研究生软件工程考试试卷1Word下载.docx

研究生软件工程考试试卷1Word下载.docx

《研究生软件工程考试试卷1Word下载.docx》由会员分享，可在线阅读，更多相关《研究生软件工程考试试卷1Word下载.docx（12页珍藏版）》请在冰豆网上搜索。

分析对软件过程和产品质量的详细度量数据，对软件过程和产品都有定量的理解与控制。

管理有一个作出结论的客观依据，管理能够在定量的范围内预测性能。

优化级：

过程的量化反馈和先进的新思想、新技术促使过程持续不断改进。

2、三层体系结构包括：

用户层、业务层和数据层。

3、统一过程模型的特点是：

用例驱动、以架构为中心迭代增量式地开发软件。

4、Gamma将面向对象设计模式分为三类：

分别是创建型、结构型和行为型模式。

5、在UML描述整体和部分关系时，有（组合）和（聚合）两种方式，前者的部分不能被整体共享，而后者的整体却能被若干整体共享。

6、Python语言定义类的成员是在（构造/内建）函数中定义。

7、在敏捷软件开发中，Scrum是一种（迭代增量）式软件开发过程，就像橄榄球赛的争球过程：

快速、自组织和有适应性，其开发团队复责（开发团队负责在每个冲刺阶段结束，交付潜在可发布的"

已完成"

产品增量。

）。

8、SysML是对UML的一种扩展，用于系统工程建模，新增的图包括（需求图）和（参数图）两种。

二、简答题

1.Petri网和Petri网系统有何区别？

什么是有色Petri网？

Petri网是一种用于系统描述和分析的数学工具，Petri网是对离散并行系统的数学表示。

通常在Petri网的图形表示中,用圆圈表示库所,矩形表示变迁,黑点表示令牌（token）,库所和变迁之间是有向弧 

Petri网是一种用来研究具有异步、并发特征的离散事件系统的合适的工具，当用Petri网来模拟一个实际系统时，关心的问题之一就是要确定这个Petri网模型是否具有一些所期望的特生，如活性、有界性等，这些特性均是系统的重要动态行为。

有色Petri网是在经典的Petri网基础上发展起来的一种高级网系统，是一种适于描述异步并发系统的图形工具和数学工具。

它以简洁的图形方式和精确的语义定义表现系统状态，并用形式化分析方法分析系统未来的状态转换。

2.什么是集群？

Hadoop采用哪些实现集群？

简单的说，集群（cluster）就是一组计算机，它们作为一个整体向用户提供一组网络资源。

这些单个的计算机系统就是集群的节点（node）。

一个理想的集群是，用户从来不会意识到集群系统底层的节点，在他/她们看来，集群是一个系统，而非多个计算机系统。

并且集群系统的管理员可以随意增加和删改集群系统的节点。

在Hadoop部署中，有三种服务器角色，他们分别是客户端、Masters节点以及Slave节点。

Master节点，Masters节点又称主节点，主节点负责监控两个核心功能：

大数据存储（HDFS）以及数据并行计算（MapReduce）。

Slave节点则负责具体的工作以及数据存储。

所有的集群配置都会存在于客户端服务器，但是客户端服务器不属于Master以及Salve，客户端服务器仅仅负责提交计算任务给Hadoop集群，并当Hadoop集群完成任务后，客户端服务器来拿走计算结果。

3.简要描述SOA的特点，SOA有哪些好处？

版本一答案：

特点：

可从企业外部访问、随时可用、粗粒度的服务接口分级、松散耦合、可重用的服务、服务接口设计管理、标准化的服务接口、支持各种消息模式、精确定义的服务契约

好处:

第一、更易维护

　　业务服务提供者和业务服务使用者的松散耦合关系及对开放标准的采用确保了该特性的实现。

建立在以SOA基础上的信息系统，当需求发生变化的时候，不需要修改提供业务服务的接口，只需要调整业务服务流程或者修改操作即可，整个应用系统也更容易被维护。

　　第二、更高的可用性

　　该特点是在于服务提供者和服务使用者的松散耦合关系上得以发挥与体现。

使用者无须了解提供者的具休实现细节。

　　第三、更好的伸缩性

　　依靠业务服务设计、开发和部署等所采用的架构模型实现伸缩性。

使得服务提供者可以互相彼此独立地进行调整，以满足新的服务需求。

版本二答案：

1）以业务为中心

SOA更多关注于用户业务，通过业务人员参与SOA系统的规划、设计和管理，使得IT系统能在对业务的深刻理解的基础上进行构建，实现IT系统与用户业务的密切结合。

在具体实施中，通过把完成实际业务流程中的一项任务所需的IT资源组织为服务进行封装，从而达到以业务为核心，通过业务选择技术，避免技术制约业务的问题。

2）灵活适应变化

IT系统围绕用户业务构建，用户业务在实现层通过表现为一系列松散耦合的”服务“来实现，这些服务可以根据用户需求随需组合，使得IT系统对于业务的适应能力明显提高。

3）重用IT资源，提升开发效率

SOA强调对”服务“的重用，对原有IT资源的重用度提升是SOA带来的关键效果之一，大量具有高重用的服务资源，为快速构建新的业务功能和业务系统奠定基础，使得IT系统的开发和软件生产效率得到提升。

同时，重用过程有利于保护用户前期的信息化投资和IT资产积累，节省IT系统开发成本，实现用户信息化的可持续性建设与发展。

4）更强调标准

SOA的实现强调基于统一的标准，SOA系统建立在大量的开放标准和协议之上，以实现系统及信息的互联互通和互操作。

因此，SOA系统从规划到实施，标准都至关重要。

好处同答案一一样。

版本三答案：

1、可重用

一个服务创建后能用于多个应用和业务流程。

2、松耦合

服务请求者到服务提供者的绑定与服务之间应该是松耦合的。

因此，服务请求者不需要知道服务提供者实现的技术细节，例如程序语言、底层平台等等。

3、明确定义的接口

服务交互必须是明确定义的。

Web服务描述语言（WebServicesDescriptionLanguage，WSDL）是用于描述服务请求者所要求的绑定到服务提供者的细节。

WSDL不包括服务实现的任何技术细节。

服务请求者不知道也不关心服务究竟是由哪种程序设计语言编写的。

4、无状态的服务设计

服务应该是独立的、自包含的请求，在实现时它不需要获取从一个请求到另一个请求的信息或状态。

服务不应该依赖于其他服务的上下文和状态。

当产生依赖时，它们可以定义成通用业务流程、函数和数据模型。

5、基于开放标准

当前SOA的实现形式是Web服务，基于的是公开的W3C及其他公认标准．采用第一代Web服务定义的SOAP、WSDL和UDDI以及第二代Web服务定义的WS-*来实现SOA。

SOA的主要好处：

SOA有助于建立IT和业务线之间的无缝对接，通过产生更多的IT灵活性，以支持更大的业务灵活性。

您的业务流程变化越来越快以及全球剧烈竞争需要SOA能够提供高的灵活性。

SOA能够帮助您更好地重用现有的IT投资和服务。

SOA通过定义服务之间良好接口更易于集成。

SOA还提供了业务伙伴，客户和供应商的服务集成到一个企业的业务流程体系结构模型中。

这降低了成本，提高了客户满意度。

4.描述Spark集群计算中RDD的含义和作用。

Spark的核心概念是RDD（resilientdistributeddataset），指的是一个只读的，可分区的分布式数据集，这个数据集的全部或部分可以缓存在内存中，在多次计算间重用。

Spark解决迭代计算的主要实现思想就是RDD，把所有计算的数据保存在分布式的内存中。

迭代计算通常情况下都是对同一个数据集做反复的迭代计算，数据在内存中将大大提升IO操作。

这也是Spark涉及的核心：

内存计算。

Spark和RDD的关系可以理解为：

RDD是一种具有容错性基于内存的集群计算抽象方法，Spark则是这个抽象方法的实现。

5.简要描述瀑布模型的优缺点。

瀑布模型的优缺点

1、瀑布模型有以下优点：

1）为项目提供了按阶段划分的检查点。

2）当前一阶段完成后，您只需要去关注后续阶段。

3）可在迭代模型中应用瀑布模型。

瀑布模型有以下缺点：

1）在项目各个阶段之间极少有反馈。

2）只有在项目生命周期的后期才能看到结果。

3）通过过多的强制完成日期和里程碑来跟踪各个项目阶段。

6.简要描述如何采用Axis实现Web服务。

AXIS提供了两种发布方式，一种是即时发布，另外一种是定制发布。

1.即时发布JWS

即时发布提供了一种非常简单发布方式，发布者只要有Java源代码（也就是.java文件），然后把其后缀名改成jws拷贝到相应发布目录下即完成了所有的发布工作。

2.定制发布CustomDeployment-IntroducingWSDD

比起即时发布定制发布更加烦琐也更复杂，但是换来的却是更大的灵活性，因此在实际项目中定制发布还是不二的选择。

定制发布需要你自己编写一个WSDD文件进行发布。

7.简要说明什么是设计模式，设计模式有哪些类型。

设计模式（DesignPattern）是一套被反复使用、多数人知晓的、经过分类的、代码设计经验的总结。

设计模式主要分三个类型:

创建型、结构型和行为型。

8.简要描述大数据的特点，大数据对软件工程有何影响？

大数据的三大特点：

　　首先，“海量数据”最大限度解决了人类主观世界与客观世界之间的信息不对称性难题。

其次，“相关分析”突破了传统简单的因果分析方法，并利用数据一致性法多方验证。

最后，“瞬间互动”节约了巨大的社会创新的试错成本。

大数据是随着互联网的普及应运而生的，大数据和云是分不开的，数据存储，数据的分类，数据挖掘，数据的分析，如何把一堆在硬盘，内存，服务器中存储的数据通过分析，处理，转换成能够为我们带来实际利益的东西，或者说实际能有用处的东西，就是大数据的解决问题。

其实云现在在中过是个双刃剑（不说了，硬伤。

。

无耐），大数据也因此受到了限制，不过云时代和大数据的到来是早晚的问题，而且近两年是有相当的趋势的，那么大数据对软件工程的影像无非就是方展方向上面和数据的安全问题，怎样防止数据的丢失被盗，IT技术又是如何对大数据进行存储和解析处理，都是当前软件工程的热门和必然的趋势，做好数据分析，数据挖掘，以后真的是不用发愁钱的问题

大数据主要特点：

1.准确（Veracity）这是一个在讨论大数据时时常被忽略的一个属性，部分原因是这个属性相对来说比较新，尽管它与其他的属性同样重要。

这是一个与数据是否可靠相关的属性，也就是那些在数据科学流程中会被用于决策的数据（而这不同于与传统的数据分析流程），精确性与信噪比（signal-to-noiseratio）有关。

2.高速（Velocity）大数据是在运动着的，通常处于很高的传输速度之下。

它经常被认为是数据流，而数据流通常是很难被归档的。

这就是为什么只能收集到数据其中的某些部分。

3.体量（Volume）大数据由大量数据组成，从几个TB到几个ZB。

这些数据可能会分布在许多地方，通常是在一些连入因特网的计算网络中。

一般来说，凡是满足大数据的几个V的条件的数据都会因为太大而无法被单独的计算机处理。

单单这一个问题就需要一种不同的数据处理思路，这也使得并行计算技术（例如MapRe