2008年软件产业和技术展望 (转)

本文预测了2008年的IT行业趋势,包括SaaS在中小企业中的普及、软件外包行业的发展、Ajax和富客户端技术的应用、Spring/Hibernate/EJB等框架的发展态势以及中间件领域的并购情况。
1)关于SaaS:2007年是SaaS/S+S的概念推广年,2008年会有相当一部分中小企业采用SaaS模式来作为自己企业的信息化手段。 2007年初,我在自己的Blog上说,未来3-5年,对于规模较小的中小企业的信息化,我判断有20%-30%的中小企业,必定会走向SaaS模式( http://blog.youkuaiyun.com/bjblues/archive/2007/01/27/1495580.aspx)。
   现在这个结论依然有效,速度可能会加快,可能未来2-3年内,30%-40%的中小企业,都会采用SaaS模式作为自己企业的信息化手段。
   下面咱们来看看国内的软件厂商都为SaaS的到来作了哪些准备
  (1)金蝶:金蝶友商网( http://www.youshang.com/) 的推出,我只能用“震惊”来形容,不仅有阿里巴巴那样的B2B网站,而且 在线进销存/在线会计/在线仓库等等SaaS模式软件,是我见过的最成熟的SaaS模式的进销存,金蝶在技术上厚积而薄发,金蝶 在技术上的优势逐渐表现出来了。就像在市场上,金蝶和用友的差距大一样,在技术上,个人认为,用友和金蝶的差距也是蛮 大的,技术和市场的倒置是蛮有意思的一件事情,不过我个人认为,未来3年,金蝶凭借自己的技术优势和进一步的引进管理人才, 再加上IBM的巨额投入和大力相助,在SaaS等新的商业模式上,在市场上超越用友,倒不是不可能。
  (2)用友:用友对SaaS这块大蛋糕,不可能无动于衷,再说,用友进销存的传统客户,也都是中小企业,听说用友2年前就成立了SaaS应用 的在线事业部,只是一直未看到用友SaaS软件的推出。
  (3)神州数码:神州数码也在推自己的SaaS软件,我下载了,并安装了一下来试用,只能用一个字“烂”来形容,我想神州数码并没有 在思想上和行动上为SaaS做好准备,只是为了推出SaaS软件,赶上SaaS这趟班车而不得不从某处找来一个软件和凑数。
  (4)阿里巴巴:阿里巴巴也推出自己的SaaS应用的在线进销存软件,客观地讲,阿里的在线进销存,可以说麻雀虽小,五脏俱全,但真的是 太简单了,好像是专门为陶宝上的小卖家来用的,和金蝶的友商网,不是一个重量级的。
  (5)金算盘:金算盘是最早推出“进销存”等SaaS应用的软件公司,不过,金算盘老板的格局不够大,所以虽然最早发现了SaaS的蓝海,并 最早推出了自己的产品,但是否能真正笑到最后,不被金蝶/用友超越,不是很好说。
  (6)中企动力,中企动力也是较早的推出了自己的SaaS应用的平台,基于中企动力SaaS平台的客户群还不小,建议有实力的厂商把 中企动力的这一块业务买过来
  (7)其余一些中小企业:比如铭万(也是得到了IBM的赞助)的CRM等等,都会不遗余力地去争抢这份蛋糕,市场前景如何,我们可以拭目以待。

SaaS这块软件厂商,我最看好的还是金蝶。
 
2)关于软件外包
   2007年11月16号,第一家软件外包公司在纽约证交所上市,文思创新的上市,是外界对外包这个行业的认可,前2年并不看好外包行业的哥们,真的应该去 买那本“世界是平的”的书好好来看看了。2008年,个人依然很看好外包行业,不过,外包公司面临的以下难题依然没有得到解决:
   (1)对精通英语的技术高手/项目经理这类人才的竞争会加剧,文思创新的上市,会进一步刺激软通动力/博彦/海辉/中软国际/长城软件/浪潮 等等外包公司,对精通英语的技术高手/项目经理这类人才的竞争会加剧,每家企业不得不付出更大的努力/更高的薪水甚至是股票和期权 来吸引这类人才,所以大家要想加薪,还是得拼命学习英语阿。
   (2)由于外包企业/软件公司,向来不是真正的以人为本来对待程序员这类技术工人,所以程序员之间的安全感很差,流动率较大, 较高的流动率对外包行业来讲,也是一个硬伤。
   (3)人民币的升值,对于以欧美为主的外包软件公司,他们和被外包公司之间的结算往往是按照美元来结算的,在可预见的将来,由于人民币 持续升值,也给这些外包公司的盈利,带来阴影
3)关于Ajax和富客户端
   (1)Ajax,在2007年,得到了平稳的发展,不过,我不建议在2008年,依然对Ajax做更大的投入,保持目前现状,为更新技术的出现做好准备就可以了。
   (2)关于富客户端,个人比较看好Adobe的Flex,随着Flex SDK的开源,Flex会被越来越多的大公司所采用,比如Oracle和SAP.  对于JSF,在国内,由于金蝶的大力推广的关系,会有一小部分公司基于JSF开发,不过,很难形成主流。基于JSF的Seam倒是很好的一个 Framework,如果JSF能够被换成Flex,将会对未来的Framework造成巨大冲击。Flex的问题就是缺少一个很好的完成增加/修改/删 除/查询的  成熟的Framework,就像ROR的 ActiveRecord那样的神兵利器。
4)关于Spring/Hibernate/EJB
   (1)Hibernate在2008年,依然会保持平稳发展,不过,对于SaaS应用来说,采用Hibernate,倒不是很合适的,Apache DAS/SDO的推出,在 很多应用,都可以替换Hibernate,我想Hibeinate以后,会逐步被替换掉
   (2)Spring:在稍微大一些的产品和项目中,个人一直不是很看好Spring,只是国内的某些大X一直在鼓吹Spring. Spring只是在EJB2.0给大家 带来巨大开发成本/开发/部署难度的时候 ,带来了一缕春风,好一个<<J2EE without EJB>>,只是Spring解决一部分J2EE开发难题的同时,带来 了另外的什么都是XML配置的难题,虽然Spring也意识到了这个问题,并不断推出新的版本,但是Apache SCA规范开源实现的推出
   (http://incubator.apache.org/tuscany/sca-java-releases.html),使我们看到了<<J2EE with SCA without Spring>>的实现. 个人认为,在2008年以及以后的1-2年,Spring会逐渐被SCA规范的开源实现代替. 
     
5) 关于Eclipse和NetBeans
    NetBeans已经推出了6.0,仅仅对于IDE来说,Netbanans会有自己的一块之地,但是对于整个产业链和开发平台,NetBeans想全面超越Eclipse,还是不可 能的
6)关于中间件和中间件厂商之间的并购
   2007年,Oracle和IBM购买了大量的中小企业中间件厂商,甚至像BEA这样的大公司,也差一点被Oracle买掉,不过,在2008年,随着该 卖的已经卖了,该买的也已经买了,2008年企业之间的并购,会减少了很多(倒是国内,像工作流之类的中间件公司之间的并购,很可能会发生几起)。
   BEA公司的去向,还是一个未知数,我在这里大胆说出一个大公司之间的并购,如果BEA/TIBCO/Sybase之间互相合并了,不知道会不会跟 Oracle有一拼了?这3个公司的主要优质客户都是电信和银行,BEA的优势在于Weblogic这样的基础中间件,Tibco的优势在于EAI和消息 中间件,Sybase的优势当然是数据库了。

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机子角度、速、电压功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值