博客
关于我
UML— 用例图
阅读量:795 次
发布时间:2023-02-24

本文共 1191 字,大约阅读时间需要 3 分钟。

用例图(Use Case Diagram)入门

用例图的定义

用例图是一种常用的统一建模语言(UML)图形化表示工具,用于描述系统中的用户、用例以及它们之间的交互关系。其核心目标是帮助开发人员清晰地理解系统的功能需求和用户行为,从而便于系统设计和实现。

用例图的核心要素

1. 用例(Use Case)

用例是描述用户或其他参与者在特定情境下如何与系统互动的行为序列。它通常以动词-动词形式出现,例如“登录系统”、“查询课程信息”等。

2. 参与者(Actor)

参与者是系统外的实体,包括用户、客户、管理员等,它们在系统中扮演特定的角色。例如,学生、教师、学校管理员等。

3. 关系类型

用例图中参与者与用例之间可以建立多种关系,包括:

  • 关联(Association):描述参与者与不相关的用例之间的关系。使用实线表示。
  • 泛化(Generalization):描述一个用例如何被另一个更一般的用例替代或具体化。使用空心实线表示。
  • 包含(Containment):描述一个用例的行为包含另一个用例的行为。使用虚线和“包含”标识。
  • 扩展(Extension):描述在基础用例的基础上增加新的行为。使用虚线和箭头表示。

用例图的绘制方法

关联关系

  • 什么:描述参与者与各个不相关的用例之间的关系。
  • 如何:使用带箭头的实线连接。

泛化关系

  • 什么:一个用例可以被特别列举为一个或多个子用例,这被称为用例泛化。
  • 如何:使用空心箭头的实线连接。

包含关系

  • 什么:其中一个用例的行为包含了另外一个用例。
  • 如何:使用虚线,并在线上加上《 include 》标识。

扩展关系

  • 什么:在基础用例的基础上添加新的行为。
  • 如何:使用虚线,箭头指向被拓展的用例。例如,归还图书用例的拓展是缴纳罚款(因为如果不能及时归还图书就要缴纳罚款)。

机房收费系统用例图

以下是机房收费系统的用例图示:

  • 用户登录系统

    • 用户通过提供账号和密码登录系统。
    • 系统验证账号和密码,成功则跳转到主界面。
  • 查询收费详情

    • 用户点击“查询收费”按钮。
    • 系统显示所选机房的收费项目和费用明细。
  • 缴纳费用

    • 用户点击“缴纳”按钮。
    • 系统生成缴费凭证并跳转到支付页面。
  • 支付成功

    • 用户完成支付操作。
    • 系统显示支付成功提示,并跳转回主界面。
  • 系统管理

    • 管理员通过提供管理员账号和密码登录系统。
    • 系统验证账号和密码,成功则进入管理界面。
  • 管理机房信息

    • 管理员点击“管理机房”按钮。
    • 系统显示当前机房列表,用户可以添加、编辑或删除机房信息。
  • 查看历史缴费记录

    • 用户点击“查看历史缴费”按钮。
    • 系统显示用户的缴费记录,包含缴费时间、金额和收费项目。
  • 总结

    用例图通过直观的图形化方式展示了系统的功能需求和用户行为,是软件设计和开发的重要工具。通过明确参与者与用例之间的关系,可以帮助开发人员更好地理解系统的需求,从而提高设计质量和开发效率。

    转载地址:http://qvpfk.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>