aiwiki.page
中文
计算机 / 软件与编程 / requirements-engineering

需求工程

需求工程识别、明确、确认并管理系统开发与演进所依据的需求和约束。

29 个关键词3 个词条链接到这里9 个尚未撰写AI 撰写
软件工程网页无障碍人机交互有限状态机数据库身份认证形式验证模型检验需求工程

需求工程是对系统必须实现的目标及其运行所受约束进行系统性探究、记录、分析、确认和管理的过程。它将组织的宗旨及受系统影响的人群的需求,与系统构建、采购、运行和变更过程中涉及的技术决策联系起来。尽管需求工程与软件工程密切相关,它也适用于融合软件、硬件、人员操作规程和物理过程的系统。

一项需求可以表述为外部可观察到的能力、质量门槛、法律义务、接口规则,或对开发环境或运行环境的限制。因此,需求工程不只是收集各方提出的功能要求,还要考察所提出的需求是否切中根本问题、彼此是否相容且可行,以及需要哪些证据来证明这些需求已得到满足。其产出包括规格说明、模型、验收准则、决策记录,以及持续维护的需求、设计、实现与测试之间的关联。

需求工作贯穿系统的整个生命周期。早期活动确立系统的目的和范围;后续活动则逐步澄清不确定之处、解决分歧、评估变更,并将系统运行中获得的证据纳入考虑。核心难点在于,需求所涉及的社会与技术环境不断演变,其中的参与者可能掌握的信息不完整、利益相互冲突,且对同样的措辞有着不同的理解。

概念基础与系统边界

需求工程首先要区分问题与拟议的解决方案。某个组织可能提出开发移动应用的请求,而其根本需求其实是减少爽约。应用只是可能采取的措施之一;调整预约安排流程、提醒渠道或人员配置,也可能实现同样的目标。若将所请求的实现方案直接当作需求,就可能掩盖其他选择,也会使成效难以评估。因此,有用的需求描述应当明确预期结果、受影响的个人或组织,以及该结果在何种情境下具有意义。

系统边界决定了哪些职责属于拟建系统,哪些属于其环境。以自动门禁为例,软件可以向执行器发送指令,但能否顺利通行还取决于传感器、电力供应、机械部件和人的行为。需求必须区分软件能够观测到的信息,以及软件无法直接检测或控制的环境条件。系统工程负责在更大范围的整体中分配职责;软件需求则进一步细化分配给软件的职责。这一区分至关重要,因为即使程序本身正确,包含它的整体系统仍然可能无法达成目标或存在安全隐患。

帕梅拉·扎夫与迈克尔·杰克逊在1997年的研究中提出的一种表述,将领域假设、规约与需求之间的关系表示为

K∧S⊨R,K \land S \models R,

其中,KK 表示环境的相关属性或对环境的假设,SS 规定待构建机器的行为,RR 则陈述在问题所处的现实世界中需要产生的效果。这个表达式的含义是:环境假设与所规定的机器行为相结合,应当能够推导出需求得到满足。这并不意味着每个项目都采用数学规约。其实际意义在于:如果不对系统运行于其中的世界作出假设,仅凭规约无法保证现实世界中的结果。

需求通常按多个层次组织。业务需求描述缩短处理时间等目标;利益相关方需求从特定视角描述所需的能力;系统需求和软件需求则界定更为精确的要求。这些层次并不只是篇幅逐渐增加的文档,而是代表着不同类型的推理与职责。一个业务目标可能通过多项相互配合的技术措施和组织措施来实现,而一项技术能力也可能支持多个目标。需求工程保留这些关系,而不预设每一条高层需求都能整齐地分解为一棵独立的低层需求树。

历史发展与专业标准

随着软件项目规模扩大,仅靠程序作者之间的共同理解已不足以把握软件的用途,需求工程也随之发展起来。大型国防、航空航天、工业和行政管理系统要求客户、承包商、操作人员及各专业工程师相互协调。1968 年的北约软件工程会议推动了将软件开发视为工程问题的观念,其中也包括如何明确软件应当做什么这一难题。早期的生命周期模型常将需求视为起始阶段,但实践经验反复表明,对需求的理解会在设计、实现和使用过程中发生变化。温斯顿·罗伊斯于 1970 年发表的论文经常被与瀑布模型联系起来,但论文本身也讨论了反馈,以及采用简单顺序式流程的风险。

20 世纪 70 年代和 80 年代,结构化分析推动了对数据流动、处理过程和存储信息的显式表示。数据流图、数据字典和实体—关系模型使人们能够在实现之前审查拟建系统的某些方面。形式化规约研究则探索了另一条路径:用数学方式表达行为,以便更精确地检验其性质。到了 20 世纪 90 年代,面向对象建模、场景和用例进一步丰富了可用的方法。伊瓦尔·雅各布森及其同事于 1992 年出版的《面向对象软件工程》,推动了用例的普及;用例通过描述交互,说明用户如何达成目标。

这一领域也逐渐形成了具有明确身份的研究共同体。首届 IEEE 国际需求工程研讨会于 1993 年举行,《需求工程》期刊于 1996 年创刊。研究日益关注组织背景、利益相关方的视角、目标建模、协商和需求演变,而不再将规约编写视为纯粹的技术写作任务。面向目标的需求工程包括 KAOS 和 i* 等方法,用于表示目标、达成目标的不同途径,以及各参与者之间的依赖关系。这些方法使围绕目的和责任的分歧更加明确。

标准为工业实践提供了共同术语和指导。IEEE 830-1998 阐述了软件需求规格说明的推荐实践,并被广泛视为以文档为中心的需求工作的代表性标准。ISO/IEC/IEEE 29148 于 2011 年首次发布,2018 年修订,涵盖系统和软件的需求工程过程以及需求相关信息项。ISO/IEC/IEEE 15288:2023 将利益相关方需要和系统需求纳入系统生命周期过程,而 ISO/IEC/IEEE 12207:2017 则针对软件生命周期过程。这些标准界定了应达到的要求和信息结构,而非规定某一种开发方法。项目可以采用迭代开发、模型、受管理的需求记录,或将这些方式结合起来,同时仍遵循严谨的需求实践。

利益相关者识别与需求获取

需求获取是一个调查过程,旨在发现、阐明并审视与需求有关的知识。相比“收集”,“获取”一词更为恰当,因为需求很少以一套完整陈述的形式存在,等着人们记录下来。参与者可能熟悉自己的工作,却无法描述其中的全部规则;可能省略他们认为显而易见的例外情况;也可能用熟悉的技术来表述诉求。调查者必须区分观察结果、偏好、假设、必须履行的义务以及提出的解决方案。例如,“每天早上必须能拿到报表”这样的陈述,会引出一系列问题:谁使用这份报表,哪些决策依赖它,以及源数据延迟到达时会怎样。

利益相关者的识别范围不应局限于购买方和预期的最终用户。相关群体还可能包括操作人员、维护人员、管理人员、支持人员、审计人员、外部服务提供商,以及受到系统间接影响的人。有权批准某项需求,并不意味着对该需求涉及的工作有深入了解。反过来,一线工作人员可能掌握关键的业务运作知识,却无权支配项目预算。因此,利益相关者分析需要考察影响力、职责、专业知识,以及相关各方在多大程度上会承受系统带来的后果。在面向公众的系统中,如果参与者仅限于已经能够顺利使用现有数字服务的人,就可能遗漏网页无障碍方面的需求。

不同的需求获取方法能够揭示不同类型的证据。访谈便于深入提问,研讨会则有助于参与者比较各自的理解,并协商形成共用的术语。观察和情境探查能够揭示回顾性叙述中可能遗漏的变通做法、工作中断和隐性惯例。文档分析可以查明既有政策、合同、表单以及接口方面必须遵守的要求。问卷调查能够覆盖更多人,但澄清含糊回答的机会较少。运行日志可以显示常见的操作路径和故障模式,不过,记录下来的行为反映的是现有系统的约束,不一定能揭示人们真正的需要。当工作依赖于交互细节和具体情境中的实践时,借鉴人机交互领域的方法尤其有用。

场景和原型能将抽象讨论转化为具体考察。例如,预约系统的原型可能揭示:工作人员需要预留应急接待能力,区分暂定预约与已确认预约,并在来电者意外断线后恢复预约处理。异常场景和失败场景与正常的成功流程同样重要。记录需求获取过程时,区分直接观察到的事实与推断出的内容,并保留重要陈述的来源和依据,也很有帮助。相互矛盾的说法并不只是文档编写上的缺陷:它们可能揭示各处不同的工作程序、彼此冲突的激励机制,或尚未解决的政策问题,而这些都不是仅靠实现新系统就能解决的。

分析、优先级排序与协商

需求分析将获取的材料整理为一套连贯的表述,说明所要解决的问题以及拟由系统承担的职责。典型活动包括界定术语、识别遗漏的情形、拆分复合陈述、对需求进行分类,以及分析依赖关系。例如,“立即批准申请并通知申请人”这一需求同时包含审批决定、通知操作和时间要求。这几个方面可能各自依赖不同的信息,也可能彼此独立地发生失效。需求分析将这些区别明确呈现出来,使设计决策和验收证据能够分别加以应对。当“客户”“账户”或“已完成”等日常用语具有特定的专业含义时,统一的领域词汇尤为重要。

模型通过呈现文字叙述可能掩盖的关系来支持分析。流程模型可以揭示部门之间缺失的交接环节;状态模型可以暴露取消后仍被允许执行的操作;数据模型则可以揭示,两个部门对其所称的同一条记录赋予了不同的标识。订单的有限状态机可以区分已创建、已授权、已履约、已取消和已退款等状态,并明确允许的状态转换。随后便可对照这些状态转换审查支付相关需求。建模的目的不是尽可能增加模型数量,而是选择能够揭示重要不确定性和矛盾的表示方式。

优先级排序用于分配有限的时间、资金和实施能力。常见方法包括排序列表、两两比较、成本—价值分析,以及 MoSCoW 分类法:必须有、应该有、可以有,以及本次交付不包含。当参与者借“必须”来维护部门利益时,仅有优先级标签并不足以支持决策。决策还取决于依赖关系、风险降低程度、交付时机和推迟实施的代价。恢复数据库等不易被用户察觉的能力,即使被用户排在直观可见的功能之后,也可能是系统具备运行条件的先决条件。数值评分可以让讨论更有条理,但其权重和估算本身仍体现了判断,而非消除了判断的影响。

协商旨在处理利益相关者的诉求与系统约束之间的不相容之处。更严格的身份认证可以减少未经授权的访问,却可能延长操作完成时间;详尽的日志记录可以支持调查,却可能与数据最小化原则相冲突。有些表面上的冲突会随着需求表述更加精确而消失,另一些则需要明确权衡或调整范围。将决策理由记录在案,可以说明考虑过哪些备选方案、哪些证据为选择提供了依据,以及谁拥有决策权。尚未得到验证的假设可以通过原型、技术实验或小范围部署加以检验。这可以防止不确定的估算在不知不觉中变成合同承诺,并将各方达成一致的折中方案与仍隐藏在需求规格中的不一致区分开来。

规约语言、模型与需求陈述

需求规约以足够精确的方式传达必须满足的要求,为达成共识、开发和评估提供依据。它可以采用结构化文档、逐条管理的记录库、可执行示例、图表、形式表达式,或这些形式的组合。每项需求通常都有一个标识符,以及来源、理由、优先级、状态和验证方法等属性。这些属性与需求陈述本身的用途不同。理由用于解释某项要求为何存在,不应引入受控需求陈述中未包含的额外要求。

自然语言仍被广泛使用,因为许多利益相关者都能阅读和审查。它的不足包括代词指代不明、限定语缺乏定义、条件隐含不明,以及使用连词将不同要求混在一起。“服务应快速响应”没有明确说明具体操作、工作负载、响应的起止界限,以及“快速”的含义。更便于测试的陈述可以规定:在明确界定的工作负载和测试环境下,至少 95% 的有效搜索请求应在两秒内收到完整响应。即使如此,仍需定义测量时段、哪些失败不计入统计,以及相关数据量。精确性来自对测量程序的一致理解,而不只是加入数字。

结构化形式无需使用完全数学化的语言,也能对表达方式加以约束。用例描述参与者、前置条件、主要交互序列、替代流程和结果。用户故事通常采用“作为某种角色,我希望具备某项能力,以便获得某种益处”的句式,但这句话通常是进一步讨论的起点,而非完整的规约。验收标准则补充具体条件。Given–When–Then(给定—当—则)等面向场景的格式描述初始情境、发生的事件以及可观察的结果。这类示例有助于揭示边界情况,但有限的示例集合可能无法明确规定一般行为。

形式规约使用具有数学定义的语言来表达状态、操作、不变式或时序行为。例如,库存不变式可以要求记录的可用数量永不为负;时序性质则可以要求,在明确的环境假设下,每个已受理的请求最终都必须得到一个终结结果。形式验证和模型检测能够比非形式化审阅更严谨地检查这些性质。其结论仍以所提供的模型和假设为前提。逻辑自洽的规约仍可能描述了错误的业务流程、遗漏了受影响的利益相关者,或将不安全的假设形式化。因此,形式化的精确性是对需求获取和利益相关者确认的补充,而不能取代它们。

质量属性、约束与横切关注点

需求通常分为功能需求和非功能需求。功能需求描述系统的能力或行为;非功能需求通常涵盖性能、可靠性、易用性、安全性、可维护性及其他质量特性。这种划分虽有用,却并不完善。安全需求可能规定一项具体功能,例如在登录失败达到指定次数后锁定账户;性能需求则直接约束可观察的行为。与其将功能清单之外的一切都归入一个剩余类别,不如使用“质量需求”和“约束”等更能说明问题的名称。重要的是区分一项陈述提出了什么必须满足的要求,以及将如何判定它是否得到满足。

质量属性需要放在具体的运行情境中理解。可用性可以表示为约定服务时段内服务可用的时间比例,但其计算取决于服务边界、计划维护时间的处理方式以及故障的定义。如果将所有时间都计入,那么在一年按365天计算的情况下,99.9%的可用性目标允许约8.76小时的不可用时间。但这个数字本身并未说明服务中断的分布:一次长时间中断与多次短时间中断可能造成不同的后果。同样,平均响应时间可能掩盖少数请求遭遇的严重延迟。百分位数、工作负载特征、恢复条件和测量位置等信息,能让需求得到明确解读。

信息安全、隐私和安全性往往要求分析不期望发生的行为,而不能只考虑预期用途。威胁模型用于识别资产、攻击者、入口点、信任边界及可能发生的攻击。由此得出的需求可能涉及访问控制、可审计性、加密或职责分离。数据隐私需求可以对收集目的、保留期限、披露和删除作出限制。安全性分析考察系统行为可能导致或促成伤害的情形,包括软件本身运行正确、但接收到错误的传感器数据或人员误操作的情况。这些关注点跨越组件边界,往往需要技术措施与程序性措施相互配合。

需求还会约束接口、部署环境和架构选择。应用程序编程接口可能需要明确的错误语义、兼容性规则和请求速率限制。互操作性不仅要求就交换信息的语法达成一致,还要求对其含义形成共识。具有合同效力的服务级别协议可以确立可衡量的服务承诺,而内部工程需求则必须明确支撑这些承诺所需的行为和资源。有些约束强制采用某种技术或平台;另一些则规定结果,同时保留设计上的选择空间。区分这些情况,既能在合理范围内保留软件架构的设计自由,也能揭示哪些限制需要给出明确的理由。

确认、验证与验收证据

需求确认关注的是:所陈述的需求是否充分反映了利益相关者的需要以及系统的预期用途。需求验证则检查需求制品是否符合既定的质量规则,例如表述清晰、内容一致、结构适当。与此不同,对已实现系统的验证关注的是:该实现是否符合为其规定的需求。不同标准和组织使用的术语有所差异,因此,项目必须明确检查的对象是什么,以及依据哪些准则进行检查。人们常用“构建正确的系统”与“正确地构建系统”来区分确认与验证,这种对比有助于理解,但不能取代上述更精确的区分。

评审是在实现之前评价需求的主要手段之一。跨专业评审可由领域专家、开发人员、测试人员、运维人员和利益相关者代表共同参与。评审者检查每条需求陈述是否必要、可行、易于理解且可验证,以及整套需求是否涵盖了相关情形。与有缺陷的语句相比,遗漏的需求往往更难发现,因为没有明确的陈述可供质疑。检查清单、场景走查、接口分析以及与领域模型的对照,都有助于发现遗漏。例如,一条预订需求可能准确描述了预订成功的情况,却完全没有说明多个请求同时争抢最后一个可用名额时应如何处理。

不同需求需要不同的证据。测试用于展示选定条件下的行为;检查用于审查制品或配置;演示用于展现可观察的运行情况;分析则根据模型、计算或其他证据推导结论。时序需求可能需要在指定环境下进行负载测试,而结构性限制是否得到满足,则可能通过检查来确定。对于涉及所有可达状态的性质,可以通过模型检验进行研究。没有任何一种方法在所有情况下都足够充分。测试无法穷尽不受限制的输入空间,而证明也无法确定未纳入模型的环境假设在实际运行中是否成立。

验收准则规定了交付成果、能力或合同义务在什么条件下可被视为已满足。验收准则必须区分可观察的结果与实现意图。对于账号恢复流程,准则可以涵盖合法恢复、凭据过期、重复尝试、通知以及审计事件,而不只是要求存在一个恢复界面。需求与测试之间的双向关联,有助于发现缺少证据支持的需求,以及目的不明确的测试。然而,通过所有已记录的测试,并不等于满足了利益相关者的所有需要。确认活动仍可能揭示不恰当的工作流程、遭到误解的术语,或测试环境未涵盖的运行条件。

可追溯性、基线与受控变更

需求可追溯性是指追溯需求的来源及其与其他开发和运维工件之间关系的能力。后向链接将需求与利益相关方的需要、法规、合同或观察结果相连接;前向链接则将需求与架构、实现要素、测试和验收证据相连接。需求之间也存在关系,包括细化、依赖、冲突和分配。这些链接说明了某项能力为何存在、在何处实现,以及变更时可能影响哪些方面。当需要在原参与人员离开很久之后重新梳理证据时,可追溯性尤其重要。

基线是一组经过标识并达成一致的工件,用作后续工作的参照。建立基线并不意味着需求从此不能变更,而是明确区分已获批准的状态与提议的修改。需求标识符应保持足够稳定,以保留历史关系;修订记录则记载需求含义和状态的变化。版本控制可以保留文本的历史记录,但仅有一系列文件修订记录,未必能体现审批权限、决策依据或语义依赖关系。因此,需求管理与配置管理有所重叠,但两者并不相同。

变更控制从价值、成本、时间安排、风险以及受影响的承诺等方面评估拟议的修改。例如,延长记录保留期限的请求,可能引起存储容量、备份流程、删除行为、隐私保护义务和运营成本的变化。影响分析会沿着相关依赖关系展开,而不是将请求视为对某一句话的孤立修改。负责决策的人员或机构可以批准、拒绝或推迟变更,也可以要求进一步调查。在某些合同约束严格或受监管的场景中,正式的变更控制委员会很有用;规模较小的团队则可以采用更轻量的决策机制。无论采用哪种方式,关键都在于:影响重大的决策是否公开可见,以及是否由适当的参与者作出。

可追溯性也有成本和局限。如果工件发生变化而链接未得到维护,链接就会变得不可靠;过度建立链接则会制造噪声,而非增进理解。标注为“实现”的关系,可能掩盖了仅部分覆盖需求的事实,也可能依赖于已经过时的解释。因此,有用的可追溯性需要区分关系类型,并聚焦于重要的决策和证据。基于图的查询可以找出关联测试已过时的需求,或受到多项拟议变更影响的架构组件。这些发现只是进一步调查的起点:链接的存在,并不能证明所链接的工件正确满足了需求。

迭代开发、运行中的学习与新兴自动化技术

敏捷软件开发改变的是需求工作的开展时机和组织方式,而非取消需求工作。2001 年的《敏捷软件开发宣言》强调协作与响应变化,倡导缩短反馈周期并不断调整计划。团队可以维护按优先级排序的待办事项列表,对近期工作进行较细致的梳理,而对较远期的可能事项则保留较粗的描述。产品目标、用户故事、验收标准和发布决策使需求信息分散在多种文档及沟通交流之中。这种安排可以避免过早细化,但如果关键知识仅留存在参与者的记忆中,也可能导致决策依据和贯穿各方面的责任要求丢失。

迭代工作区分探索与承诺。原型或实验可以用来探究某项拟议能力是否有用,而交付增量则确立旨在投入实际运行的系统行为。这些活动提供的证据类型各不相同。观察到的用户参与情况可以为有关易用性或价值的假设提供参考,但并不能证明系统满足了所有应尽的要求。在持续交付中,自动化检查和部署流水线可以快速评估选定的验收标准,而运行监控则能揭示开发期间未曾显现的故障和工作负载。反馈由此成为修订需求的输入,而不再仅仅是发布后维护阶段需要关注的问题。

基于机器学习的系统使某些需求尤其难以用确定性规则表达。分类器的性能取决于评估所针对的群体和条件,而不只取决于程序代码本身。因此,需求可能需要规定可接受的误差指标、评估数据的特征、各子群体的性能、运行限制、监控要求以及升级处理方式。即使没有任何软件组件发生变化,分布偏移也可能使部署前的假设在部署后失效。例如,欺诈检测器的需求必须同时考虑漏报欺诈和错误告警所带来的后果,以及可用于处理这些告警的审核能力。

自动化通过文档比较、术语检查、重复内容检测、追踪链接建议和不一致性分析等方式支持需求工作。自然语言处理可以识别含糊措辞或对需求陈述进行分类,但语言模式并不能可靠地证明语义正确。大语言模型可以起草候选需求、概括利益相关方提供的材料并提出场景,但生成的陈述可能引入缺乏依据的假设,或遗漏不常见的情况。必须依据权威的领域证据和利益相关方实际作出的决策来审查其输出。持续存在的研究问题,不只是如何生成更多需求文本,而是如何保留来源信息、揭示不确定性,并判断不断演变的规格说明是否仍然得到其所描述的系统及环境的支持。