計算機應用軟件自動化開發技術分析

尹 杰

（遼寧省勞動經濟學校 遼寧 沈陽 110045）

0 引言

計算機行業之所以能夠在現代社會得到飛速、全面發展，除了先進技術、性能的推動作用外，還與計算機程序設計語言有直接關系。一般計算機編程語言有多種，按照應用的先后順序與不同階段，依次是“機器語言—匯編語言—高級語言”。在研發計算機階段中，采用實際二進制，即機器語言，計算機可直接對其進行讀取，但會面臨代碼過長的問題，缺少記憶點。在機器語言基礎上，后期提出了匯編語言，將原本二進制代碼替換為符號，增加了計算機應用軟件編程環節的便捷性。但發展至今，計算機編程更多是以高級語言為主，屬于一種與人類語言最為相近的編程語言，在開發計算機應用軟件中應用可以提高效率，降低難度?；谀壳败浖_發的經驗，編程語言還需要與自動化開發技術組合應用，以自動化形式開發、組建業務，使編程語言的效果達到最佳，也可以進一步提升軟件開發質量。為此，本文圍繞計算機應用軟件開發中自動化開發技術的應用展開分析，介紹不同技術的應用要點，旨在提高計算機應用軟件性能。

1 計算機應用軟件開發自動化的方向

計算機應用軟件開發向自動化方向轉型，核心要義是“全自動化”，即開發全過程的自動化，直至已經生成業務組件［1］。事實上目前計算機應用軟件的開發、應用中，已經實現了組裝自動化，開發的所有業務組件，無論是生成還是重新應用，均在計算機中取得了明顯的效果。應用軟件業務組件在自動化技術的輔助下，還解決了質量、兼容、集成性等多領域的“疑難雜癥”，使業務組件、業務組建與安裝等，均實現了一體化的創新。

自動化技術與計算機應用軟件開發融合，設計自動化系統，在開發過程中可以顯著提高效率、優化軟件開發效果［2］。站在用戶角度，在實際操作軟件中，無論是軟件升級還是運維，都在自動化技術幫助下得到了保障。

2 計算機應用軟件自動化開發技術與運用

2.1 代碼生成技術

代碼生成技術基于已有模板與既定規則，可以自動生成軟件開發的代碼。此技術比較常用于重復型軟件的開發，具體包括表單、報表和數據處理。此外，通過代碼生成技術，還可以自動生成框架代碼或者是接口代碼。工作人員除了比較基礎的手寫代碼外，還可以選擇文本替換、模板引擎的形式形成代碼。模板引擎在代碼生成中比較常見，具體使用的工具有Freemarker 和JET。下面分別介紹幾種代碼生成技術的應用要點。

2.1.1 代碼模板技術

代碼模板技術在開發計算機應用軟件中，主要是采取預定義代碼模板，自動生成代碼。一般已有的代碼模板中包含大量信息，是由程序結構、變量聲明、函數定義等組成的，軟件的開發人員僅需填寫代碼邏輯，便可以完成代碼的生成。選擇代碼模板工具時，主要有Eclipse JDT 和IntelliJ IDEA［3］。

2.1.2 領域特定語言技術

所謂領域特定語言，是以特定領域開發的編程語言，采用的是定義領域中指定語法以及語義獲得程序設計權。通過此技術將領域知識、代碼生成組合，此時開發人員按照領域中指定的語法，便可以快速編寫程序邏輯，再利用領域中指定的語言編譯器，可以自動生成實際需要的代碼。一般在軟件開發中，比較常用Xtext 和JetBrainsMPS相關工具。

2.1.3 反射技術

計算機應用軟件開發中應用的反射技術，本身屬于運行狀態下的動態生成代碼的手段，當程序處于運行狀態時，可以按照程序所需動態，自動生成代碼［4］。此技術通過Java 所包含的反射機制，便可實現運行過程中利用不同信息，如方法信息和變量信息完成代碼的生成，例如可以采用Java 反射應用程序接口（application programming interface， API）的手段。

2.1.4 元編程技術

元編程技術通過程序可以繼續生成程序，利用編寫元程序的方法，可以獲得實際需要的代碼。應用此技術期間，編譯或者試運行過程中可以直接生成代碼。注意在編譯狀態所生成代碼，往往代碼性能與穩定性更強。運行中生成代碼則更具靈活性。例如選擇元編程技術時，可以應用C＋＋模板元編程或者是Python 元編程工具。

2.2 數據挖掘技術

數據挖掘包含了統計學、數據庫和機器學習等技術，現代社會中數據庫技術水平不斷提升，儲存數據的途徑越來越多，但數據量積累增多，也會帶來一些問題。以企業為例，既往的數據查詢與統計形式往往相對簡單，但很難滿足現代社會中的商業需求，需要在數據量激增，且相對繁瑣的數據當中，以最快的速度提煉出價值高的信息。在此背景下為機器學習技術創建了適合的提升環境，數據庫存儲與計算機算法分析兩項技術也得到融合，并且開始關注到數據的隱藏內容，隨之提出了數據庫知識發現（knowledge discovery in database， KDD）的概念。關于此概念的實現過程，流程共分為7 步：①數據清理；②數據集成；③數據選擇；④數據轉換；⑤數據挖掘；⑥模式評估；⑦知識展示。基于以上7 個環節可知，數據挖掘在KDD 是相對重要的一部分，梳理KDD 和數據挖掘之間的聯系，見圖1。

圖1 KDD 和數據挖掘聯系

計算機應用軟件的開發中應用數據挖掘，劃分任務包括以下幾個方面：①分類；②預測；③關聯分析；④聚類分析；⑤回歸；⑥智能推薦以及其他。無論是企業還是政府，需要按照業務的具體內容，采用數據挖掘技術，在現有數據當中做出提取，提煉出價值高的信息，數據挖掘任務如圖2 所示。

圖2 數據挖掘任務

開發軟件中應用數據挖掘技術，主要可以分為5 種方法：一是分類和預測，二是聚類，三是關聯規則，四是時序模式，五是離群點監測。①分類與預測方法。此方法需按照先后順序，基于已知類別數據集，由技術人員完成建模，此模型負責劃分樣本類別、監督學習的作用，在模型構建中準確率也比較高［5］。預測則是通過現有的數據集訓練模型，發揮構建模型的作用，對未知樣本數據表現做出預測，以此了解2 個或超過2 個變量的關系，構建互相依賴模型。此算法常見的技術有回歸分析技術、人工神經網絡技術以及決策樹技術等。②聚類方法。此方法將所有相似對象依次劃分至對應小組與集合，保證小組或集群具有較高的相似度，而且各組與各集群之間還要體現明顯差異。一般可采用k 均值聚類（k-means）算法和k-中心點算法等。③關聯規則分析。此方法也被稱為購物籃分析，對2 個或超過2 個變量所具有的相關性進行分析，還可了解變量之間的相關性強度，有Apriori 算法和TP-Tree 算法等。④時序模式。此方法的作用是對時間或者序列潛在規律進行分析，了解發展趨勢，根據已知值預測未知值。但需注意，樣本數據更多是根據時間發生改變。主要有平滑法和趨勢擬合法等。⑤離群點監測。此方法在軟件開發中，可以發現與數據集包含的其余數據對象的顯著區別，例如統計、鄰近度、密度、聚類等基礎上的離群點檢測。

應用數據挖掘技術構建數據挖掘模型，包括流程如下：①設定挖掘目標；②采集數據；③數據分析與預處理；④建模；⑤模型評估；⑥分析模型結果。

3 計算機應用軟件自動化開發及其案例分析

3.1 軟件開發基本情況

為了更加全面地了解計算機應用軟件自動化開發技術的應用效果，下面以數據管理軟件為例展開分析。此軟件主要是為了減少數據收集工作量、提高管理質效而設計?，F總結軟件設計需求如下：

（1）業務描述。軟件系統角色分為普通用戶與管理員，普通用戶主要是注冊登錄、儲存個人信息等，管理員包括登錄、用戶管理等。業務問題概述則需要從用戶和管理員兩個角度做出分析，前者包括注冊、登錄等業務，后者包括新增認知量表和用戶管理兩項業務。

（2）業務流程。具體包括流程有用戶注冊業務分析、用戶登錄業務分析、新增被試者基本資料業務分析、認知量表評估業務、認知數據管理業務。

3.2 軟件開發與設計

3.2.1 功能包圖

此次開發數據管理軟件，整體功能包圖見圖3。

圖3 軟件功能包圖

3.2.2 數據庫與軟件實現

此次開發數據管理軟件，數據庫包括數據庫表（被試者表、報告表答卷表、量表答卷表、量表、評定卷等）、表間關系分析。軟件開發環節需要應用多個工具，如Java 開發工具，具體選擇的是IntelliJ IDEA，該工具主要用于代碼編輯，功能是優化編程過程，提高軟件開發效率。數據儲存方面，選擇的是MySQL 關系型數據庫管理系統。整理軟件開發環境見表1。

表1 軟件開發環境

3.2.3 軟件測試

當軟件開發結束，技術人員需要組織測試。安排功能性測試時，要求采用設計測試用例。技術人員輸入錯誤密碼，觀察軟件當下的提示，或者是評估量表環節，技術人員填入信息儲存失敗，此時軟件會給出提示。當所有測試用例結束，選擇在云服務器上部署項目，同時完成軟件維護。

另外，面向軟件的使用對象即用戶組織測試，用戶表示軟件的使用感較好，可以使用量表在線測試、管理評估數據。實際上在軟件使用中，也會隨之采集用戶的反饋信息，定期更新系統。

3.3 建模與分析

3.3.1 自動化開發技術

此次數據管理軟件開發階段的建模，主要選擇kmeans 算法，迭代求解聚類分析，應用步驟如下：①確定k值；②在數據集內，以隨機的方式選取k個數據點，將此作為質心；③計算數據集內各點和質心間距，完成類別劃分；④若計算得出的新質心和原質心間距，已經超出任意設定閾值，需要迭代②～④步驟；⑤若新質心和原質心間距，對比任意設定閾值較小，即可判定為聚類結束，算法也可在此時終止；⑥輸出結果。

3.3.2 聚類分析

此次采用k-means 算法，即在數據集內部，對已經給出的k個簇聚類算法做出分析，按照業務需求與經驗，由技術人員人為設定或選擇方法，獲得k值。期間還需進行計算，得出最優k值。具體可以選擇的計算方法包括誤差平方和、輪廓系數法等。

此次軟件設計中應用誤差平方和，技術人員在確定了各個k值后，再計算各簇內部的點與此聚類中心點距離之間的誤差平方和。一般理論層面表示，計算得出的數值小，證明聚類結果好，且計算得出結果趨向于最小值。盡管增加簇數量能夠達到減小數值的效果，但是卻與聚類算法的應用初衷不符。輪廓系數法在應用中，技術人員確定i點，并對向量i和i所處簇內部其他點的間距進行計算，此為a（i）；再計算向量i至其他簇之間的點平均距離，此為b（i）。計算公式為：

式（1）中，S（i）為輪廓系數。根據公式（1），輪廓系數范圍是［－1，1］，全部點輪廓系數計算平均數，為此次計算聚類結果輪廓系數，最終系數與1 越接近，代表聚類效果越好，且最終能夠判定的是，此次開發數據管理軟件的功能、性能等良好，滿足使用需求。通過k-means 算法構建模型，并展開聚類分析，認識到軟件各項功能的優劣勢。以此為根據提出軟件功能優化的措施。

3.4 系統安裝

此次數據管理應用軟件的上述所有開發設計流程結束后，技術人員可以采用自動化技術，安裝軟件到計算機系統中，技術人員需要對安裝過程進行監督，以便安裝過程出現問題可以馬上處理。軟件在計算機系統中安裝，轉換格式也至關重要，檢查軟件符合計算機系統要求的類型，可以最大程度體現出應用軟件基本功能。一般計算機系統內部會安裝防火墻，那么在軟件安裝中，技術人員應提前設置，要求軟件可以自動取得在系統中的運行權限，保證軟件的正確安裝與應用。

4 結語

計算機應用軟件作為支持計算機系統運行的關鍵之一，憑借多元化應用軟件的功能，可以滿足用戶的操作需求。但是在計算機應用軟件的開發中，要想滿足逐漸多元化的使用與功能需求，技術人員需要應用自動化開發技術。通過本文對于自動化開發技術的介紹，一方面可以全面實現計算機應用軟件開發過程的自動化轉型，另一方面也能夠提高軟件開發的效率。立足于整體層面，自動化開發技術的應用為今后計算機應用軟件的研發、設計夯實了技術基礎，并且也能夠進一步實現軟件功能、性能等方面的不斷改進。