软件规模-功能点分析法

news2026/4/28 15:31:46
功能点分析法是在20世纪70年代中期由IBM委托 Allan Albrecht 工程师和他的同事为解决代码行度量法所产生的问题和局限性而研究发布发表于1979年随后被国际功能点用户协会继承。该方法基于应用软件的外部内部特性以及软件性能进行一系列间接的规模测量。其特征是在外部式样确定的情况下度量从用户角度考虑的系统规模。这也是功能点分析法的最大特点一-从用户的角度以用户的观点来考虑和估算系统的规模。因为在系统初始阶段用户功能需求是唯一真正可以得到的信息任何程序大小或代码行数的猜想实际上都是从系统要提供的功能性推演而来。功能点的这种特性也就决定了其可以在软件项目开始前用于估算系统规模因此得到众多企业的欢迎。软件需求规格说明找出事务处理功能确定其复杂度找出数据处理功能确定其复杂度计算未经调整的功能点利用功能点分析法来确定一个软件系统规模的般步骤如图所示:根据14项通用系统特征进行评估(1)确定未调整的功能点数。未调整的功能点(Unadjusted Function PointsCountUFPC)指系统包含的所有与外部交流的界面、系统中包含的所有处理文件(如数据库等)以及与外部的接口等。这些内容根据其性质的不同被划分为两大类:数据处理功能和事物处理功能。计算值调整因子计算功能点数量1数据处理功能。数据处理功能类型代表提供给用户的功能性以满足内部和外部的数据需求。它又包括内部逻辑文件(Internal Logical File,ILF)和外部接文件(External Interface File,EIF)两类。内部逻辑文件指系统内部存储并由系统维护的数据和文件即外部输入更新的文件集合这里的更新指通过一个基本操作来对它进行增、删、改的操作。ILF的维护就意味着ILF的数据可以通过系统支持的外部输人进行修改;外部接口文件指由其他应用提供的在本应用中只对其进行访问的文件即没有更新等维护操作只有查询操作的文件。ILF和EIF的识别规则为:同一系统的同一文件不能同时定义成ILF和EIF只能是其中之一。一个系统的EIF必然是另一个系统的ILF由另一个系统维护。多个系统的相同文件如果由各自的系统维护也可以定义成一个ILF。有一些文件如索引文件、恢复日志等不能作为ILF或EIF因为它们不是用户可识别的文件。事务处理功能。事务处理功能类型是指用户通过应用程序处理数据的功能性包括外部输入(ExternalInput,EI),外部输出(External Output,EO),外部查询(External Query,EQ).外部输人指一个处理来自本应用边界之外的一组数据或者控制信息的基本处理计算每个用户的输人;外部输出指一个向应用边界之外或者用户提供经过加工处理的数据或者控制信息的基本处理计算每个用户输出通常把报表算做外部输出;外部查询指一个向应用边界之外发送数据或者控制信息的基本处理它是输入与输出之间唯一的结合简单地说就是数据的检索。未调整功能点数基本算法。UFPC a1 XEIa2XEOa1 XEQa1XILFag XEIF其中:a是5种类型功能点权值的取值其值是由相应特性的档次决定的。依据标准可以计算出系统中所包含的每种元素的数目乘以各自的加权值其合计数即为系统信息处理的规模也即未调整的功能点数。对于5种类型功能点的权值的取值如表所示。根据项目的具体难度和复杂度情况大致地将功能点加权值的取值分成这三个档次对于每个档次的权值的具体数字功能点法有一般的规定。由表11.1可知功能点权值选取的关键是确定功能点的档次。一般依据数据元素类型(Data Element Type,DET),记录元素类型(Record Element Type,RET)和文件类型参考(File Type Referenced,FTR)的数量的多少来共同确定功能点的档次。关于如何确定功能点的档次在此不做详细介绍。(2)确定值调整因子。影响软件系统功能点数的因素是多方面的即使相同的影响因素在不同的软件系统中的影响程度也是不同的。所以未调整功能点数必须根据不同影响因素对系统的影响程度加以调整一般通过为未调整功能点数乘以值调整因子来实现。值调整因子(ValueAdjustment Factor,VAF)指应让用户了解的系统实现的复杂程度。它按照系统的基本复杂程度被分为14个方面分别为:数据通信、分布式数据处理、性能、大量使用的配置、事物频度、在线数据输人、界面复杂程度(最终用户效率)、在线升级、内部处理复杂程度、代码复用程度、安装难易程度、操作难易程度、多站点支持、易改变性。依据每个方面对系统的影响程度推导出VAF这些特征影响程度的估值都是0~5。推导公式为:ZFVAF0.65 0.01X14其中∑F为14种系统特性对系统整体的影响程度。(3)确定功能点数。系统的总功能点数可以根据已经得出的UFPC和VAF值获得从而就得出了一个软件项目的整体规模。总功能点数的计算公式为:FP UFPCX VAF功能点分析法与其他软件规模估算方法相比优势体现在以下几个方面:1功能点的计算独立于技术(操作系统、编程语言和数据库)及开发者的生产率和所用的方法通用性较强。2功能点分析法通俗易懂比较容易为用户和其他非专业人士理解和使用。3功能点易于计算只需要花费极少的工作量和时间。4功能点的计算方法使用的信息来自需求定义比较方便。功能点分析法的优点使得它受到广泛的欢迎成为一种常用的估算方法。功能点分析法本身也存在着一些缺点:1功能点分析法的主观性较强。虽然在国际功能点用户协会(International Function Point User Group,IFPUG)公布的标准版本中对功能点法的事务处理功能、数据处理功能以及值调整因子等都有明确的定义并对其取值范围做了明确规定。但在其中一些细节上尤其是在DET和值调整因子的估算上仍是比较主观的。由于这种主观性使得对于相同的软件项目由不同的估算人员得出的结果往往大相径庭。2功能点分析法对复杂性的重视不够。功能点分析法只是简单地分解系统的功能分别估算然后用它们的和来反映整个系统。但是一个复杂的系统采用的分析方法应该比其各部分的和复杂得多;程序处理逻辑可能包含复杂的算法和计算这可能耗费大量工作量而且隐含着复杂度而用户接触不到的逻辑处理的复杂度和所需工作量都被低估了;复杂度被粗略地分成三种类型:简单、一般、复杂;区别三种类型的界限不是非常清晰在一个类别的临界点只要增加一个条目就能使整个系统的估算值发生很大的变化。3功能点分析法在系统特性即调整系数上考虑不够准确。随着软件开发技术的不断发展用户需求的不断改变系统种类的不断更新14个系统特性的调整系数已经无法适应现在软件规模估算的需要从而降低了利用系统特性调整功能点的作用。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2535135.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…