常見名稱解析_ 軟件開發、應用相關 數據分析相關

常見名稱解析1

n 軟件開發、應用相關

1、SOA

面向服務架構SOA（Service-Oriented Architecture）是一種架構模型和一套設計方法學，其目的是最大限度地重用應用程序中立型的服務以提高IT適應性和效率。它可以根據需求通過網絡對鬆散耦合的粗粒度應用組件進行分佈式部署、組合和使用。服務層是SOA的基礎，可以直接被應用調用，從而有效控制系統中與軟件代理交互的人爲依賴性。SOA的關鍵是“服務”的概念，W3C將服務定義爲：“服務提供者完成一組工作，爲服務使用者交付所需的最終結果。最終結果通常會使使用者的狀態發生變化，但也可能使提供者的狀態改變，或者雙方都產生變化”。

附件：soa.doc

2、ITIL

首先來看一下ITIL的解釋。

ITIL（信息技術基礎設施庫）是Information Technology Infrastructure Library的縮寫。是英國政府中央計算機與電信管理中心（CCTA）在20世紀90年代初期發佈的一套IT服務管理最佳實踐指南。總結了IT服務的最佳實踐經驗，形成了一系列方法，用以規範IT服務的水平。

僅僅看這個解釋想必大家還不會很明白。我們再研究一下這個解釋。把它拆開了研究。那麼得到下面的結果：

1.ITIL是指南

2.ITIL是從最佳實踐中總結出來的

3.ITIL要解決的問題是規範IT服務的水平

3、J2EE

ava有三個版本 J2SE:這個是其他2個的基礎
    J2EE:java企業級應用,有servlet,JDBC,EJB,JSP等技術
    J2ME:這個是java應用在機頂盒、移動電話和PDA之類嵌入式消費電子設備上的技術

4、B/S

B/S架構的全稱爲Browser/Server，即瀏覽器/服務器結構。Browser指的是Web瀏覽器，極少數事務邏輯在前端實現，但主要事務邏輯在服務器端實現，Browser客戶端，WebApp服務器端和DB端構成所謂的三層架構。B/S架構的系統無須特別安裝，只有Web瀏覽器即可。
B/S架構中，顯示邏輯交給了Web瀏覽器，事務處理邏輯在放在了WebApp上，這樣就避免了龐大的胖客戶端，減少了客戶端的壓力。因爲客戶端包含的邏輯很少，因此也被成爲瘦客戶端。

B/S架構的優缺點

優點：
1）客戶端無需安裝，有Web瀏覽器即可。
2）BS架構可以直接放在廣域網上，通過一定的權限控制實現多客戶訪問的目的，交互性較強。
3）BS架構無需升級多個客戶端，升級服務器即可。

缺點：
1）在跨瀏覽器上，BS架構不盡如人意。
2）表現要達到CS程序的程度需要花費不少精力。
3）在速度和安全性上需要花費巨大的設計成本，這是BS架構的最大問題。
4）客戶端服務器端的交互是請求-響應模式，通常需要刷新頁面，這並不是客戶樂意看到的。（在Ajax風行後此問題得到了一定程度的緩解）

5.C/S 架構

C/S 架構是一種典型的兩層架構，其全程是Client/Server，即客戶端服務器端架構，其客戶端包含一個或多個在用戶的電腦上運行的程序，而服務器端有兩種，一種是數據庫服務器端，客戶端通過數據庫連接訪問服務器端的數據；另一種是Socket服務器端，服務器端的程序通過Socket與客戶端的程序通信。
C/S 架構也可以看做是胖客戶端架構。因爲客戶端需要實現絕大多數的業務邏輯和界面展示。這種架構中，作爲客戶端的部分需要承受很大的壓力，因爲顯示邏輯和事務處理都包含在其中，通過與數據庫的交互（通常是SQL或存儲過程的實現）來達到持久化數據，以此滿足實際項目的需要。

C/S 架構的優缺點

優點：
1.C/S架構的界面和操作可以很豐富。
2.安全性能可以很容易保證，實現多層認證也不難。
3.由於只有一層交互，因此響應速度較快。

缺點：
1.適用面窄，通常用於局域網中。
2.用戶羣固定。由於程序需要安裝纔可使用，因此不適合面向一些不可知的用戶。
3.維護成本高，發生一次升級，則所有客戶端的程序都需要改變。

數據分析相關

1、人工智能

人工智能(Artificial Intelligence) ，英文縮寫爲AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。 人工智能是計算機科學的一個分支，它企圖瞭解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

2、數據挖掘

數據挖掘（Data Mining，DM）又稱數據庫中的知識發現（Knowledge Discover in Database，KDD），是目前人工智能和數據庫領域研究的熱點問題，所謂數據挖掘是指從數據庫的大量數據中揭示出隱含的、先前未知的並有潛在價值的信息的非平凡過程。數據挖掘是一種決策支持過程，它主要基於人工智能、機器學習、模式識別、統計學、數據庫、可視化技術等，高度自動化地分析企業的數據，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減少風險，做出正確的決策。

3、BI

商業智能（BI，Business Intelligence）。商業智能的概念最早在1996年提出。當時將商業智能定義爲一類由數據倉庫（或數據集市）、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策爲目的技術及其應用。目前，商業智能通常被理解爲將企業中現有的數據轉化爲知識，幫助企業做出明智的業務經營決策的工具。商務智能系統中的數據來自企業其他業務系統。例如商貿型企業，其商務智能系統數據包括業務系統的訂單、庫存、交易賬目、客戶和供應商信息等，以及企業所處行業和競爭對手的數據、其他外部環境數據。而這些數據可能來自企業的CRM、SCM等業務系統。

4、數據倉庫

數據庫是面向事務的設計，數據倉庫是面向主題設計的。
數據庫一般存儲在線交易數據，數據倉庫存儲的一般是歷史數據。
數據庫設計是儘量避免冗餘，一般採用符合範式的規則來設計，數據倉庫在設計是有意引入冗餘，採用反範式的方式來設計。
數據庫是爲捕獲數據而設計，數據倉庫是爲分析數據而設計，它的兩個基本的元素是維表和事實表。（維是看問題的角度，比如時間，部門，維表放的就是這些東西的定義，事實表裏放着要查詢的數據，同時有維的ID）

5、數據集市

數據集市(Data Mart) ，也叫數據市場，是一個從操作的數據和其他的爲某個特殊的專業人員團體服務的數據源中收集數據的倉庫。從範圍上來說，數據是從企業範圍的數據庫、數據倉庫，或者是更加專業的數據倉庫中抽取出來的。數據中心的重點就在於它迎合了專業用戶羣體的特殊需求，在分析、內容、表現，以及易用方面。數據中心的用戶希望數據是由他們熟悉的術語表現的。

n

n

n