数据架构建设,数据资产管理,数据治理等

本课程以UML与用例厘清OOA&D的要点,使学员能充分理解其中的精髓。课程以易于理解的简单实例，以紧凑的节奏，讲述为什么要实现OOA&D。

工业和信息化部电信研究院于2014年5月发布的“大数据白皮书”中指出： “2012 年美国联邦政府就在全球率先推出“大数据行动计划（Big data initiative）”，重点在基础技术研究和公共部门应用上加大投入。在该计划支持下，加州大学伯克利分校开发了完整的大数据开源软件平台“伯克利数据分析软件栈（Berkeley Data Analytics Stack），其中的内存计算软件Spark的性能比Hadoop 提高近百倍，对产业界大数据技术走向产生巨大影响” Spark是成为替代MapReduce架构的大数据分析技术，Spark的大数据生态体系包括流处理、图技术、机器学习等各个方面，并且已经成为Apache顶级项目，可以预计的是2014年下半年到2015年在社区和商业应用上会有爆发式的增长。 国内外一些大型互联网公司已经部署了Spark，并且它的高性能已经得到实践的证明。国外Yahoo已在多个项目中部署Spark，尤其在信息推荐的项目中得到深入的应用；国内的淘宝、爱奇异、优酷土豆、网易、baidu、腾讯等大型互联网企业已经将Spark应用于自己的生产系统中。国内外的应用开始越来越广泛。Spark正在逐渐走向成熟，并在这个领域扮演更加重要的角色。

无数软件企业及其研发团队都面临着，大量初级程序开发人员低质量软件开发带来的严重问题，即使那些工作多年的高级程序员也存在着对提高软件设计质量认识不深的问题。正是由于以上的问题，造成许多公司对运行了多年的核心业务，运行维护成本越来越高，却不能更换、一直维护下去的恶性循环。如何通过培训，切实有效地提高员工设计开发水平，从而有效地改善软件设计质量，成为越来越多的软件企业迫切需要解决的问题。 本课程不仅在讲解高质量软件设计的理论知识，更关键是将这些知识投放到各个真实的设计场景中。在这些场景中，我们可以看到我们要面对的设计难题，通过对设计难题的深入剖析，寻找问题的根源，对症下药，从而制订出正确的设计方案。 掌握面向对象设计思想与基本原则，提高设计能力； 2、剖析设计模式的本质，跳出“为模式而模式”的设计方式，运用设计原则改善设计质量； 3、掌握场景驱动设计的方式，明确了解角色、职责与协作在设计中的作用； 4、梳理设计过程，结合真实案例，从业务建模入手，掌握基本的设计手法； 5、了解和掌握UML，运用包图、组件图、类图和时序图进行系统设计； 6、识别设计的坏味道，利用重构改善设计； 7、剖析经典的开源框架，分析.NET系统的架构设计原则； 8、深入介绍分层架构、IoC、ORM等企业应用架构的核心模式；

大数据平台的发展,大数据的整体技术架构,大数据应用场景等

细节之中自有天地，细节也决定着成败。 对于编码的细节，一直被认为是小道。诸如方法命名，变量定义，语句组织，任务分解等内容，都是细枝末节，微不足道。然而，对一个整体的软件系统而言，既需要宏观的架构 决策，设计与指导原则，也必须重视微观的代码细节。在软件行业，有许多影响深远的重大 失败，其根源往往是编码细节出现了疏漏。“代码即架构”，软件系统质量的好坏，归根结底还是需要代码来告知。代码的优劣不 仅直接决定了软件的质量，还将直接影响软件的成本。