自学DAMA-DMBOK2之对Zachman企业架构框架的解读分享

Posted 2023-04-01 zzong2020

最近在学习DAMA数据管理知识体系指南这本书，现在学习到第四章数据架构的内容，在阅读过程中发现书中有些翻译还是比较难以理解的，比如对于Zachman企业架构框架的理解，下面就把我的个人理解与大家进行分箱，希望对各位有所启发~

首先对企业架构做一个概述。DAMA数据管理知识体系指南中讲到，架构是对组件要素有组织的设计，旨在优化整个结构或系统的功能、性能、可行性、成本和用户体验。企业架构包含多种不同类型，如业务架构、数据架构、应用架构和技术架构。良好的企业架构管理有助于组织了解系统的当前状态，加速向期待状态的转变，实现遵守规范，提高效率的目标。

不同的组织有不同的企业架构，但是在搭建企业架构时可以有一个通用的模板提供参考，这就是企业架构框架。常见的企业架构框架包括Zachman框架、Togaf框架、FEA框架等，其中最经典的应该是Zachman框架。这是由John A Zachman在上世纪80年代开发出来的，这个框架为以后企业架构框架的衍生提供了较大的理论基础。接下来就对Zachman框架进行一个详细的介绍。

Zachman框架是一个二维矩阵图表，两个维度分别是问询沟通（What、How、Where、Who、When、Why,即5W1H）和重新定义转换（识别、定义、描述、规范、配置和实例）。框架分类按照单元格呈现，即问询和转换之间的交叉点，框架的每个单元格代表一个独特的设计组件。具体的Zachman框架简化版如下图所示：
这里特别说明一下，我没有完全照搬DAMA数据管理知识体系指南第73页的图4-2 简化的Zachman框架的图示，而是按照自己的理解进行了调整，个人认为这样理解起来更清楚，如有不妥之处也欢迎各位专业人士批评指正~

接下来对照这个图表，可以再对Zachman框架的两个维度信息进行进一步的理解。

1.在问询沟通时，可以对任何一个实体层面按照5W1H的方式进行提问，将答案转换成企业架构，具体如下：

（1）什么（What）：表示的是数据架构的实体，这里其实可以理解成数据。

（2）怎么样（How）:表示执行的活动/流程。

（3）在哪里（Where）:表示业务/技术位置，这里其实可以理解成数据存储/网络分布。

（4）谁（Who）:表示角色和组织，这里其实可以理解成工作职责。

（5）什么时间（When）:表示间隔、事件、周期和时间表，这里其实可以理解成具体实施的数据管理项目，从战略规划到实施落地的自上而下过程。

（6）为什么（Why）:表示目标、策略和手段，这里其实可以理解成业务驱动因素。

2.重新定义转换描述的是将抽象的概念转变成为具体实例的过程。矩阵中的每一行代表一个组织中的角色，包括战略规划者、数据/系统所有者、架构师、工程师、技术专业人员（实施者）和用户。每个角色对整个过程和不同问题的解决都有不同的视角，具体说明如下：

（1）高级管理层视角（业务背景）：定义不同模型范围的业务元素目录。

（2）业务管理视角（业务概念）：明确管理层在定义业务模型中所涉及的不同业务概念之间的关系。

（3）架构师视角（业务逻辑）：作为模型设计的架构师细化系统需求，设计系统逻辑模型。

（4）工程师视角（业务实体）：作为具体模型创建的工程师，在特定技术、人员、成本和时间限制内，优化和实施为具体应用设计的物理模型。

（5）技术人员视角（组件程序集）：采用特定技术来解释配置模型的技术人员如何使用、组装和实施配置组件。

（6）用户视角（操作类）：参与人员所使用的的实际功能实例，这个视角下是没有模型的。

对Zachman企业架构框架的评价：

Zachman框架从本质上来说是对企业架构描述的一种分类法，其对于如何解决企业信息化发展所面临的问题（系统复杂度管理、业务与信息技术的不协调发展）能够提供如下的帮助：

给出了企业架构内容的描述和分类法，从而可以复杂的系统进行分解描述。
确保每个干系人的每一个关注点被照顾到。
改进每个架构制品使其更加契合目标受众的关注点。
确保业务需求可以被映射到技术实现之上，同时每个技术实现也可以被回溯到业务需求之上。
加强业务人员与信息技术人员的沟通和交流，减免以前因缺乏沟通而导致的无谓的内耗。
尽管如此，有些学者并不将Zachman看作为一个框架（例如，《Comparison of the Top Four Enterprise Architecture Methodologies》 的作者），而仅仅把其当成企业架构描述的一个内容分类法。这种看法是有其根据的，就其原因还是因为此框架在如下方面无法给予解答：

虽然此框架描述了企业架构应该包含哪些内容，但是并没有给出如何创建这些内容，亦即缺乏一种关于架构开发过程的描述。
在此框架之下企业架构内容就像一张静态画面一样，而企业架构是应该随着企业的发展而变化的，因而如何在不断地演进过程中对企业架构进行治理也是他缺乏的内容之一。
此框架并没有提供一个判别标准，因而无法了解按照此种方式组织的企业架构是否是一个好的架构，也就是说该框架缺乏成熟度框架。
以上就是本次分享的全部内容，之后我会陆续和大家分享DAMA-DMBOK2中关于各个知识领域和其他相关主题的介绍，欢迎继续关注，也希望和更多正在学习DAMA-DMBOK2及从事数据管理相关工作的朋友进行交流，有什么问题欢迎评论区留言，也可以私信交流！感谢~

Qcon大会百度智能云出招，AI-Native云计算架服务企业融合创新

云计算在与人工智能技术的融合发展正在助力企业打破传统的开发边界。

5月29日，Qcon 全球软件开发大会2021北京站在北京国际会议中心盛大召开。百度智能云带来了“云智一体”的 AI-Native 架构，为创业者、企业家提供更好的 AI 服务。

QCon 全球软件开发大会旨在通过分享时下热门的创新技术、实践案例、产品思维和管理心得，帮助 CTO、产品技术负责人、技术管理者、架构师、工程师和产品经理等中高端 IT 从业人员与企业一起，共同探讨人工智能时代 AI 核心技术发展趋势以及如何落地应用。

进入 AI-Native 阶段 人工智能驱动行业创新发展

AI 算力和 AI 需求大爆发的时代已经来临。人工智能技术的飞速发展，依托于算法、算力和数据的快速发展。百度集团副总裁侯震宇在大会主题演讲中提到：“云计算已经进入到 AI-Native 的阶段，我们的应用服务要更好的拥抱 AI 的基础设施，智能计算将成为 AI 新基建发展的新动能。”

早在2020百度智能云智能计算峰会上，百度首次提出了 AI-Native 概念，并率先打造出 AI-Native 服务架构，成为了新一代的云计算服务体系。百度的 AI-Native 服务架构将为产业创新升级提供更好的 AI 服务。从架构的角度，百度智能云 AI-Native 架构可以看作“1个云基础设施层”，“2个平台层”即工程平台与应用开发平台，和顶层的“方法论”。

百度智能云 AI-Native 的云计算架构

夯实云基础建设 提升 AI 算力

芯片是人工智能发展重要的底层硬件设施。为夯实云基础建设，百度实施领域定制芯片。比如在工业制造领域，百度推出了昆仑 AI 芯片。目前，百度基于昆仑1芯片推出了昆仑2，并已进入量产阶段。昆仑2芯片采用7nm 先进工艺，性能比昆仑1提升3倍，使算力进一步提升。

百度鸿鹄芯片是百度推出的远场语音交互芯片，采用软硬一体化的设计，具备远场阵列信号实时处理、语音语义一体化建模、360度唤醒和识别功能，可广泛应用于智能家居语音交互、智能车载语音交互、智能物联等场景中。

AI 计算必须软硬结合。百度推出的软硬一体的 AI 集群结构，可系统性的解决可扩展性、计算、通信、IO 四大挑战。

在大会现场，侯震宇向嘉宾介绍了百度超级AI计算平台 X-MAN。目前，X-MAN 已经升级到第四代，是业界首款支持 OAI 标准和液冷散热的超级 AI 计算平台，可解决 CPU+GPU 配比计算、通信带宽瓶颈、高性能存储三大问题。百度 X-MAN 超级 AI 计算平台提供极致的计算性能，支持超大复杂算法模型，能够快速及时处理海量数据。自诞生以来，百度 X-MAN 超级 AI 计算平台历经3代发展，3次架构升级，创造6项业界第一，同时期关键技术&性能保持领先，引领行业发展趋势。目前，X-MAN 系列产品已在百度大规模应用，正在助力百度 AI 战略快速落地。

在新基建浪潮中，数据中心呈现数网融合、软硬结合、云边端协同等技术发展趋势。百度数据中心不断迭代，目前已迎来了第五代。在今年“2021数据中心高质量发展大会“上，百度【“冰川”相变冷却系统】与【数据中心光互联高速保护系统及技术】分别荣获 “DC-Tech 卓越创新先锋”和“DC-Tech 优秀创新先锋”两项大奖，彰显了百度在数据中心基础建设领域卓越的创新能力。在大会上，侯震宇提到互联网数据中心面临的问题和挑战，并分享了百度数据中心的解决方案。

此外，侯震宇还介绍了数据中心高速网络，分享了计算 POD 与存储 POD 如何通过数据中心网络进行互联。

打造 AI 工程平台 提升应用开发效率

飞桨平台、数据智能平台、云原生平台、云边端一体平台共同构成了 AI-Native 工程平台。AI-Native 工程平台致力于简化开发过程，提升企业应用开发效率。以飞桨平台为例，百度飞桨是开源开放的产业级深度学习平台，集深度学习核心训练和推理框架、基础模型库、端到端开发套件和丰富的工具组件为一体，帮助开发者快速开发 AI 应用。

在 WAVE SUMMIT 2021峰会上，飞桨发布了2.0最新版本，从基础模型库、端到端开发套件到工具组件都进行了升级，全面提升了开发者开发体验。在会议现场，侯震宇带来了飞桨企业版的全景图，向嘉宾讲解了飞桨在深度学习领域的最新研究成果，引发了热烈反响。

“云智一体” 助力 AI 应用开发

AI-Native 的 AI 应用开发平台具备“云智一体“的核心技术，助力企业实现云能力与 AI 能力的深度融合，最大化的发挥出云计算性能，实现与视频、区块链、硬件等生态的链接，让客户享受到端到端的应用开发全流程体验。在会上，侯震宇带来了百度智能云最近发布的智能视频云全景图。百度智能视频云融合了百度前沿的视频云技术和 AI 能力架构矩阵，从云智技术一体化、产品平台化、应用场景化三个层面全面赋能视频创作、生产、应用等全流程，在广电媒体领域、工业领域、交通领域等场景有着广泛应用。

智能视频云全景图

此外，百度智能云凭借“云智一体“技术优势，总结出三大方法论，包括互联网架构、数据智能、模型工厂，为更多企业上云提供参考，为各行各业提供 AI 解决方案。

深度学习专场  探讨零门槛创新研发

本次大会中，百度还为开发者们带来了《百度深度学习技术解读与应用》专场，为大家介绍飞桨核心框架 v2.1和模型库的最新特色，让开发者了解深度学习框架的架构和核心技术，助力开发者更高效地进行深度学习算法研发；通过解析轻量化部署场景的特殊性，讲解轻量化推理引擎 Paddle Lite 中的重要设计和技术决策，有助于开发者在自己的业务中复用；最后，对飞桨企业版 EasyDL 和 BML 做了详细解读，助力开发者通过 AI 开发平台快速定制与应用高精度的模型，并进一步了解其背后的核心技术。

作为我国首个自主研发、功能完备、开源开放的产业级深度学习平台，飞桨基于百度多年深度学习技术研究和业务应用，致力于帮助更多行业完成 AI 赋能。目前，飞桨已凝聚320万开发者，服务企业达到12万家，基于飞桨深度学习开源平台创建了36万个模型。未来，飞桨将持续引领深度学习技术发展和跨界科研突破，同时不断降低技术应用门槛，加速 AI 大生产，推动产业智能化进程。

在产业智能化的征途中，百度智能云通过“云智一体”、端到端的方式把“智”输送给产业，让人工智能融入传统企业的速度与效率不断加快。百度作为领先的 AI 生态型公司，还将不断夯实智能化基础设施，为企业提供更多领先的智能化解决方案，推动产业智能化升级。