Energy Efficiency in Microservice Architectures: A Systematic Literature Review
University of Groningen(格罗宁根大学)
本研究通过系统文献综述分析40项相关研究,发现微服务能效多聚焦运行时优化,设计时集成不足,测量依赖基础设施导向的方法,需加强架构层面的早期集成。
2026-08-06 cs.SE
Quality Assurance Challenges for Machine Learning Software Applications During Software Development Life Cycle Phases
University of Calgary(卡尔加里大学)
在过去的几十年里,机器学习(ML)的革命性进展表明,ML模型已被快速采用到各种类型的软件系统中。这种机器学习软件应用程序(MLSA)在我们的日常生活中越来越重要。因此,MLSA的质量保证(QA)至关重要。一些研究工作致力于确定我们在将ML模型引入软件系统时可能面临的具体挑战。然而,我们知道没有研究提供了这些ML质量保证挑战在软件开发生存周期(SDLC)的各个阶段的分布的整体视图。本文对大量专注于ML模型质量保证的研究论文进行了深入的文献综述。我们通过映射SDLC不同阶段的各种ML采用挑战,开发了MLSA质量保证问题的分类。我们提供建议和研究机会,以改进基于分类法的SDLC实践。这种映射可以帮助优先考虑MLSA的质量保证工作,其中ML模型的采用可以被认为是至关重要的。
2021-07-08 cs.AI cs.SE
Towards the implementation of Industry 4.0: A methodology-based approach oriented to the customer life cycle
University of the Basque Country UPV/EHU(巴斯克大学UPV/EHU)
针对中小型制造企业工业4.0落地难、客户生命周期领域参考方案缺失的问题,提出一套含语义描述与3D可视化的工业4.0软件服务开发方法论,并在真实制造场景验证其在客户生命周期两个阶段的应用价值。
2024-01-31 cs.AI cs.SE
Generative AI Toolkit -- a framework for increasing the quality of LLM-based applications over their whole life cycle
BMW Group(宝马集团);Amazon Web Services(亚马逊网络服务)
本文提出开源的 Generative AI Toolkit 框架,通过自动化配置、测试、监控和优化等关键工作流,解决基于 LLM 的应用在 DevOps 全生命周期中手动且缓慢的问题,显著提升质量并缩短发布周期。
2024-12-18 cs.AI cs.SE
Analysis of the Veracities of Industry Used Software Development Life Cycle Methodologies
目前,软件行业正在使用不同的SDLC(软件开发生存周期)模型,这些模型是为特定目的而设计的。技术的使用正在生活的各个方面蓬勃发展,技术背后的软件发挥着巨大的作用。随着技术复杂性的增加,软件的成功开发完全取决于对开发过程的适当管理。因此,在行业中引入改进的方法是不可避免的,以便现代以人为中心的软件应用程序开发可以成功地管理和交付给用户。因此,在本文中,我们探讨了不同的SDLC模型的事实,并进行比较分析。
2018-07-15 cs.SE
Modeling Software Development Methodologies: A Logic Based Approach
在过去的二十年里,软件开发行业的增长趋势使软件工程的不同方面对计算机科学研究社区更加有趣。软件开发生命周期是影响软件开发项目成败的重要因素之一。由于每种软件开发方法都相对地提供了自己的软件开发生命周期,因此将软件开发生命周期编码在工作流表示语言中可以帮助开发人员正确地管理他们的软件项目。此外,这种编码也可以在CASE工具中使用。在这份报告中,我们认为软件开发生命周期作为一个工作流程,可以表示为语义Web和基于规则的语言。这样的考虑让我们分析生命周期的属性。具体来说,我们采取了著名的面向代理的软件开发方法,并表明其相应的生命周期可以指定的事务逻辑容易和简洁。最后,事务逻辑中紧凑而清晰的生命周期表示可以在CASE工具中使用,以指导软件开发人员。
2016-08-03 cs.SE
An Artificial Intelligence Life Cycle: From Conception to Production
凭借我们在学术研究,技术开发,行业参与,研究生教学,博士生导师和组织咨询方面十多年的人工智能经验,我们提出了“CDAC AI生存周期”,这是一个全面的生存周期,用于设计,开发和部署人工智能(AI)系统和解决方案。它包括三个阶段,设计,开发和部署,以及从任何AI计划的概念到生产的三个阶段的17个组成阶段。“设计”阶段强调了通过审查关于最先进的人工智能应用程序、算法、预先训练的模型以及同样重要的道德准则和框架的公共领域和基于服务的文献来将问题描述置于情境中的重要性,然后为数据或大数据的获取和准备提供信息。“开发”阶段是以技术为导向的,因为它将数据和算法转换为经过基准测试、评估和解释的AI模型。“部署”阶段评估计算性能,然后评估模型操作的管道,最终实现流程或系统的超自动化,作为一个完整的人工智能解决方案,持续监控和评估,为生存周期的下一次迭代提供信息。AI算法到应用程序的本体映射,以及AI生存周期的组织背景是本文的进一步贡献。
2021-08-30 cs.SE
Project Life Cycles in Open-Source Software
Amazon(亚马逊)
本文通过项目生命周期模型分析开源项目开发者参与动态,结合内生增长理论和微分方程,预测开发者参与和项目增长,为评估开源项目生命周期价值提供方法。
2026-05-12 cs.SE cs.SI
Process Description of COM Object Life Cycle
本文的目的是为读者提供COM对象生命周期过程中涉及的所有步骤的基本描述。COM是一种软件技术和过程执行者。第一节简要介绍了组件对象模型(COM),认为COM对象生存周期的过程是所有COM问题的基线。第二部分详细描述了该过程的基本步骤-客户端请求、服务器定位、对象创建、交互和断开连接。简要描述了每个步骤中涉及的组件。最后,第三部分提供了一个简短的结论,总结了所有的过程步骤。
2009-12-20 cs.OS cs.SE
Towards Object Life Cycle-Based Variant Generation of Business Process Models
过程模型的可变性管理是过程感知信息系统面临的主要挑战。过程模型变体可以归因于以下任何原因:新技术、政府规则、组织环境或新标准的采用。当前管理流程模型变体的方法解决了诸如减少从头开始建模的巨大工作量、防止冗余以及控制流程模型中的不一致性等问题。尽管管理过程模型变体的努力已经付诸实施,但仍然存在局限性。此外,现有的方法不关注来自过程模型的组织视角的变化的变体。企业驱动的变体管理是一个重要的领域,仍然需要更多的研究,我们在本文中集中。对象生存周期是一个重要的方面,它可能会从一个组织到另一个组织发生变化。本文介绍了一种方法的灵感来自现实生活中的场景,以产生一致的过程模型的变化,来自适应OLC。
2017-08-20 cs.SE
SatAIOps: Revamping the Full Life-Cycle Satellite Network Operations
本文针对非对地静止轨道卫星网络运营面临的新挑战,提出了名为SatAIOps的全生命周期整体解决方案,利用可信AI技术重塑卫星网络运营框架。
2023-05-17 cs.SE
The Role of Resource Awareness in Medical Information System Life Cycle
在医学信息系统开发过程中,资源意识被忽视。通常假设底层硬件将始终具有足够的内存、处理能力和网络带宽。不幸的是,这种方法似乎并不是在每种情况下都可行,而且这些假设如果被证明是错误的,将损害最初的开发运行、以后的系统升级和一般的生存周期。本文旨在提出一个资源意识问题,仍然可能影响所有的信息系统部署和维护步骤。作为一个例子,我们描述了一般硬件和网络限制对信息系统设计、功能更新过程和外部系统集成的影响。我们的研究成果是一套准则,应适用于支持资源意识,作为系统设计的重要组成部分。
2022-05-16 cs.SE
Blockchain-Based Trust and Transparency in Airline Reservation Systems using Microservices Architecture
本文研究基于微服务架构的航空预订系统中应用区块链技术以提升信任、透明度和效率,通过智能合约与去中心化机制使预订差异减少30%、周期时间缩短40%,系统可靠性超98%。
2024-10-18 cs.CE cs.SE
New Failure Rate Model for Iterative Software Development Life Cycle Process
软件可靠性模型是估计软件可靠性、失效率和剩余故障数的最常用的数学工具之一。现有的软件可靠性模型是按照瀑布式软件开发生存周期过程设计的。这些现有的模型没有利用迭代软件开发过程。本文提出了一种新的以迭代软件开发生存周期过程为中心的失效率模型。它的目的是整合一个新的调制因子,将不同的需求,在每个阶段的迭代软件开发过程。它包括不完善的调试与故障的可能性引入和删除的多个故障在一个时间间隔的迭代开发的软件进行。该模型已在Eclipse软件故障数据集的12次迭代和Java开发工具包(JDT)软件故障数据集的9次迭代上进行了验证。采用粒子群算法和引力搜索算法相结合的方法对模型进行参数估计。实验结果表明,在Eclipse数据集和JDT数据集上,该模型的拟合优度分别为83.33%和77.77%,优于Jelinski Moranda,Shick Wolverton,Goel Okummotto Imperfect debugging,GS Mahapatra和Modified Shick Wolverton.
2019-10-02 cs.SE
Factors Influencing Quality of Mobile Apps:Role of Mobile App Development Life Cycle
在本文中,移动应用程序领域一直受到天文数字的关注,从过去几年中,由于移动应用程序下载的数量不断增加,以及由于产生的收入。随着应用程序数量的激增,一些可悲的应用程序/失败的应用程序也在增长。本文中包含了有趣的移动应用程序统计数据,可能有助于开发人员了解移动应用程序失败的主要因素包括开发者的疏忽、技术问题、营销力度不足以及用户/消费者的高期望值等,本文综合了这些因素,提出了避免应用程序失败的建议。根据各种调查,可悲的/失败的应用程序的数量正在大幅增长,主要是因为移动应用程序开发人员没有采用标准的应用程序开发生存周期。在本文中,我们已经开发了一个移动应用程序的援助,传统的软件开发生存周期阶段(需求,设计,开发,测试,维护),我们已经使用UML,M-UML,和移动应用程序开发技术。
2014-10-16 cs.SE
AlertGuardian: Intelligent Alert Life-Cycle Management for Large-scale Cloud Systems
Sun Yat-sen University(中山大学);Tencent(腾讯)
AlertGuardian通过结合LLMs和图模型,优化大规模云系统的警报生命周期管理,显著减少警报疲劳并提升故障诊断效率。
2026-01-21 cs.DC cs.SE
Spiral Model Technique For Data Science & Machine Learning Lifecycle
本文提出螺旋模型技术,将数据科学和机器学习生命周期应用于有明确目标的商业问题,强调灵活性、敏捷性和迭代性。
2025-10-08 cs.IR cs.LG cs.SE
Towards Enabling An Artificial Self-Construction Software Life-cycle via Autopoietic Architectures
William & Mary(威廉与玛丽学院);Microsoft(微软)
本文探讨了通过自组织架构(Psi-Arch)实现软件自构造的可能性,分析了传统维护方法的局限性,并提出了自构造的核心挑战,旨在推动软件工程新范式的发展。
2026-04-15 cs.SE
State of the Software Development Life-Cycle for the Internet-of-Things
考虑到软件的成功率,它与危机状态有着长期的联系。互联网连接设备的爆炸式增长,物联网,增加了软件系统的复杂性。这些系统的特点,如大规模和异质性,提出了越来越多的新的挑战。在本文中,我们首先简要介绍了物联网范式和软件开发的现状。然后,我们深入研究了为物联网系统和系统的系统开发软件的特殊性,概述了当前用于设计,开发和测试此类系统的方法和工具。对研究结果进行了讨论,揭示了开放问题和研究方向,并揭示了当今物联网软件开发实践仍然落后于当前的最佳实践。
2018-11-09 cs.SE
A Blockchain-Based Framework for Distributed Agile Software Testing Life Cycle
针对分布式敏捷测试中的信任、追溯、安全及单元测试缺失问题,提出基于私有 Ethereum 与智能合约的 TestingPlus 框架,以支持透明验收测试和公平支付验证。
2023-07-14 cs.SE
Ontology Based Feature Driven Development Life Cycle
即将到来的语义Web技术支持为软件工程社区提供了新的方向。语义网也有它的根在知识工程,激发软件工程师寻找本体应用程序的应用程序在整个软件工程生存周期。语义网的内部组件是轻量级的,并且可能比外部可见模块的质量标准更低。事实上,内部组件是从外部(本体)组件生成的。这就是敏捷开发方法(如功能驱动开发)适合应用程序内部组件开发的原因。到目前为止,还没有一个特定的程序来描述本体在过程中的作用。因此,我们提出了一个基于本体的语义Web应用程序的特征驱动开发,可用于从应用程序模型开发到特征设计和实现。特征在基于OWL的领域模型中被精确定义。在转换规则中直接定义了从基于OWL的领域模型到特征列表的转换。另一方面,基于本体的整体模型可以很容易地通过自动化工具进行验证。讨论了基于本体的特征驱动开发的优点。
2013-07-16 cs.SE
Game Development Software Engineering Process Life Cycle: A Systematic Review
软件游戏是一种不仅用于娱乐,而且用于严肃目的的应用程序,可以应用于教育,商业和医疗保健等不同领域。虽然游戏开发过程不同于传统的软件开发过程,因为它涉及跨学科的活动。软件工程技术对于游戏开发仍然很重要,因为它们可以帮助开发人员实现可维护性、灵活性、更低的工作量和成本以及更好的设计。本研究的目的是评估游戏开发软件工程过程的最新研究状况,并强调研究人员需要进一步考虑的领域。在研究中,我们使用了一个系统的文献综述方法的基础上著名的数字图书馆。在游戏开发软件工程过程生存周期的生产阶段报告的研究数量最多,其次是预生产阶段。相比之下,后期制作阶段的研究活动比前期制作和制作阶段少得多。本研究的结果表明,游戏开发软件工程过程有许多方面需要研究人员进一步关注;特别是包括后期制作阶段。
2017-11-22 cs.SE
Best Practices for Facing the Security Challenges of Internet of Things Devices Focusing on Software Development Life Cycle
本研究针对物联网设备日益增长的安全威胁,提出了聚焦于安全软件开发生命周期的最佳实践指南,旨在提高威胁意识并为保护物联网软件及处理漏洞提供坚实基础。
2024-02-12 cs.SE
Early Life Cycle Software Defect Prediction. Why? How?
North Carolina State University(北卡罗来纳州立大学)
许多研究人员认为,对于软件分析来说,“数据越多越好。“我们写这篇文章是为了表明,至少对于学习缺陷预测器来说,这可能不是真的。为了证明这一点,我们分析了数百个流行的GitHub项目。这些项目运行了84个月,包含3,728次提交(中位数)。在这些项目中,大多数缺陷都发生在它们的生存周期的早期。因此,从前150次提交和四个月中学习的缺陷预测器与其他任何东西一样好。这意味着,至少对于这里研究的项目,在最初的几个月之后,我们不需要不断更新我们的缺陷预测模型。我们希望这些结果能激励其他研究人员在工作中采用“简单第一”的方法。有些领域需要复杂且数据量大的分析。但在假设复杂性之前,谨慎的做法是检查原始数据,寻找可以简化分析的“捷径”。
2021-02-09 cs.LG cs.SE
An Overview and Case Study of the Clinical AI Model Development Life Cycle for Healthcare Systems
Massachusetts General Hospital(麻省总医院);Harvard Medical School(哈佛医学院)
医疗保健是机器学习模型最有希望产生积极影响的领域之一。然而,在医疗保健中成功采用基于人工智能的系统取决于吸引和教育来自不同背景的利益相关者了解人工智能模型的开发过程。我们对临床AI模型的开发生存周期进行了广泛的概述,这些模型足够通用,可以适应大多数机器学习项目,然后对基于深度学习的系统的开发过程进行了深入的案例研究,以检测计算机断层扫描(CT)检查中的主动脉瘤。我们希望其他医疗机构和临床医生能够发现我们分享的关于开发过程的见解,有助于他们自己的模型开发工作,并增加在医疗保健中成功部署和集成人工智能的可能性。
2020-03-26 cs.CY cs.LG cs.SE
Blockchain Enabled Smart Contract Based Applications: Deficiencies with the Software Development Life Cycle Models
随着区块链和其他分布式账本技术(DLT)的流行,区块链智能合约应用吸引了越来越多的研究焦点。然而,存储智能合约的块的不变性导致与软件工程师通常遵循的传统软件开发生存周期(SDLC)模型发生冲突。这清楚地表明了SDLC在设计基于区块链的智能合约应用程序时的不适用性。这篇研究文章首先探讨了六种传统的SDLC模型,明确指出了表中与智能合约应用的冲突,并主张迫切需要开发新的标准模型来解决所出现的问题。引入了块不变性和收缩的概念。这是在历史背景下进一步设定的,从传统智能合约和区块链智能合约扩展到“浅层智能合约”和“深层智能合约”之间的差异。总之,传统的SDLC模型不适合基于区块链的智能合约应用程序。
2020-01-21 cs.CY cs.NI cs.SE