模型准备的过程中要了解项目开发能力的定义、计量标准以及能力类型。在模型构建时，绘制出纵轴以及横轴，前者主要表示的是任务量，后者则表示资源量轴，将其分别设定为P、Q，此时曲线中的需求量表示的任务量的函数，设定为D，构成幂函数曲线Q=Pμ，还函数为增函数，函数的延伸方向主要与任务量以及资源量有关，结合生产实践的实际情况可以发现逐渐呈现出平滑的趋势，对本系统的业务关联方式、人机交互模式以及交易负载路由方式进行分析，在产品开发的过程中使得产品呈现出网状关联，结合需求量曲线的实际情况可以将技术以及成本等系数添加其中，将回归分析法应用其中，通过函数表达数据映射的关系来发现属性值之间的依赖关系，发现产品开发中的依赖关系相对复杂，可以根据当前的业务情况进行回归分析，并对下一步的趋势做出预测并适当的进行调整。

2.2 需求量特征

在对需求量特征进行分析的过程中组织的需求量主要与任务量有关，生产周期内所安排的任务量与安排人员之间呈现出正相关，此时生产开发效率将逐渐呈现下降的趋势，膳食营养分析与智能配餐系统项目在开发的过程中主要按照时间成功交付的概率角度进行分析，在实际安排任务的过程中需要结合在一定时间内的组织级生产率来完成，并通过回归分析得出直线的斜率，以此了解任务量以及需求量之间的关系。其中影响需求量的因素具有多样性，分析本系统组织需求量类型，主要以任务驱动型为主，实际的任务量将会受到业务部门以及内部开发等需求的影响，并对工程技术以及工程管理带来影响。

3 大数据背景下软件工程项目开发方法

3.1 专业工具的部署

在专业工具部署的过程中主要涉及需求开发活动、设计活动、编码活动以及测试活动等几个方面。在大数据背景下主要实现从需求到设计，建立健完善的全周期维度管理模式，基础信息化管理发展的实际需要，结合软件工程项目开发的实际情况对其进行实时的跟踪管理，收集不同阶段的需求信息。活动设计主要以线上设计为主，首先需要构建需求框架，整合软件工程项目开发所涉及的要素，并输出数据信息，以此保证文档设计结果的准确性。在编码的过程中，则需要借助SVN服务器来完成，注重加强开发库以及产品库之间的联系。测试活动的开展需要对系统进行测试，借助自动化测试工具实现，并负责收集软件工程项目开发质量信息。

3.2 信息质量监控机制

信息质量监控机制是软件工程项目开发中的重点，实现信息的输入，并对输入的信息进行分析，以此与产品质量信息进行比较，了解企业的实际工作效率，将上述信息进行整合，并集中对软件工程开发项目进行综合的评估，以此作为参数指标。注重加强与项目管理者进行连接，将输入的信息借助该系统进行综合的分析，为后续决策的顺利进行奠定基础。构建软件工程质量大数据控制平台，实时对项目的生命周期进行监控，整合软件工程项目开发的全过程，将不同阶段的质量进行在该平台上进行展示，实现软件工程项目质量的自动化的控制，根据质量平台数据分布的实际情况对存在的风险进行预测。

3.3 信息共享与评估系统

大数据背景软件工程项目开发的重点是要实现数据信息之间的共享，注重加强专业化工具的部署工作，实现不同平台之间信息的沟通与交流。在此环节中构建软件工程项目开发大数据分析系统，并加强软件工程质量控制系统以及软件工程质量大数据平台之间的联系，其中软件工程质量控制系统主要负责信息输入、检测控制、质量预测以及系统管理；软件工程质量大数据平台主要负责相关的数据分析工作，并对分析到的数据进行集中显示。构建信息共享以及评估系统在大数据背景下实现信息的自动化收集与分析、评估，在识别信息要素的过程中主要通过构建评估模型来实现，保证信息流向的均衡性（如图1所示）。

图1 软件工程项目开发大数据分析系统

3.4 信息集成系统

信息集成系统在软件工程项目开发中的应用效果较为显著，其中主要涉及提交、测试、构建、代码测试部署、回滚。在提交的过程中主要是与代码库进行连接，并开展代码的测试；整合开发出来的代码信息，并收集到系统中，随即开展第二轮的测试，以此保证交付过程的顺利进行。将脚本等相关的资源进行整合，保证测试结果符合标准后方可进行下一步的操作，并在实际测试的过程中以自动化测试为主；在部署的环节中，加强不同服务器之间的联系，并对文件进行打包处理；回滚主要是针对在软件工程项目开发过程中存在问题时，要返回到上一阶段。

4 大数据背景软件工程项目开发案例分析

以本膳食营养分析与智能配餐系统软件工程项目平台构建为例，实现了统一数据接入、存储计算、开放共享。其中统一数据接口可以实现对数据的统一管理；统一数据计算与存储实现不同结构化的数据处理以及储存的要求；统一数据开放共享主要对外开放共享服务。在平台部署的环节中，对数据进行集约式的管理，注重创新系统构架。在此环节中借助X86以及开源软件的优势来提升计算能力，构建基础平台管控系统，实现应用的开发、测试以及维护工作。在大数据处理平台上对数据进行加工处理，并对结果数据进行展示，在该平台上可以提供不同形式的数据信息，并在大数据平台管理系统中提供全生命周期的数据管理，并设置对HDFS、M/R、HBase、Hive等服务的访问，通过图形化的应用程序进行提交与部署，以此为大数据中心的正常运行奠定基础。

结论：大数据背景软件工程项目开发的方法较为复杂，详细分析软件工程质量控制系统的运行原理，注重建立健全完善的信息共享以及评估机制，充分结合软件工程项目开发的实际特点构建软件工程大数据控制平台，以此提升软件工程项目开发水平。