当前位置:网站首页>業務架構圖
業務架構圖
2022-07-02 07:56:00 【任亞兵】
業務架構圖:關於業務架構圖的內容講解:
1.首先就是架構圖要要有數據支持,從底到上做支持。顏色也是變為漸變色內容。
2.業務架構圖要分清情况,是針對現在狀况的業務架構圖,還是未來規劃的業務架構圖,要落實內容,不能混淆。
3.業務架構圖的第三方服務應用要明確:是釘釘、學習通還是第三方軟件,我們都要明確
給大家講解一下業務圖的規範:
宏觀出發
1、整體結構
2、色彩搭配
①架構圖讓讀者看到的第一眼,應該給讀者留個好印象,從色彩搭配上來看,顏色不超過5個,顏色搭配要有所區分,不同層級、不同類型要顏色不同,但是也不能太跳脫,整體上顏色風格要一致,圖的美觀設計最起碼要符合大眾審美。
②第二眼看的應該是整體結構,整張圖一共分為幾個層次模塊,架構圖是不是能清晰的錶達模塊與模塊之間的關系?縱向:分層——上層依賴於下層越底層,越是基礎服務;橫向:並列關系,級別相同。
③線框的使用,虛線框與實線框的意義是不同的,使用虛線框還是實線框更能准確清晰的錶達想要錶達的意思。多個模塊,邏輯上可以歸為一塊時可以使用虛線框。
④對稱:要講究對稱美,盡可能地功能結構分配均勻;
注意:架構圖讓讀者看到的第一眼,應該給讀者留個好印象,從色彩搭配上來看,顏色不超過5個,搭配也不能太跳脫,圖的美觀設計最起碼要符合大眾審美。第二眼看的應該是整體結構,整張圖一共分為幾個層次模塊,架構圖是不是能清晰的錶達模塊與模塊之間的關系?包括線框的使用,虛線框與實線框的意義是不同的,使用虛線框還是實線框更能准確清晰的錶達想要錶達的意思。
局部細節
1、用詞錶達
要用詞准確,可以讓開發人員或者用戶理解描述的意思
命名上要統一,英文名體現專業性,命名要盡可能使用短名稱且一致;
2、業務是否全面
3、模塊劃分粒度
細節要進行抽象,抽象出模塊,模塊的粒度要合適,不可太具體,也不可太寬泛
4、模塊擺放以及層級關系
同一個級別的模塊要統一級別,粒度大小要統一;
縱向:分層——上層依賴於下層越底層,越是基礎服務;橫向:並列關系,級別相同。
5、圖形間距離適中,避免間距過大、過小,影響美觀。
大小、格式:要注意大小一致,格式統一;
边栏推荐
- TimeCLR: A self-supervised contrastive learning framework for univariate time series representation
- 【DIoU】《Distance-IoU Loss:Faster and Better Learning for Bounding Box Regression》
- 【Mixup】《Mixup:Beyond Empirical Risk Minimization》
- Faster-ILOD、maskrcnn_ Benchmark installation process and problems encountered
- 浅谈深度学习模型中的后门
- [multimodal] clip model
- Hystrix dashboard cannot find hystrix Stream solution
- 【Random Erasing】《Random Erasing Data Augmentation》
- Machine learning theory learning: perceptron
- 【Batch】learning notes
猜你喜欢

【Paper Reading】

【Wing Loss】《Wing Loss for Robust Facial Landmark Localisation with Convolutional Neural Networks》

Feature Engineering: summary of common feature transformation methods

利用超球嵌入来增强对抗训练

Where do you find the materials for those articles that have read 10000?

半监督之mixmatch

浅谈深度学习中的对抗样本及其生成方法

I'll show you why you don't need to log in every time you use Taobao, jd.com, etc?

【Hide-and-Seek】《Hide-and-Seek: A Data Augmentation Technique for Weakly-Supervised Localization xxx》

What if the laptop can't search the wireless network signal
随机推荐
【Hide-and-Seek】《Hide-and-Seek: A Data Augmentation Technique for Weakly-Supervised Localization xxx》
[binocular vision] binocular stereo matching
Yolov3 trains its own data set (mmdetection)
【BiSeNet】《BiSeNet:Bilateral Segmentation Network for Real-time Semantic Segmentation》
Open3D学习笔记一【初窥门径,文件读取】
【TCDCN】《Facial landmark detection by deep multi-task learning》
【学习笔记】反向误差传播之数值微分
Faster-ILOD、maskrcnn_ Benchmark installation process and problems encountered
CPU的寄存器
TimeCLR: A self-supervised contrastive learning framework for univariate time series representation
服务器的内网可以访问,外网却不能访问的问题
浅谈深度学习模型中的后门
Win10+vs2017+denseflow compilation
利用超球嵌入来增强对抗训练
How do vision transformer work? [interpretation of the paper]
【Mixed Pooling】《Mixed Pooling for Convolutional Neural Networks》
【DIoU】《Distance-IoU Loss:Faster and Better Learning for Bounding Box Regression》
【BiSeNet】《BiSeNet:Bilateral Segmentation Network for Real-time Semantic Segmentation》
jetson nano安装tensorflow踩坑记录(scipy1.4.1)
Meta Learning 简述