数据挖掘，即Data mining，是在海量数据信息中提取有效信息，满足人们实际需要的一种技术手段，该技术手段随着社会经济的发展以及科学技术的应用，得到了较大的发展和进步。软件工程数据挖掘，即Data minging for software engineering侧重于软件信息挖掘领域，是对软件信息进行资源共享的一种技术手段，该手段的关键领域在于对软件技术的研究和应用。软件开发信息库的数据挖掘，注重于数据挖掘、人工智能、模式识别等领域的研究，这三大领域又是软件实现智能化、高科技化的关键。软件开发信息库的数据挖掘，近几年来，以ICSE(International Conference on software engineering)会议提出的相关数据挖掘信息为研究对象，分析了软件数据信息库在软件开发过程中的重要作用。文章在对软件开发信息库的数据挖掘技术分析过程中，探讨了数据挖掘技术在软件工程领域的重要作用，以及数据挖掘与软件开发之间的密切联系，注重对软件开发特色的分析以及数据挖掘作用的阐述，突出了数据挖掘在软件开发算法选择过程中的重要作用。
1 软件开发信息库数据挖掘的基本概念与面临的挑战
1.1 软件开发信息库
软件开发信息库主要是指软件开发过程中的相关数据总和，体现出了“数据化”这一特征。关于软件开发信息库的具体内容，我们可以从以下几点看出：
(1)项目开发过程中的“项目数据”，包括了项目开发的过程、细化的任务以及相关资源信息等。“项目数据”是软件开发的关键环节和基础环节，是后续开发的起点。“项目数据”的有效记载和日后的有效分析，将直接影响到软件开发的最终性能。
(2)源代码数据。源代码数据是软件程序执行的关键，主要包括了“项目”开发的源代码以及软件版本升级和修改过程中的代码。
(3)项目开发的相关文档信息。软件项目开发过程中，需要的文档信息主要包括了需求文档、测试文档、设计文档等，这些文档能够为软件开发提供相应的数据支撑，确保软件开发的目标得以实现。
(4)项目开发的历史信息。这一部分包括了E-mail存档、论坛交流的历史记录等。
(5)软件存在缺陷的信息。软件缺陷信息是软件开发信息库中的一个重要组成部分，同时，这一部分也是完善软件相关信息，提升软件整体性能的关键。软件缺陷跟踪信息，在后续的软件修改和维护过程中，具有指导性意义。
软件开发信息库是软件开发的重要组成部分，其对数据信息进行有效存储。一般来说，软件开发信息库在数据存储过程中，会根据信息的不同分类，有针对性地进行信息存储。
(1)软件配置管理系统。该系统是软件开发中的一个重要组成部分，英文表示为“sofware configuration management system”，即“SCMS”，也就是版本控制系统。SCMS关系到了软件开发过程中的源代码数据信息控制，可以保证项目开发的相关文档能够进行有效存储，并对相关历史信息进行有效存档。应用于软件配置管理系统的软件系统主要有：CVS、SVN等。
(2)Defect tracking system，即“缺陷跟踪系统”，该系统是软件进行修改的主要依据，其在软件开发过程中，最主要的功能就是软件缺陷报告。目前来看，在进行软件开发过程中，利用缺陷跟踪系统，可以对软件开发过程中存在的问题进行有效分析，并采取有针对性的措施进行解决，保证软件开发的可靠性和质量性。在应用中，以“Bugzilla”系统为主。
(3)Project management system，即“项目管理系统”，该系统在软件开发过程中，具有着重要地位，并且在实际应用过程中，发挥着重要作用。项目管理系统主要保证了软件开发的项目计划、资源分配、程序执行，能够按照相关要求进行，更好地提升软件开发的效率。在实际应用过程中，例如微软的Project软件，就是利用了项目管理系统实现了对软件计划、资源分配的有效安排，提升了软件开发的效率，并降低了软件开发的成本。
1.2 数据挖掘
数据挖掘，即是利用数据库内的相关信息，更好地满足人们的实际需要。数据挖掘，又称数据库中的知识发现，是从一个巨大的数据信息库中，对一些关键性知识的发掘，从而更好地解决实现问题。关于数据挖掘的内容，我们可以从图1看出。
图1 数据挖掘过程
如图1所示，我们可以看出，数据挖掘的步骤主要包括了以下几个步骤：
(1)数据抽取。数据挖掘中的数据抽取，主要是以人们的实际需要为主，即在大的数据信息库中提取有效信息，这些信息可以为人们的实践活动提供有效指导，保证人们能够对相关问题进行有效解决。数据提取过程中，需要对数据信息内容以及来源进行把握，同时也需要对数据类型和相关结构进行有效分析，这样一来，才能够保证数据信息得到更好地应用;
(2)数据预处理。数据预处理主要是根据提取的相关数据信息，根据实际需要，对数据进行有效处理，将一些不必要的信息进行有效剔除，使留下的信息能够更好地指导实践活动;
(3)知识发现。知识发现是数据挖掘的一个关键环节，同时，这一步骤也是数据信息得到有效应用的关键。知识发现主要是发现知识数据中，一些潜在的、未知的、有用的信息，将这些信息能够提炼出来，更好地在实践中进行运用;
(4)知识表示。知识表示是数据挖掘技术的最后阶段，也就是理论应用于实践中的一个表现。随着大数据挖掘技术的发展和进步，知识表现的形式呈现一种多样化的发展特征，通过关键规则，可以对知识进行开拓性的处理，使知识得到更好地应用。
综上所述，我们不难看出，数据挖掘技术在软件开发信息库中的应用，主要分为四个步骤，即数据抽取、数据预处理、知识发现以及知识表示。数据挖掘技术与软件开发信息库有着密切的关联性，软件开发信息库实现了信息资源的共享，是数据挖掘的基础和前提，同样地，数据挖掘也在很大程度上促进了软件开发的发展和进步，二者之间，存在着一种相辅相成的关系。
1.3 软件工程数据挖掘面临的挑战
软件工程数据挖掘面临的挑战，是影响软件开发的主要因素，在实际发展过程中，如何有效应对这一挑战，更好地促进软件开发技术的发展和进步，成为当下软件开发面临的一个重要议题。
(1)数据信息复杂化。随着科学技术的发展，人们对高性能软件有着更加迫切的需求，这样一来，数据信息复杂化特征，成为当下软件开发和数据挖掘面临的一个主要问题。数据信息复杂化，主要包括了代码、注释、文档的复杂化，三者之间在应用过程中，对算法选择上，有着较大的差别，并且对算法的要求，表现出一种“苛刻”的特点。
(2)分析形式的变化。随着电子商务时代的到来，软件开发过程中，面临着更大的挑战，对相关数据的分析，也变得更加复杂和困难。数据挖掘的最终步骤是将知识提交给用户，而在数据信息提交完成后，如何对图表、文字信息进行分析，如何对其作出有效评价，将成为一个较大的难题。
(3)数据挖掘的效果评价。数据挖掘技术在应用过程中，形成了一定的结果表示和评价体系，但是面临着新的发展形势，传统的效果评价呈现出一种滞后性，无法在当下得到有效应用。这样一来，效果评价成为当下探究的热门议题。
2 软件开发信息库的数据挖掘综述
2.1 软件开发信息库的数据获取
软件开发信息库的数据获取，是数据挖掘的前提和基础，一般来说，软件开发信息库的数据来源，主要包括了以下几点：
(1)软件开发商自身建立了软件开发信息库。软件开发商在进行软件开发过程中，势必会对自身对软件信息的研究进行有效地总结，并将这些信息进行存储，为日后的发展提供有效依据;
(2)软件开发机构对软件信息的存储。一些权威机构为了更好地促进软件开发技术的发展，会将一些研究成果进行信息存储，并且对相关技术进行信息共享，更好地促进软件开发技术的发展和进步;
(3)自由软件的软件开发数据。自由软件的软件开发数据是最容易获得的软件开发信息，是研究项目的主要数据来源之一。关于自由软件的软件开发数据，最具代表性的则是Source Forge提供的软件开发数据，包括了源代码、缺陷数据以及相关交流信息等。
软件开发信息库获取了相关数据信息后，会根据软件开发的实际需要，对一些重要的软件信息进行有效提取，这一提取过程，是软件开发数据库形成的关键环节。一般来说，在进行数据库信息抽取时，主要包括了源代码、项目数据信息、缺陷数据信息的提取。关于软件开发信息库问题的处理，CVS系统在应用过程中，具有代表性意义。CVS管理系统在应用过程中，注重对相关信息的结构转化，将相关信息进行有效提取，并能够对其进行有效保存，更好地满足实际需要。
2.2 软件开发信息库数据的预处理
面向软件开发信息的数据挖掘技术应用，对数据库内的信息进行预处理是一个关键环节，在上文中，我们对这一问题也进行了相关阐述。接下来，我们将对这一问题进行具体的研究和分析。一般来说，软件开发信息库数据的预处理，主要包括了以下内容：
(1)对配置系统进行有效管理。配置系统的数据信息处理，主要是对一些无效信息进行去除，并将重要信息和所需要的信息进行提取，并对其进行有效性分析，将提取的信息进行存储，以便更好地进行应用;
(2)对缺陷数据进行处理。缺陷数据的处理，注重对缺失属性值的分析，包括了类别、状态、级别等相关缺陷的有效分析。缺陷数据的处理，还包括了对一些缺失信息的处理，对数据的属性值进行有效地补充;
(3)项目过程数据中存在一定的噪声数据的处理。项目过程数据中的噪声污染，将会对软件的整体性能产生主要的影响，“除噪”步骤必不可少。噪声去除过程中，主要是为了更好地保证软件开发的可靠性和稳定性，可采取分箱、聚类以及回归分析的方式对这一问题进行解决。
2.3 软件的演进分析
软件演进分析是软件开发信息数据挖掘的一个重要环节，在实际应用过程中，要对软件的代码演进进行有效分析。关于软件代码演进分析，较为常用的方法则是对程序语义进行有效分析，并且对软件的具体结构进行考虑，包括了方法、类型定义以及相关变量等内容。关于软件的演进分析，较为代表性的有D.Jackson和D.A.Ladd采用的语义分析方法，可以对内容变量和外部变量的变化进行有效分析，并能够对相关信息进行正确识别。除此之外，M.W Godfrey等人则针对于开源软件的演进过程中进行了分析，验证了软件演进法则。文章对软件的演进分析，则基于软件静态程序进行了相关分析。
在分析过程中，由于软件开发过程中的架构演进较难控制，我们需要在开发过程中，对软件源代码进行有效设计，并对源代码的修改进行慎重考虑，对其架构演进情况进行合理把握。在分析时，可采用Zinmer mann提出的“关联规则”方法，对演进过程中的模块关系进行合理、有效把握。
2.4 软件缺陷分析和动态建模方法
面向软件开发信息库的数据挖掘技术中，软件缺陷分析和动态建模方法，是数据挖掘必须注意的一个重要议题。
2.4.1 软件缺陷分析
软件缺陷分析主要是根据实际情况，对不同属性的软件缺陷情况进行研究和分析，包括了决策树、回归分析以及神经网络等三种方法。其中，Patrick Knab等人，则应用了决策树方法对软件缺陷问题进行了分析。Patrick Knab等人分析的方面在于源代码缺陷密度问题，对代码行数、源代码密度选择问题展开了研究，为源代码的选用，提供了有效依据。而针对于软件缺陷数据和缺陷位置的研究，则主要以二项回归模型方法为主，能够对软件缺陷数据进行有效分析和统计。
2.4.2 动态建模方法
软件开发信息库的数据挖掘技术中，动态建模方法应用，能够更好地对软件开发过程中的事件动态关系进行有效把握。关于这一问题的研究，具有代表性的是Jonathan.E.Cook和A lexander L.Wolf在上个世纪末提出的语义推论方法，并应用神经网络算法建立动态模型，更好地实现了对软件事件的动态监控。同时，该方法在应用过程中，能够利用动态建模方法，为用户提供一个有效的软件开发过程中，并且这一过程的提出，主要基于历史事件的关联分析基础上。
3 结束语
综上所述，我们可以看出，软件开发数据在软件开发中将发挥着日益重要的作用。这样一来，把握软件开发信息库数据挖掘技术的应用，使其在软件开发过程中发挥应有作用，成为当下软件开发过程中必须把握的一个重要议题。同时，数据挖掘技术在软件开发信息库中的应用，对未来软件开发领域，也将产生更为积极的作用。
关键词：存储过程；视图；进销存系统；开发；应用
中图分类号：TP311 文献标识码：A 文章编号：1007-9599 （2013） 01-0004-03
进销存系统是对企业的进货、销售、库存进行统一管理的应用系统。随着计算机技术不断普及、随着市场竞争越趋激烈，现在中小企业普遍使用进销存系统进行管理。市场上各种进销存系统参差不齐。企业要想在这种大环境中取得竞争的胜利，必须依托信息系统。另外，企业的这些数据量非常大，能对这些数据进行统一管理、统计分析，为提高运作效率、提供决策，提供及大方便。开发一个实用、高效的管理信息系统，为企业带来很大帮助。存储过程在系统设计中应用，能为提高系统的安全性，提高执行效率，方便代码管理带来很好的效果。高效的进销存系统是支撑中小企业实现“零库存”、极大限度降低企业运作成本、追求利益最大化的法宝。中小企业在开发进销存系统软件时，由于开发方便、部署简单、性能优良，通常使用SQLSERVER作为后台数据库管理。开发过程中需要使用SQL语句向后台数据库发送命令，对数据库返回结果进行处理。进销存数据库中的表结构各异，记录规模较大.如何编写高效的程序以实现与数据库进行交互、对数据库进行维护等复杂操作是进销存管理软件开发中的一个难点。现就在基于.NET的开发环境中，以通用进销存系统业绩提成统计模块开发中结合应用视图和存储过程作一些探讨。
1 视图和存储过程概述
视图相当于创建的一张虚拟表或存储查询，视图访问的数据不作为独特的对象存储在数据库内。SELECT语句结果集构成视力的内容，在程序开发中可以使用视图实现下列功能：限定用户查询表中的特定行或特定列上；将多个表中的列链接起来，使它们看起来像一个表；聚合信息。使用视图的优点：保护敏感数据；封装复杂查询；满足不同用户对数据的需求；提供一定程度上的独立性。在数据库管理系统中使用CREATEVIEW指令来创建视图。
存储过程是在数据库系统中，一组为了完成特定功能的SQL语句集，经编译后存储在数据库中，用户通过指定存储过程的名字并给出参数（如果该存储过程带有参数）来执行它。
使用存储过程明显具有以下优点：允许组件式编程。存储过程在被创建以后可以在程序中被多次调用而不必重新编写该存储过程的SQL语句，而且数据库管理人员可随时对存储过程进行修改。只要过程接口不发生变化，对应用程序源代码并无影响，从而极大地提高了程序的可移植性；更快的执行速度。存储过程是预编译的，在首次运行一个存储过程时查询优化器对其进行分析、优化，并给出最终被存在系统表中的执行计划。而采用第一种方法则需要在每次运行时都要对发送到数据库的所有SQL语句进行编译和优化；降低网络负载。应用程序调用存储过程时，网络中传送的仅是该条调用语句。而采用第一种方法将传送多条SQL语句，从而大大增加了网络流量，在对数据库网络访问量达到一定程度时，可能造成网络堵塞；增强数据库的安全性。系统管理员通过对执行某一存储过程的权限进行限制，能够实现对相应的数据访问权限的限制，避免非授权用户对数据的访问，保证数据的安全。在数据库管理系统中使用create procedure指令来创建存储过程。
2 以业绩统计为例探讨视图和存储过程在进销存系统开发中的具体应用
现在中小企业的管理中，为了提高员工的积极性，常用的激励办法是业绩提成。组合查询业绩统计是进销存系统最复杂的逻辑。现以组合条件查询业绩为例，结合视图和存储过程来来实现。例如中小企业为每个客户公司设定一个销售主管和销售助理，并对销售主管和助理设定一个提成比例，每一个员工，既可以是这个客户的主管，也可以是其他客户的助理，根据不同类型的客户，其提成比例都不一致。每完成一笔对该客户的销售，可以分别会对销售主管和助理按提成比例统计业绩。现将实现这功能所需要的数据表、创建视图、存储过程及运行效果表述如下：
2.1 数据表及关系
客户资料（数据库表名：tb_client）用途：存放客户相关的数据；
销售表（数据表名：tb_bill）用途：存放销售单的数据；
销售明细表（数据表名：tb_bill_product）用途：存放销售单中相关的货品明细数据；
货品信息（数据库表名：GoodsData）用途：存放货品信息数据；
用户表（数据库表名：Username）用途：存放系统用户的数据；
2.2 创建视图
用CREATEVIEW指令创建视图view_tj_yeji。该视图通过链接多个表显示每个客户每个销售单的每个商品的情况。主要包括客户的信息、客户的销售单情况、销售单包括的商品情况、商品明细信息。
SQLSERVER数据库端创建视图代码：
2.3 创建存储过程
在视图的基础上创建存储过程，用CREATEPROC EDURE指令创建名为P_view_hjyjgw的存储过程，进行业绩提成统计。该存储过程是带参数的，其参数是输入的组合条件，实现生成以员工为基准的统计表，按照输入的复杂条件进行统计。
组合查询图：
运行统计效果图：
点击业绩数据，可以显示该名员工在组合条件查询下的产生该业绩数据所包含的销售单及商品情况。后台是调用之前创建的视图view_tj_yeji。
调用视图的代码：
销售业绩明细表效果图：
以上代码在真实环境中运行通过，相关图片是真实运行情况下的切图。与数据库连接，一些相关函数的定义代码省略。在实际应用中，我们还可以通过带参数的存储过程构建动态SQL语句，实现更复杂的功能，提高程序的通用性和可扩展性。
3 结语
在进销存系统开发过程中，将与数据库相关的操作通过视图和存储过程等方式写到数据库组件中，将数据呈现通过数据控件调用视图或存储过程实现，这样做将大大提高系统的开发效率，对于程序维护也相当方便，与数据库相关的修改直接在后台数据改视图和存储过程即可，无须改程序代码，无须重新编译。在进销存系统软件开发过程中综合运用存储过程和视图，会给软件设计带来极大的方便，还可以提高软件的安全性、提高软件的运行效率。当然，SQLSERVER数据库对象除了存储过程和视图以外，还有触发器和索引等等，在以后应用程序开发过程中，综合运用上述组件，往往会带来事半功倍的效果。
参考文献：
[1]邓超群，蒋永进.销存一体化管理信息系统分析与设计[J].现代商业：177-178.
[2]苏琦，解析存储过程孝档案管赣件开发中的应用[J].电脑编程技巧与维护：53-54.
关键词：软件开发；信息库；数据挖掘
前言
数据挖掘，即Datamining，是在海量数据信息中提取有效信息，满足人们实际需要的一种技术手段，该技术手段随着社会经济的发展以及科学技术的应用，得到了较大的发展和进步。软件工程数据挖掘，即Datamingingforsoftwareengineering侧重于软件信息挖掘领域，是对软件信息进行资源共享的一种技术手段，该手段的关键领域在于对软件技术的研究和应用。软件开发信息库的数据挖掘，注重于数据挖掘、人工智能、模式识别等领域的研究，这三大领域又是软件实现智能化、高科技化的关键。软件开发信息库的数据挖掘，近几年来，以ICSE（InternationalConferenceonsoftwareengineering）会议提出的相关数据挖掘信息为研究对象，分析了软件数据信息库在软件开发过程中的重要作用。文章在对软件开发信息库的数据挖掘技术分析过程中，探讨了数据挖掘技术在软件工程领域的重要作用，以及数据挖掘与软件开发之间的密切联系，注重对软件开发特色的分析以及数据挖掘作用的阐述，突出了数据挖掘在软件开发算法选择过程中的重要作用。
1软件开发信息库数据挖掘的基本概念与面临的挑战
1.1软件开发信息库
软件开发信息库主要是指软件开发过程中的相关数据总和，体现出了“数据化”这一特征。关于软件开发信息库的具体内容，我们可以从以下几点看出：（1）项目开发过程中的“项目数据”，包括了项目开发的过程、细化的任务以及相关资源信息等。“项目数据”是软件开发的关键环节和基础环节，是后续开发的起点。“项目数据”的有效记载和日后的有效分析，将直接影响到软件开发的最终性能。（2）源代码数据。源代码数据是软件程序执行的关键，主要包括了“项目”开发的源代码以及软件版本升级和修改过程中的代码。（3）项目开发的相关文档信息。软件项目开发过程中，需要的文档信息主要包括了需求文档、测试文档、设计文档等，这些文档能够为软件开发提供相应的数据支撑，确保软件开发的目标得以实现。（4）项目开发的历史信息。这一部分包括了E-mail存档、论坛交流的历史记录等。（5）软件存在缺陷的信息。软件缺陷信息是软件开发信息库中的一个重要组成部分，同时，这一部分也是完善软件相关信息，提升软件整体性能的关键。软件缺陷跟踪信息，在后续的软件修改和维护过程中，具有指导性意义。软件开发信息库是软件开发的重要组成部分，其对数据信息进行有效存储。一般来说，软件开发信息库在数据存储过程中，会根据信息的不同分类，有针对性地进行信息存储。（1）软件配置管理系统。该系统是软件开发中的一个重要组成部分，英文表示为“sofwareconfigurationmanagementsystem”，即“SCMS”，也就是版本控制系统。SCMS关系到了软件开发过程中的源代码数据信息控制，可以保证项目开发的相关文档能够进行有效存储，并对相关历史信息进行有效存档。应用于软件配置管理系统的软件系统主要有：CVS、SVN等。（2）Defecttrackingsystem，即“缺陷跟踪系统”，该系统是软件进行修改的主要依据，其在软件开发过程中，最主要的功能就是软件缺陷报告。目前来看，在进行软件开发过程中，利用缺陷跟踪系统，可以对软件开发过程中存在的问题进行有效分析，并采取有针对性的措施进行解决，保证软件开发的可靠性和质量性。在应用中，以“Bugzilla”系统为主。（3）Projectmanagementsystem，即“项目管理系统”，该系统在软件开发过程中，具有着重要地位，并且在实际应用过程中，发挥着重要作用。项目管理系统主要保证了软件开发的项目计划、资源分配、程序执行，能够按照相关要求进行，更好地提升软件开发的效率。在实际应用过程中，例如微软的Project软件，就是利用了项目管理系统实现了对软件计划、资源分配的有效安排，提升了软件开发的效率，并降低了软件开发的成本。
1.2数据挖掘
数据挖掘，即是利用数据库内的相关信息，更好地满足人们的实际需要。数据挖掘，又称数据库中的知识发现，是从一个巨大的数据信息库中，对一些关键性知识的发掘，从而更好地解决实现问题。关于数据挖掘的内容，我们可以从图1看出。如图1所示，我们可以看出，数据挖掘的步骤主要包括了以下几个步骤：（1）数据抽取。数据挖掘中的数据抽取，主要是以人们的实际需要为主，即在大的数据信息库中提取有效信息，这些信息可以为人们的实践活动提供有效指导，保证人们能够对相关问题进行有效解决。数据提取过程中，需要对数据信息内容以及来源进行把握，同时也需要对数据类型和相关结构进行有效分析，这样一来，才能够保证数据信息得到更好地应用；（2）数据预处理。数据预处理主要是根据提取的相关数据信息，根据实际需要，对数据进行有效处理，将一些不必要的信息进行有效剔除，使留下的信息能够更好地指导实践活动；（3）知识发现。知识发现是数据挖掘的一个关键环节，同时，这一步骤也是数据信息得到有效应用的关键。知识发现主要是发现知识数据中，一些潜在的、未知的、有用的信息，将这些信息能够提炼出来，更好地在实践中进行运用；（4）知识表示。知识表示是数据挖掘技术的最后阶段，也就是理论应用于实践中的一个表现。随着大数据挖掘技术的发展和进步，知识表现的形式呈现一种多样化的发展特征，通过关键规则，可以对知识进行开拓性的处理，使知识得到更好地应用。综上所述，我们不难看出，数据挖掘技术在软件开发信息库中的应用，主要分为四个步骤，即数据抽取、数据预处理、知识发现以及知识表示。数据挖掘技术与软件开发信息库有着密切的关联性，软件开发信息库实现了信息资源的共享，是数据挖掘的基础和前提，同样地，数据挖掘也在很大程度上促进了软件开发的发展和进步，二者之间，存在着一种相辅相成的关系。
1.3软件工程数据挖掘面临的挑战
软件工程数据挖掘面临的挑战，是影响软件开发的主要因素，在实际发展过程中，如何有效应对这一挑战，更好地促进软件开发技术的发展和进步，成为当下软件开发面临的一个重要议题。（1）数据信息复杂化。随着科学技术的发展，人们对高性能软件有着更加迫切的需求，这样一来，数据信息复杂化特征，成为当下软件开发和数据挖掘面临的一个主要问题。数据信息复杂化，主要包括了代码、注释、文档的复杂化，三者之间在应用过程中，对算法选择上，有着较大的差别，并且对算法的要求，表现出一种“苛刻”的特点。（2）分析形式的变化。随着电子商务时代的到来，软件开发过程中，面临着更大的挑战，对相关数据的分析，也变得更加复杂和困难。数据挖掘的最终步骤是将知识提交给用户，而在数据信息提交完成后，如何对图表、文字信息进行分析，如何对其作出有效评价，将成为一个较大的难题。（3）数据挖掘的效果评价。数据挖掘技术在应用过程中，形成了一定的结果表示和评价体系，但是面临着新的发展形势，传统的效果评价呈现出一种滞后性，无法在当下得到有效应用。这样一来，效果评价成为当下探究的热门议题。
2软件开发信息库的数据挖掘综述
2.1软件开发信息库的数据获取
软件开发信息库的数据获取，是数据挖掘的前提和基础，一般来说，软件开发信息库的数据来源，主要包括了以下几点：（1）软件开发商自身建立了软件开发信息库。软件开发商在进行软件开发过程中，势必会对自身对软件信息的研究进行有效地总结，并将这些信息进行存储，为日后的发展提供有效依据；（2）软件开发机构对软件信息的存储。一些权威机构为了更好地促进软件开发技术的发展，会将一些研究成果进行信息存储，并且对相关技术进行信息共享，更好地促进软件开发技术的发展和进步；（3）自由软件的软件开发数据。自由软件的软件开发数据是最容易获得的软件开发信息，是研究项目的主要数据来源之一。关于自由软件的软件开发数据，最具代表性的则是SourceForge提供的软件开发数据，包括了源代码、缺陷数据以及相关交流信息等。软件开发信息库获取了相关数据信息后，会根据软件开发的实际需要，对一些重要的软件信息进行有效提取，这一提取过程，是软件开发数据库形成的关键环节。一般来说，在进行数据库信息抽取时，主要包括了源代码、项目数据信息、缺陷数据信息的提取。关于软件开发信息库问题的处理，CVS系统在应用过程中，具有代表性意义。CVS管理系统在应用过程中，注重对相关信息的结构转化，将相关信息进行有效提取，并能够对其进行有效保存，更好地满足实际需要。
2.2软件开发信息库数据的预处理
面向软件开发信息的数据挖掘技术应用，对数据库内的信息进行预处理是一个关键环节，在上文中，我们对这一问题也进行了相关阐述。接下来，我们将对这一问题进行具体的研究和分析。一般来说，软件开发信息库数据的预处理，主要包括了以下内容：（1）对配置系统进行有效管理。配置系统的数据信息处理，主要是对一些无效信息进行去除，并将重要信息和所需要的信息进行提取，并对其进行有效性分析，将提取的信息进行存储，以便更好地进行应用；（2）对缺陷数据进行处理。缺陷数据的处理，注重对缺失属性值的分析，包括了类别、状态、级别等相关缺陷的有效分析。缺陷数据的处理，还包括了对一些缺失信息的处理，对数据的属性值进行有效地补充；（3）项目过程数据中存在一定的噪声数据的处理。项目过程数据中的噪声污染，将会对软件的整体性能产生主要的影响，“除噪”步骤必不可少。噪声去除过程中，主要是为了更好地保证软件开发的可靠性和稳定性，可采取分箱、聚类以及回归分析的方式对这一问题进行解决。
2.3软件的演进分析
软件演进分析是软件开发信息数据挖掘的一个重要环节，在实际应用过程中，要对软件的代码演进进行有效分析。关于软件代码演进分析，较为常用的方法则是对程序语义进行有效分析，并且对软件的具体结构进行考虑，包括了方法、类型定义以及相关变量等内容。关于软件的演进分析，较为代表性的有D.Jackson和D.A.Ladd采用的语义分析方法，可以对内容变量和外部变量的变化进行有效分析，并能够对相关信息进行正确识别。除此之外，M.WGodfrey等人则针对于开源软件的演进过程中进行了分析，验证了软件演进法则。文章对软件的演进分析，则基于软件静态程序进行了相关分析。在分析过程中，由于软件开发过程中的架构演进较难控制，我们需要在开发过程中，对软件源代码进行有效设计，并对源代码的修改进行慎重考虑，对其架构演进情况进行合理把握。在分析时，可采用Zinmermann提出的“关联规则”方法，对演进过程中的模块关系进行合理、有效把握。
2.4软件缺陷分析和动态建模方法
面向软件开发信息库的数据挖掘技术中，软件缺陷分析和动态建模方法，是数据挖掘必须注意的一个重要议题。2.4.1软件缺陷分析软件缺陷分析主要是根据实际情况，对不同属性的软件缺陷情况进行研究和分析，包括了决策树、回归分析以及神经网络等三种方法。其中，PatrickKnab等人，则应用了决策树方法对软件缺陷问题进行了分析。PatrickKnab等人分析的方面在于源代码缺陷密度问题，对代码行数、源代码密度选择问题展开了研究，为源代码的选用，提供了有效依据。而针对于软件缺陷数据和缺陷位置的研究，则主要以二项回归模型方法为主，能够对软件缺陷数据进行有效分析和统计。2.4.2动态建模方法软件开发信息库的数据挖掘技术中，动态建模方法应用，能够更好地对软件开发过程中的事件动态关系进行有效把握。关于这一问题的研究，具有代表性的是Jonathan.E.Cook和AlexanderL.Wolf在上个世纪末提出的语义推论方法，并应用神经网络算法建立动态模型，更好地实现了对软件事件的动态监控。同时，该方法在应用过程中，能够利用动态建模方法，为用户提供一个有效的软件开发过程中，并且这一过程的提出，主要基于历史事件的关联分析基础上。
3结束语
综上所述，我们可以看出，软件开发数据在软件开发中将发挥着日益重要的作用。这样一来，把握软件开发信息库数据挖掘技术的应用，使其在软件开发过程中发挥应有作用，成为当下软件开发过程中必须把握的一个重要议题。同时，数据挖掘技术在软件开发信息库中的应用，对未来软件开发领域，也将产生更为积极的作用。
参考文献
[1]高强，贾志淳.面向软件开发信息库的数据挖掘综述[J].电子制作，2014，19：110-111.
[2]郁抒思，周水庚，关佶红.软件工程数据挖掘研究进展[J].计算机科学与探索，2012，1：1-31.
1大数据技术和软件工程技术
大数据技术事实上是将人类日常生活中产生的各种数字信息，将这些信息收集起来之后分类处理，设定不同类别的存储空间，按照类别存储。大数据技术从功能的角度出发可以划分为多个类别，诸如分析技术、机器学习技术、遗传算法技术、自然语音处理技术等。应用大数据技术分析，就是基于当前的科学技术发展起来的一种分析技术。它主要依靠现代科技手段发挥技术的作用，特别网络技术发挥着基础性的作用。整理基础数据，对数据信息进行分类整理，应用相应的计算机算法，将相似特性的数据划分为一类，最终得到大量的数据，应用大数据技术对这些数据进行分析。大数据分析应用于互联网行业中，所发挥的优势是有目共睹的，而且还不断地引入新技术，在软件工程技术中应用，对该技术的发展起到了促进作用[1]。
大数据时代，社会各个领域都已经实现了信息化发展，人们对软件工程的概念越来越熟悉。事实上，软件工程的历史始于20世纪的中期，其研究重点是软件技术和工程管理。将相关工程内容引入其中，使得工程系统化运行，其中所涵盖的研究内容包括软件的生命周期、软件工程设计、软件的技术维护等方面。因此，在软件设计的过程中，要控制好技术开发成本，保证工程质量，使其生命周期不断延长，不同项目的技术需求和用户的各种技术需求都能够得到满足。
2大数据背景下的软件工程基础
处于大数据时代环境中，软件工程的发展中关乎到不同的领域，需要高度重视。大数据技术具有专业性的特点，还具有很强的实用性价值。在软件工程技术的研究中，要从应用需求出发不断创新软件技术，对于传统的技术要不断摒弃，对软件工程的发展创造良好的客观条件。大数据技术环境下，软件工程基础是基于互联网技术建立起来的，对各种数据信息系统化管理，根据需要进行处理，对工业的发展非常有利[2]。在软件工程技术中，大数据的安全性问题是需要高度重视的，否则，就会对软件工程技术造成不良影响，引起严重的后果。
2．1软件服务工程
在软件工程的研究范畴中，软件服务工程的数量不断增多。软件工程服务化方向发展，就是发挥服务的作用，使其成为软件开发的基本原则，按照服务项目内容为用户展开服务。由于软件工程发展的主题有所，服务内容也要做出相应的调整，同城是对软件工程的进行技术维护。在具体的服务工作中，需要软件开发人员使用分布式应用程序，在管理工作中采用虚拟操作的方法为用户2019.08提供服务[3]。软件工程技术应用中，结合使用大数据技术，可以对网络数据进行编程，使得软件具有互操作性，对于数据主动协调，使其符合动态场景的变化节奏，软件系统的集成度有所提高。
2．2软件开源
软件开源更为注重用户对软件技术的体验。在对软件开源进行研究的过程中，采用常规的方法，虽然获得一定的成果，但是应用价值不是很高。一些研究人员在研究软件工程技术的时候，就是将软件开源作为突破口，将开发项目划分为多个模块，将每个模块分给指定的研究人员进行开发。
2．3群体软件工程
群体软件工程是通过网络的方式进行软件开发，具体的实施中采用工程众包的形式，使得软件开发技术发挥作用。群体软件工程是一个分布式软件开发模型，这个工程项目的运行中，可以通过网络实现，对各项任务进行分配，也可以进行创造性的查询，通过众包解决软件开发过程中遇到的一些困难和重要问题。同时，在软件工程开发过程中，软件工程可以在任何阶段通过众包进行开发[4]。
3大数据与软件工程技术的未来发展方向
3．1大数据与软件工程技术开放式的发展
大数据技术的主要前提是大量的数据流，需要技术不断地升级和创新，寻求开发的研究途径是非常必要的。计算机网络的发展意味着计算机可以在开放的环境中相互通信，共享数据资源，软件等信息的有效利用能力也会有所提升。通过网络运行可以增加利润，使得用户的各种需求得到满足，提高资源的利用率。
3．2大数据与软件工程技术融合到其他领域
软件工程技术在当今许多科学领域有着广泛的应用。由于软件工程技术给予各个领域非常大的帮助，从航空到生活中都发挥着软件工程技术的作用[5]。应用程序的运行，可以使用数据平台对信息进行收集并分析。比如，用户在进行股票交易的过程中应用大数据技术，可以使用软件工程技术构建数据模型，通过对数据模型的分析，预测股票的变化趋势。
4众包软件服务工程中的大数据技术
在软件开发过程中，必须有足够的硬件和软件基础来支持数据流，随着数据流的量逐渐增多，对硬件和软件就有了新的要求。专家学者在分析数据流的时候，还对在线服务进行了研究。数据流是重点内容，主要是对数据流的使用方法进行研究，对支撑数据流的软件和硬件进行研究[6]。从软件工程开发的角度而言，软件运行中都会产生大量的数据流，包括服务端、用户端等，都会有很多的数据信息产生，这些数据流对软件和硬件的使用寿命起到了决定性的作用。软件工程的开发中，要做好数据流的管理工作。有必要对原始数据进行深入的研究，为提高软件的使用寿命创造条件，对数据流的分析要高度重视[7]。
5密集型数据科研第四范式
第四种科学研究范式是指根据实际情况建立独立的科学研究方法，探索第四种范式的理论基础，以及大型数据存储设备在发展中的重要性。软件工程中，采用传统的大数据研究方法，大数据的有效分析是不可能的，大数据的研究还没有取得突破性的成果。因此，目前大多数软件不能在短时间内同时实现数据信息的存储、数据信息的传输和有效识别。在探索第四范式理论和研究方法的过程中，首先需要对集成大数据的软件服务价值进行估计，抛弃传统的大数据统计方法，建立新的大数据信息统计方法和分析方法[8]。此外，有必要从多个方面研究大数据的处理，对大数据信息进行管理并深入分析，讨论大数据的价值以及存在的可变性，这对软件工程的发展起着重要的作用。在研究软件工程技术的时候，必须更新传统的软件开发理念，重视软件处理和分析大数据能力的发展，使得软件产业呈现出新的发展面貌。
在当今大数据时代，软件工程技术的研究已经区域复杂。随着数据的指数的不断增长，软件技术对硬件设备数据处理能力产生一定的影响。因此，在对软件工程技术的研究中，就需要对大数据技术的特点进行研究，基于此研究软件工程技术，使得硬件设备的数据处理能力有所提高。在研发开发软件技术的过程中，要从应用领域的需求出发对大数据技术进行分析，在大数据开发理论的基础上创新软件开发理论，促进软件技术更好地发展。
参考文献
关键词：流程数据；健康管理；PDCA；循环；数据质量
1.引言
中国专利审批流程数据记录专利申请行政审批过程的信息，包括审查流程各阶段信息，案件中间状态，申请人提交的文件、费用，审查员使用费用记录、所下结论、审查意见等等。这些数据通常在专利局内部使用，具体专利申请的信息一般只面向该专利申请的申请人或者机构，社会公众只能在有限范围内查阅部分信息。尽管如此，专利审批流程数据对专利事业的发展同样具有重要意义，具体体现在：数据是专利审批业务开展的基础。专利局信息化程度越来越高，目前已实现无纸化审查、电子申请、网上交费等便捷高效的工作模式，业务开展已经完全离不开数据。数据是信息权威性的保证。专利局承担专利事务行政管理职责，定期向公众相关信息，其权威性依赖于内部数据的及时性和准确性。数据是管理政策的出发点和落脚点。政策的制定既需要历史数据作为依据，政策出台之后的效果和影响也需要通过数据来评估和验证，并有利于调整和完善相关政策。专利审批流程数据质量的重要性日益凸显，因此管理者对数据的关注度也越来越高，在系统建设过程中集中开展专项数据清理活动，成立专门的项目组负责数据修正、系统改进实施过程的管理。在上述数据清理工作的基础上，数据管理者构建了日常数据错误处理长效机制，即审批系统数据维护机制。这些管理活动在短期内大大改善了数据质量，优化了数据操作管理，规范了错误处理流程。事实上，面对庞大的用户群体和业务规模，仅有这些活动还不够。国际数据管理协会（DAMA）在《DAMA数据管理知识体系指南》（或《DAMA-DMBOK指南》）中专门描述了数据质量管理的职能，旨在定义、监控和提高数据质量[1]。波音公司建设了“飞机健康管理”1的信息系统，通过对维修历史录、实时监控数据的检测和分析，在飞机抵达登机口前预先报告、诊断机械故障，提前安排维护计划，进行维修资源调度，当飞机着陆后即可马上实施维修活动，有效缩短了飞机在机场停留的时间，大大降低航空公司成本。上述知识体系和商业应用为我们进行专利审批流程数据管理和利用提供了理论支持和实践经验上的参考，本文提出基于专利审批流程数据的健康管理思想，旨在建立持续的、主动的、以数据为出发点的服务模式，达到不断改善数据质量的目标。
2.中国专利审批流程数据健康管理的概念和内涵
在人体全科医学领域，健康管理是一门以预防为主、防治结合的新兴学科，以现代健康概念和新的医学模式以及中医治未病为指导，通过采用现代医学和现代管理学的理论、技术、方法和手段，对个体或群体整体健康状况及其影响健康的危险因素进行全面检查、评估、有效干预与连续跟踪服务的医学行为及过程[2]。同理可以定义专利审批流程数据健康管理的内涵，以数据为基础，以提高业务质量为目的，通过数据描述、实现逻辑、业务规则分析的过程和方法，对系统数据进行全面的检测、分析、评估，识别可能影响业务正确运转的风险，并及时进行干预的服务。因此，相较于已有的针对数据进行的管理和维护活动，数据健康管理具有如下特点：（1）健康管理是面向健康的，侧重对数据潜在质量风险的识别和预防；而数据维护是面向治疗的，旨在尽快修复已经识别的错误数据。（2）健康管理侧重数据整体质量状态的检测和评价；数据维护主要针对具体症状，即具体数据问题的分析和解决。（3）健康管理通常是由数据管理者或运营者有计划的发起，是一种主动的改进数据质量的工作方式；数据维护通常是由数据的使用者在业务活动中发现，是一种被动的影响数据质量的业务过程。（4）健康管理以数据为出发点，分析过程自下而上，从数据分布到专利业务；数据维护和数据监控则通常以专利业务为出发点，分析过程自上而下，从业务规则到数据记录。
3.中国专利审批流程数据健康管理的工作程序和方法
PDCA循环又叫戴明环2，提供了一种全面质量具体的说，在计划阶段，需确立数据健康检查的目标、相关的专利审批业务问题、检查的数据范围、时间开销、人员投入、执行方案以及预期的产出等等；在执行阶段，获得相关数据资源，实施检查、分析过程，报告健康检查中发现的存在潜在风险的数据；在检查阶段，根据执行过程和结果回顾计划合理性、执行过程合规性和确认检查结果有效性；在处理阶段，修正识别出来的异常数据，在原因分析的基础上，调整业务规则，完善实现逻辑，规范用户操作，以便持续改进后续过程。结合专利审批业务实现的特点，在进行数据健康检查时，可以从物理数据、逻辑结构和业务概念三个层面从下而上开展，如图2所示。物理数据是指能表达独立意义的数据项，通过大量数据的分布规律、完整性，数据项之间一致性等方面的检查，反映出专利审批流程数据本身的质量状况。逻辑结构是指专利审批系统的实现过程，所有数据的产生都依赖于信息化系统的运算和处理，通过产生数据的抽象模型、设计文档、源代码等的资料，可反映出信息化系统的设计质量水平。业务概念是指专利审批业务的规则，业务过程既是信息化系统需求分析的出发点，也是用以解释和分析物理数据的根本，通过数据对应的专利审批流程、用户操作等的研究，可以反映业务质量的情况。因此，通过专利审批流程数据健康检查，可以输出以下几个方面的建议：（1）异常数据修正建议。数据健康检查可初步确定存在潜在风险的数据范围、可能的原因、后续的影响等，为数据处理过程提供直接的、针对的、可操作的方案。（2）信息化系统实现逻辑完善建议。通过数据出发对信息化系统中相应模块逻辑结构的分析，可以帮助发现系统实现中存在的设计缺欠，指出增强系统强壮性的方向，尤其是校验和提示功能。（3）专利审批业务规则完善建议。数据是对专利审批业务开展情况的反映，通过数据可在一定程度上验证业务规则逻辑的完备性，发现改善业务规则的契机，特别是当专利审批业务发生变化时，数据可为业务变化提供历史事实支持。（4）用户操作规范建议。当前的专利审批系统功能复杂、操作繁多、用户庞大，误操作在所难免，而这些不适当的操作最终都体现在数据上。因此，通过分析找出常见易出错的操作点及其注意事项，帮助用户规范操作过程，避免不当操作。（5）数据监控建议。通过数据健康检查可以发现风险较高的关键业务数据，为尽早介入异常数据干预过程，基于专利审批流程数据健康检查的建议，在数据监控方面既可以增加监控点，也可以检验已有的监控点的准确性和必要性。
4.中国专利审批流程数据健康管理的优点
根据上述分析，专利审批流程数据健康管理是一种新的服务模式，相较于传统的数据管理服务，具备下述优点。（1）反映数据质量整体水平。专利审批流程数据健康检查从数据出发，通过对大量数据的统计分析等手段，找出数据的整体分布特征和规律。（2）尽早识别出潜在风险数据。专利审批流程数据健康检在预防，采用聚类分析、异类查找等方法，从庞大的数据中发现疑似异常点，并及时预警，通常此时还处于数据可能发生错误的早期阶段。（3）缩小异常数据影响范围。专利审批业务过程各阶段环环相扣，一旦数据错误产生，就可能会对后续的审查过程带来不利影响。专利审批流程数据健康检查可以尽早识别出潜在风险点，提醒数据管理者注意，采取干预措施消除风险，避免将异常数据负面影响扩大化。（4）降低系统运维和管理的成本。中国专利电子审批系统已运行五年，随着知识产权事业的蓬勃发展，审批系统正从成熟期向发展期迈进，这就要求系统维护采取更多的预防性措施。专利审批流程数据健康管理重防范的理念，可以帮助尽早查找异常数据和系统薄弱环节，进行针对性原因分析，提出有效的建议，缩小影响范围，因此，从总体上看有利于降低系统维护用于修正错误消除影响的开销。
5.中国专利审批流程数据健康管理今后发展方向设想
在实践中，开展数据健康管理活动也受到了一些制约，例如数据内容的丰富性和数据结构的多样性引入大量的数据预加工工作等等。为了更好的开展此项服务，持续改进系统和改善数据质量，建议在以下方向优化服务过程。（1）深入开展异构数据的整合和规范化，建立数据内容完整、范围全面且格式标准的专利信息数据仓库。专利审批流程数据的形式非常丰富，不仅包括关系数据库中的结构化数据，也包括申请人提交的文件、通知书等以实体形式存在的文件，还包括专利局对公众的公布公告信息，这些不同类型的数据以不同的形式存储在不同的服务器中，特别是实体文件的内容都是非结构化的。事实上，在开展专利审批流程数据健康检查中往往需要花费七成以上时间进行前期数据加工和处理，之后才具备分析和调查条件；进行不同问题分析时，还存在一些数据处理过程重复，造成一定程度的资源浪费。同时也注意到，专利审批流程数据健康检查对数据的实时性要求不高，无需在生产数据上开展。因此，建立适合进行健康检查的专利审批流程数据仓库，有计划有组织的进行异构数据的预处理，避免重复的数据加工过程，为更大规模更深入的开展专利审批流程数据健康检查做好数据准备。（2）业务管理、应用系统运维和数据管理之间应加强联系，互相促进。应用系统运维承担着中国专利电子审批系统变更和实施、数据修改实施的职责，这些活动改变了专利审批流程数据健康检查中逻辑结构层的检查对象，会影响专利审批流程数据健康检查准确性，对专利审批流程数据健康检查具有指导意义。专利审批流程数据健康检查直接从数据出发，不仅验证系统修改的结果是否与预期相符，也在帮助提出系统完善建议。更进一步，不管是应用系统维护还是数据管理，最终都是为专利审批业务服务，而反过来，专利审批业务也是衡量应用系统和数据质量的标准。因此，业务管理、应用系统运维和数据管理之间应密切联系，及时沟通，相辅相成，互相促进。
6.结束语
1.1录入正确的信息
由于数据挖掘技术的运算功能较强，常规的数据信息系统在实际的运算过程中，会消耗掉大量的时间，甚至由于数据庞大会对运算系统造成一定影响，在数据挖掘技术的作用下，不会出现这种问题，还能节省运算时间。另外，在对数据进行运算的过程中，不会出现数据丢失的现象。在大规模数据中，有些数据的应用价值不大，属于垃圾数据，会影响系统的整体效率，利用数据挖掘技术，能够保留精准的数据，摒除垃圾数据，为数据质量提供相应的保证。
1.2缩减数据处理时间
利用挖掘数据技术能够进行数据的转换，将杂乱的数据进行整合与处理，转变为试用形式。从这些数据的角度进行分析，能够进行科学化的调用，在进行数据的挖掘过程中，会对于不清楚的数据进行清理，保证得到数据的科学性。从各个不同的角度，对于数据的真实性进行考核，并将数据进行整合。也就是说，将分析的结果提供给管理人员，合理的运用到软件工程中，进而缩减数据处理时间。
2数据挖掘技术在软件工程中的应用路径
2.1数据挖掘技术在软件工程中的发展
首先，由于数据挖掘技术是立足于数据库进行发展的，随着技术的不断发展与进步，已经从理论转换为实践应用，并且在实际应用中发挥着重大作用。另外，软件工程是工程化的学科，能够根据项目任务的差异、资金及客户需求进行产品的研发。由于原有的工程软件开发较为复杂，但经过发展迅速壮大，实际的应用性较强，会更多的被应用于项目当中，与此同时，利用数据挖掘技术主要就是对软件工程的数据库信息进行挖局，对于软件工程的可持续发展有着重大的意义。
2.2挖掘信息
其次，软件工程能够对信息的挖掘进行掌控，实际的应用范围较广，软件工程能够将软件开发时的信息进行统一，进而保证在进行软件开发的过程中，能够将数据进行及时更新，进而从根本上保证开发的质量，保证项目任务的顺利实施。就目前实际情况进行分析，在数据挖掘中还包含着软件开发更改的数据信息，能够更加直观的看出软件内部的差异，还能够利用这一特点及时发现运用过程中产生的问题，并结合实际情况，及时作出有效的解决措施，保证项目目标任务能够顺利完成。
2.3挖掘软件漏洞
再次，数据挖掘技术中，最重要的一点就是对软件漏洞进行检测，在实际的运用过程中，能够及时发现软件开发中产生的错误，并进行修整与优化，及时找到处理的方法，在一定程度上保证软件工程的安全等级与质量。另外，在利用数据挖掘技术对漏洞进行检测的过程中，相关的技术人员要明确检测的内容，还要立足于客户基本需求，进一步找到相对应的测试内容，利用合理的方式对软件进行测试，进而得到各方面都完美的方案。与此同时，由软件工程对数据信息进行处理，在找到漏洞信息后，对多余的信息进行及时处理，进而从根本上保证数据信息的科学性与完整性。在实际的运用过程中，相关的工作人员要根据科学化的方案，合理的将数据挖掘技术运用到软件工程中，利用合理化的方式对于软件工程中的漏洞问题进行分析，及时找出错误根源，使操作者能够更加容易进进行漏洞的挖掘与修复工作。就目前实际情况进行分析，数据库挖掘技术主要就是将数据信息进行转化，并进行整合存到信息库中，再由相关的工作人员结合实际需求，对于软件进行测试，查看是否存在漏洞，利用这种方式保证后续工作的顺利开展，促进软件工程的健康发展。
2.4挖掘软件执行记录
在数据挖掘技术的应用过程中，软件执行记录尤为重要，在进行数据挖掘的过程中，相关的技术工作人员要对数量进行合理分析，对于不同代码之间的关系进行探究。使相关的工作人员能够利用软件系统的行踪进行管理与探究，进而在一定程度上促进软件工程的稳步发展。
2.5挖掘开源软件代码
最后，对于开源软件代码进行挖掘，能够将其规划到软件工程中挖掘技术要运用的对象挖掘类型房中，由于开源软件代码技术通常都被应用到代码克隆的检测过程中，能够更加简单的对于代码漏洞进行处理，通过这种方式在一定程度上提高了工作的高效性。
3结束语
综上所述，在软件工程项目中，合理化的运营数据挖掘技术，能够有效促进软件工程的发展，结合实际应用状况进行分析，可以了解到数据挖局技术的发展空间广阔，相关的技术人员要认识到其重要程度，并进行不断改进，将内在的理论与外在价值进行充分挖掘。通过这种方式从根本上强化专业素质，将数据挖掘技术的作用发挥到最大化，促进软件工程的健康长远发展。
参考文献
[1]龙艳.分析数据挖掘技术在软件工程中的应用[J].科技风,2019(02):83.
关键词：； 连接方式的数据访问； 断开方式的数据访问；DataReader；DataSet
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）03-0013-03
A Discussion on Data Access Mode in
LIN Jia-yi
（Guangdong Communication Polytechnic，Guangzhou 510650，China）
Abstract： In development of .NET database application， how to choose the right data access mode becomes the key problem. This paper firstly technology and two kinds of data access， and then from the three aspects of resource utilization， implementation and usage scenarios， the impact on the performance of system and the execution efficiency in two kinds of access mode is discussed in detail， compared the application effect of a specific example of two access methods， and finally gives a reasonable choice of data access proposal， which has practical reference significance to the development of database application system.
Key words： ； connected data access；disconnected data access； DataReader；DataSet
随着互联网+时代的到来，各行各业正经历着前所未有的管理模式的改变。无论单位规模大小，数据的存储、查询、统计和修改等操作是单位的日常工作中一个重要部分。为了满足目前网络环境下提出的对海量数据处理的新任务，开发应用系统时，软件开发者始终需要将如何加快数据处理的速度和提高数据的利用率放在首要位置。
数据库应用系统的开发作为软件开发的一个主要的分支，已经广泛应用到社会各个领域。大型的数据库应用系统一般采用C/S或B/S架构[1]，当前两大主流开发语言系JAVA和.NET都可以在这两种架构上开发系统。.NET作为微软推出的面向Internet的新一代应用程序平台，其中涉及数据库访问的最关键技术是。比起以前的数据库访问技术，在实现程序之间的数据共享上具有优越性，它提供了连接和断开两种数据访问方式。对于这两种方式，以往文献中过多侧重于讨论访问过程，本文则从不同的角度，分析了的两种访问方式的操作执行，具体探讨了两者在查询、增加、删除、修改以及执行存储过程时的差异，并在实际中分别用两种不同的访问方式来实现系统，通过比较来总结出一些经验，这些对我们在开发过程中如何选择数据访问方式提供了一些参考借鉴。
1 相关技术
1.1 NET技术和
1.1.1 NET技术
随着互联网技术的飞速发展，需要开发出大量支持跨平台和多种架构的应用程序。而原有的开发平台已不能适应这种新变化。为了快速开发兼容性更好的大型应用程序，1998年12月，微软公司提出了.NET的新战略。微软对.NET的定义为：.NET是Microsoft面向XML Web服务的平台，它使用一种统一的、个性化的方式将信息、设备和人员紧密地联系在一起[2]。经过近二十年的发展，.NET已经成为当前主流的企业级应用开发平台。
.NET平台的核心是NET Framework。可以从两个角度来解读它，一方面.NET Framework是一个基础工具，用于构建基于互联网平台的各种应用程序；另一方面.NET Framework是一个丰富的类库，用于开发WinForm、Web、、GUI等各类应用程序。
.NET Framework由两个主要组件组成[3]：公共语言运行库（Common Language Runtime，CLR）用于代码编译和执行的集成托管环境，.NET应用程序并不直接和操作系统打交道，而是在CLR上执行，受CLR的管理；.NET Framework 类库，这个类库可以供不同的编程语言调用，诸如C#、VC++、等，从而实现了跨语言编程。
1.1.2
通常我们将数据库应用系统划分为前台和后台两个部分，前台可以用C#、JAVA等多种高级语言实现，后台数据库可以用多种数据库管理系统来创建，常见的有SQL Server、Oracle、DB2和MySQL等。显然，不同的语言访问不同的数据库时，用到的也是不同具体的数据访问方法。为了让前台程序方便访问后台数据库，有必要在它们之间建立一种数据访问模型来统一操作数据库的方式。至上世纪80年代以来，业界上相继出现了ODBC、OLE DB、ADO、JDBC等各种数据访问模型，而伴随着.NET技术出现，微软推出了面向Internet版本的、能高效地连接和访问数据斓哪P。
作为.NET Framework 的一个重要组件，实质上是一个类库，它在很大程度上封装了数据库访问和数据操作的动作。主要包含五个非常重要的类，分别是Connection类、Command类、DataReader类、DataAdapter类和DataSet类。使用访问数据库主要有三大特点。一是跨平台。可以访问多种关系型数据库，也可以是非关系型的数据，比如Email或者XML数据。二是效率高。在断开连接数据库的方式下，应用程序可以直接从临时数据集DataSet中获取数据，大大提高数据访问速度。三是安全性高。可以使用数据库中的存储过程和视图，并结合权限提供安全保障。
1.2 中数据访问方式
相比较ADO、JDBC等其他的数据库访问技术，微软的在数据库访问上处理得更为精细、过程更为复杂。完美融合了数据库中表、存储过程、视图、事务等各方面的应用，特别是对于同出一家SQL SERVER数据库管理系统。随着Internet发展，集成了XML，适应了Web应用程序的开发。面对各种不同数据库应用系统需求，提供了多样性的数据处理方式。根据数据库的使用状态，将划分为两种数据访问方式[4]，如图1所示：
1）连接方式的数据访问
首先应用程序创建Connection对象，并设置好连接字符串后打开与数据库的连接，然后通过创建Command对象向数据库服务器发出执行SQL命令的请求，数据库服务器在执行完命令后将结果返回给应用程序。此时如果还需要执行其他数据库命令，就不用再次创建连接和打开连接，只需要用Command对象发出执行SQL命令的请求即可。最后当应用程序不再需要访问数据库时，才关闭数据库的连接。
2）断开方式的数据访问
首先应用程序创建Connection对象，并设置好连接字符串后打开与数据库的连接，然后通过创建与Command对象相关联的DataAdapter对象，通过DataAdapter对象的Fill方法将数据库中需要的数据取出存放在本地的缓存DataSet中，此时自动断开与数据库的连接，随后应用程序直接对DataSet进行相关数据操作，除非需要重新从数据库中取出数据或对将DataSet中的数据更新至数据库时，才会连接数据库。
这两种数据访问方式大量应用在系统的开发中，但是在具体实现中又有多种途径，总结为三种方法。第一种是使用控件，Visual Studio的工具箱中提供了各种控件，通过一次性拖放控件来实现与后台数据库的绑定，并可以在前台的显示控件中操作数据。这是最简单快捷编程方式；第二种是使用对象，在程序中使用对象提供的各种方法完成数据库操作。虽然这种方法需要更多编写代码，但是给编程者有更多拓展空间，编写出满足个性化需求的功能；第三种是混合使用控件和对象，兼顾两者优缺点，可以精简部分代码。
图1 数据访问方式
2 两种访问方式的比较分析
2.1资源利用率
连接方式的数据访问要求在整个程序运行过程中一直要和数据库保持连接。虽然数据库可以支持多用户连接，然而连接的资源毕竟有限，如果让一个数据库长时间连接并处于打开状态，将浪费较多的系统资源，从而会限制应用程序实现更多功能。
断开方式的数据访问则是将应用程序要经常要用到的数据存放在本地的DataSet中，于是应用程序可以直接到DataSet中提取数据，就不再需要与数据库保持连接了，这样可以让别的应用程序有更多的机会使用数据库，提高资源使用效率。
2.2执行方式
1）查询操作
在数据库中执行频率最高的是查询操作。使用SELECT语句执行完后会得到一个结果表，应用程序通过连接和断开两种数据访问方式获取到结果表。
对于连接访问方式，当查询到结果表只包含一个结果值，比如：执行一些带统计函数的SELECT语句，则执行Command对象的ExecuteScalar方法，获得的是一个Object类型值。将该值转换成其他类型后可以直接在程序中使用；当查询的结果表包含一行或多行记录时，则使用DataReader对象，它类似于一个读取数据的指针，指向服务器缓存中的结果表，读取一行数据就处理一行，如果读不到返回false。因此只需要一条数据记录的内存，内存占用非常小，但只能读取结果表中数据而不能对其修改，这种方式速度快。
对于断开方式的数据访问，无论查询的结果集中有一个还是多行数据，始终用DataSet存放。可以把DataSet看成是内存中的一个临时数据库，只要内存够大，可以在里面放一个表或多个表，甚至View都可以。但也有上限要求，DataSet可以容纳不超过十几万条数据。由于DataSet在本地内存中，里面的数据是从数据库中筛选出来的，因此在查找DataSet中数据时，耗时短，访问效率高。
2）增加、删除和修改操作
查询操作不会造成数据库中数据的改变，增加、删除和修改操作会对数据库产生实质的影响。应用程序在两种数据访问方式下更改数据库的具体实现方式截然不同。
连接访问方式下，通过Command对象的ExecuteNonquery方法执行Insert、Delete和Update这些SQL语句。应用程序可以获得执行完SQL命令后数据库受影响的行数，这往往是判断数据库是否修改成功的依据。该方式对执行SQL语句的表没有太多要求，单表或多表都可以。同时整个执行过程简单，一句代码直接即可完成稻菘獾母新。
断开访问方式下，应用程序不能直接修改数据库，只能修改DataSet。如何让DataSet修改后的数据同时反映到数据库中，此时，DataAdapter对象在DataSet和数据库之间架起了一座沟通的桥梁。执行DataAdapter对象的Update方法，会重新连接数据库，使Dataset与数据库实现同步更新。当更新数据库完成后，自动关闭连接。这种更新数据库的方式在应用时有一定条件限制，首先要求必须是针对单个表的操作；其次必须要求操作的表必须定义好主键；最后还要使用SqlCommandBuilder对象来自动产生与DataAdapter相关的修改命令对象Command。该方式具有较大的局限性，代码中涉及对象多，编写相对复杂，因此只是作为一个补充选择方案，实际中应用较少。
3）执行存储过程
将一段SQL操作命令设计成存储过程执行，有利于提高系统安全性，同r减少网络流通量。连接访问方式下执行存储过程首先需要设置Command的CommandType属性，然后将存储过程名赋给CommandText属性，最后根据存储过程返回值的类型选择相应的执行方法。整个执行过程简单，易于编程。断开访问方式下，可以通过设置DataAdapter的SelectCommand属性和调用Fill方法来完成，但是并不是所有的存储过程都可以正常执行，如果存储过程中有修改语句或没有返回值，代码会出问题。只能用于执行特定的存储过程。
2.3适用场景
面对多种访问数据库的方式，在不同的应用中选取合适的数据访问方法显得尤为重要，这直接影响决定着系统运行的效率。一般来讲，连接访问方式比较适合以下的一些场景。场景一：系统部署在一个局域网环境中并采用C/S架构，如果存在大量的查询数据库操作，不需要修改查询结果，DataReader是最好的选择。场景二：系统要求及时反映数据的变化，比如环境、交通监控系统，连接访问这种方式速度快，适用于实时要求高的系统。断开访问方式在下列场景中发挥更好的作用。场景一：系统有大量的用户使用，如果用断开方式，那么只有在更新数据库时才会连接数据库，提高资源利用率。场景二：系统部署B/S的环境中，比如网上办公，电子商务系统。这样先把数据库中所有数据都放到内存，然后都在本地机器中操作。选择用哪种方式也不是绝对的，要根据实际场景将两种方式结合起来，更好发挥各自优势。
3 基于两种访问方式下的应用实例
图2 运动员信息管理界面
以下实例基于C/S架构的学校运动会管理系统，开发中前台采用了Visual Studio2012，后台使用SQL Server2012。选取了其中一个运动员信息管理的编辑界面，如图2所示，分别用两种不同的数据库访问方式实现了查询、增加、删除和修改运动员信息的功能。下面列出了主要步骤代码。
3.1采用连接方式的数据访问
if （type == 1） //添加
{
s = string.Format（"insert into athlete values（'{0}'，'{1}'，'{2}'，'{3}'，'{4}'，'{5}'）"， txtID.Text.Trim（）， txtName.Text.Trim（）， cbGender.Text.Trim（）， Convert.ToDateTime（txtBirth.Text.Trim（））， txtPlaceOfOrigin.Text.Trim（）， txtMemo.Text）；
}
if （type == 2） //修改
{ … }
if （type == 3） //删除
{ … }
conn = new SqlConnection（）；
conn.ConnectionString = ConfigurationManager.ConnectionStrings["AthConn"].ConnectionString；
conn.Open（）；
SqlCommandcmd = new SqlCommand（s，conn）；
cmd.ExecuteNonQuery（）；
…
3.2采用断开方式的数据访问
if （type == 1） //添加
{
dr = dt.NewRow（）；
dr["a_athleteid"] = txtID.Text.Trim（）；
dr["a_name"] = txtName.Text.Trim（）；
dr["a_sex"] = cbGender.Text.Trim（）；
dr["a_birth"] = Convert.ToDateTime（txtBirth.Text.Trim（））；
dr["a_address"] = txtPlaceOfOrigin.Text.Trim（）；
dr["a_memo"] = txtMemo.Text；
dt.Rows.Add（dr）；
SqlCommandBuildersqlBuild = new SqlCommandBuilder（da）；
da.InsertCommand = sqlBuild.GetInsertCommand（）；
}
if （type == 2） //修改
{ … }
if （type == 3） //删除
{ … }
da.Update（ds， "athlete"）；
ds.AcceptChanges（）；
dgvStudent.Refresh（）；
…
3.3实例分析
在上面的实例中，虽然两种数据访问方式都可以实现相同的功能，但是综合考虑各方面因素，往往会采用芍址梦史绞较嘟岷系哪J健T谑迪纸sportsmeet数据库中的athlete表数据 （下转第22页）
（上接第15页）
查找出来并显示在DataGridview控件的过程中，显然用DataReader读取速度快，但它只能一行行读取数据，也不能直接绑定到显示控件上，因此在这里最好用Dataset直接作为数据源，处理更简单。如果对athlete表数据进行修改，用DataAdapter对象的update方法受限制的条件多，用连接访问方式执行Command命令处理更为合适。综合上述分析，这里我们最好用断开访问方式做查询，用连接的方式做增加、删除、修改。
4 结论
在数据库应用系统开发过程中，我们的目标是追求运行的高性能和提高资源的利用效率。作为访问数据库的.NET技术，使得程序员从原来繁重编码工作中的解脱出来，以更方便、更直观的方式来操作数据。随着LINQ、Entity Framework、 MVC等各种软件开发新技术不断发展，虽然这些技术对简化对数据库操作做了不少改进，但还有很多的新问题摆在面前。例如，如何结合当前大数据云计算技术[5]，让.NET应用程序更高效访问数据；如何提高数据库应用程序的可维护性；如何保障数据的安全有效[6]；这些还有待不断地探索和研究。
参考文献：
[1] 严勋，孙虎. 企业管理信息系统实现模式研究[J]. 微计算机信息，2007（11）：31-32.
[2] 刘晓刚，吴俊峰. C# WEB数据库编程[M]. 北京：清华大学出版社，2010.
[3] 修乾. 基于Web的.NET应用系统开发[J]. 计算机工程，2003（21）：185-186.
[4] 庄越，王槐彬. C#程序设计与项目实战[M]. 北京：电子工业出版社，2014.
本文在对国内外关于大数据管理工程的研究进行分析的基础上[3][4]，发现目前针对大数据管理工程档案的研究还较少，现有的大数据管理工程的平台构建大多在Hadoop技术进行的，研究工作主要关于大数据的收集和分析方法，并没有形成一个系统的大数据平台开发及应用的体系。并且大数据管理工程档案的核心信息收集工作尚处于初期的发展阶段，许多数据的收集工作以及后期处理应用工作还停留于初期的处理水平，并没有整体性的开发应用，智能化的探析。目前在大数据管理工作中，工程管理的决策将逐渐依据数据及相关的分析而制定，而非如传统意义上根据主观直觉或者以往经验，特别是随着大数据的推进和过程建设的要求的增加，管理工程档案工作在大数据时代已完全不同，但是实际操作中，大数据管理工程档案存在较多的问题。第一，目前，有些工程管理工作中，单纯的把大数据管理工程档案仅仅理解为纸质档案的一个数字化扫描及网络化的过程。并没有将工程档案的管理系统化，这也是要解决的一大问题。在实际中，数字化扫描和网络化工程档案档案数字化的基本任务。事实上，大数据管理工程档案是将档案信息资源建设作为核心工作，把电子信息管理列为重点工作，电子信息的管理能够使得信息档案能够真实的保存在工程档案管理部门，同时，实现电子文件和数字化馆藏系统管理。第二，在大数据管理工程档案的实施中出现唯数字化的现象，在工程档案管理工作中任务“数字化”即意味着档案管理工作的结束，造成了本末倒置的状况。第三是大数据管理工程档案中出现浪费，且没有重视数据库及软件开发应用。不仅仅是数据库的建设，针对当前大数据管理工程档案较少的开展整体性的开发应用，智能化的探析等问题。第四，大数据管理工程档案工作有着其特有的风险，存在着较大的安全隐患。在大数据时代，工程档案的管理工作在提高效率的同时，其风险也会随之增大，因此针对大数据管理工程档案的风险预警机制的构建势在必行。第五是当前跨领域、跨行业的数据共享仍存在大量壁垒[5]。
二、大数据管理工程档案与工程管理模型
大数据管理工程档案也是一个信息的整理的过程，本文在整合管理工程档案现有模型研究的基础上，结合大数据时代的来临给管理工程档案的实施带来的挑战和机遇，通过大数据管理工程档案来促进工程的发展，分析了的大数据时代来临下针对管理工程档案的双向决策模型，分别从工程评估与预测及工程监测与预警两个维度构建了针对大数据管理工程档案的方案[6]。因此，在本文中，针对大数据管理工程档案构建了两种工程档案管理的模型，第一个模型是数据驱动下的的工程监测和预警的模型，采用的技术是跟踪以及聚类；第二个模型是目标驱动的工程评估与预警模型采用的技术是推送以及表征，如下图1所示。1.工程内部集成档案数据目标驱动管理的工程评估与预测模型。工程评估与预测模型的是目标驱动的一个模型，也即在工程内部的目标驱动下的模型，也就是说在这一模型中，工程的决策者需求清楚的界定自己目标需求，根据自己的目标寻求实现目标的路径。可以使用普通的数据挖掘和收集的方法，利用工程信息系统中关于工程档案数据收集、整理以及分析计算等方法来达到，通过收集的数据表征、检索、可视化以及推送等技术实现工程档案大数据开展有针对性目标的挖掘，从而把这些收集整理的数据转化为可以为工程决策目标所利用的信息及建议。此外，工程评估与预测模型是于传统的数据挖掘和收集的方法上发展的，结合计量学学科中的相关技术方法应用于工程档案管理工作中，在目标驱动下对大数据时代来临时工程的策划、工程的实施以及工程的评估等工程档案数据中的海量信息进行有效整理和探析，以达致管理工程档案的效用，从而有效评估工程的发展情况，有效及时的对工程发展的最终目的进行预测。2.工程外部网络信息建档数据驱动管理的工程监测与预警模型。大数据时代来临时工程外部网络中有着海量的有用信息，这些信息对于工程建设中的新思维、新想法能起着启发或促进作用，大数据管理工程档案可以通过实时建档对这些有效核心数据加以收集和利用，在工程实施过程中，可以通过大数据收集对工程发展有积极作用的新信息和新技术，同时对于工程的不利影响因素和工程竞争对手的一些相关技术进行监测，在监测后针对所有会发生的情况进行分析，最终建立起工程的预警和监测档案数据库，从另一个角度说，这也是建立工程监测与预警模型的最终目标。与工程评估与预测模型的目标驱动不同的是，工程评估与预测模型通过预先定下的目标，来根据目标收集和整理相关数据，而工程监测与预警模型则不同，其更为重视通过数据系统自主分析来对网络舆情进行研究，大数据时代来临时的舆情分析系统有聚类、热点主题检测等相关的计算机文本信息的内容识别技术。3.工程管理档案大数据安全战略体系构建。以档案大数据的方式来对工程的实施进行管理有着安全的风险，这也是大数据管理工程档案的存储存在的新安全问题，一般来说，工程档案数据的数量以及质量会对安全存储系统的运行状况带来影响，大数据管理工程档案中的安全存储技术的升级速度较之数据增长的速度慢，因此，相应的面临的大数据安全防护预警风险也大。
三、对策建议
购物车(0)
