图：IoC组件部署

　　2、智能代理技术

　　软件智能代理的作用是授权系统完成某些用户的任务系列的独立执行，减少用户的干预，在执行过程中，系统利用一定的知识表示手段或能力来增强系统的处理能力，提高系统处理效率。


　　软件智能代理为实现用户的利益，需达到如下目标能力：

　　独立地或很少需用户干预地完成任务

　　对环境做出一定响应

　　具备一定通讯沟通能力


　　能够进行一定的任务定制处理能力

　　有一定的学习能力

　　智能代理代理用户执行一定的任务，需要自动地独立地进行事务处理；智能代理能够与用户或其它代理进行沟通，如通知用户处理结果或事件触发，与其它代理沟通以取得必要的信息或进行某一任务的分布式处理，Internet不仅为各种数据访问提供了更大的方便，也为代理的通讯提供了方便的途径；多代理系统，或可相互通信的其它代理系统，成为处理复杂任务的有效途径。无需用户特别的指令干预，即能对事件作出响应；通过一定配置文件或用户信息数据库记录，对用户任务执行进行定制，甚至可以通过语音友好接口进行交互沟通等；智能代理的学习能力是一项复杂而很有帮助的能力，代理能够根据一定的知识表示规则从用户处理行为中进行学习，并适应一定的用户行为模式。常见代理有Web网络代理、侦察代理、过程自动化代理、网管代理、电子商务代理、信息搜索代理等。

　　3、数据挖掘技术

　　数据挖掘是一个利用各种分析工具从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘主要特点是对企业大量业务数据进行抽取、清理、分析，转换为新的存储形式等模型化处理，从中提取辅助企业决策的关键性数据。因此，数据挖掘可以按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。数据挖掘的对象可为数据库、文件系统或其他任何组织在一起的数据集合。

　　数据挖掘过程一般由3个主要阶段组成：数据准备、数据采集、结果表达和解释。

　　（1）数据准备对于数据挖掘的成功应用至关重要，数据准备大致分为3步： 数据集成、数据选择、数据转化。数据集成是从多个异质操作性数据库、文件或遗留系统提取并集成数据；数据选择是在相关领域和专家知识的指导下，辨别出需要进行分析的数据集合，缩小挖掘范围，避免盲目搜索，提高数据挖掘的效率和质量；数据缩减和转化是在挖掘前对选定的数据，加以精炼处理，在专家的指导下得到的数据。

　　(2)数据采集作为数据挖掘技术的核心，主要是在确定挖掘任务的基础上，选择适当的数据挖掘技术和算法，并在此基础上反复迭代的搜索，从数据集合中抽取隐藏的、新颖的模式。如决策树、聚类分析技术、关联发现和序列发现技术等。

　　(3)结果表达和解释是对数据挖掘发现的模式进行解释和评价，过滤出有用的知识呈现给用户。

　　4、消息集成

　　通过消息队列进行发送、接收、缓冲等，实现异步消息的系统协同，以消息包的形式进行消息的存储转发，再通过消息格式转换和影射（Mapping），实现消息的交换，以达到信息的交换、处理和集成。

图：Dot Net 企业服务架构

图：Web Service 调用模式

　　服务集成是基于Web Service技术的集成技术，对各个子系统提供对外服务接口和数据规范定义；各子系统是组件化的设计，它们提供的服务是通过符合一定规范的服务总线来通讯，以接口的形式对外提供服务，服务集成通过内置的消息引擎来管理子系统之间总线通讯。

　　6、数据集成

　　数据集成是一种把企业的各种数据，集中管理和存放，提高数据的紧密关联，从整体上考虑数据存储结构和处理格式的设计，增强数据访问和更新操作实时性，提高数据的一致性、可用性和正确性。

　　我们在设计数据存储结构时，采用集中式存放，提高数据表之间的关联和规则控制；利用数据缓冲技术，提高数据集中访问性能，因为集中式的数据访问容易带来性能上的瓶颈。
同时对于不同系统之间，利用数据的复制、合并、过滤等分布式技术对数据进行连接，作为对集中式数据访问方式的补充。

　　7、过程集成