一、需求分析阶段核心术语
1. User Story（用户故事）
用户故事是敏捷开发中描述用户需求的简短文本，遵循”角色-功能-价值”结构。例如：”作为电商用户，我希望通过历史订单快速复购，以节省重复搜索时间”。编写时需遵循INVEST原则（独立、可协商、有价值、可估算、短小、可测试），建议配合验收条件（Acceptance Criteria）明确边界，如”复购流程需在3秒内完成支付”。
2. Use Case（用例）
用例通过参与者、前置条件、主流程、异常流程构建完整需求场景。以在线支付系统为例，主流程包含”选择支付方式-输入凭证-验证信息-完成扣款”，异常流程需覆盖”余额不足-网络中断-凭证失效”等场景。建议使用UML用例图可视化系统边界，明确系统与外部的交互。
3. MVP（最小可行产品）
MVP强调以最小成本验证核心假设，例如Dropbox早期通过视频演示验证云存储需求。实施时需识别核心价值主张（Value Proposition），如共享文档编辑的核心是实时同步而非复杂格式支持。建议采用Kano模型区分基本型、期望型、兴奋型需求，优先实现基本型功能。
二、技术选型阶段关键概念
1. Architecture Pattern（架构模式）
- 分层架构：将系统划分为表现层、业务逻辑层、数据访问层，适合传统企业应用，但可能产生”瀑布式”调用链。
- 微服务架构：通过独立部署的服务实现松耦合，如Netflix将用户认证、内容推荐拆分为独立服务。需注意服务间通信（REST/gRPC）和分布式事务处理。
- 事件驱动架构：基于消息队列（Kafka/RabbitMQ）实现异步处理，适合高并发场景，但需处理消息顺序和重复消费问题。
2. Framework（框架）
前端框架选择需考虑生态成熟度，React通过虚拟DOM提升渲染效率，Vue以渐进式设计降低学习曲线。后端框架方面，Spring Boot通过自动配置简化Java开发，Django的”开箱即用”特性适合快速原型开发。建议通过POC（概念验证）评估框架性能，如使用JMeter测试API响应时间。
3. CI/CD（持续集成/持续部署）
CI通过自动化构建（Jenkins/GitLab CI）和测试（JUnit/Selenium）确保代码质量，CD实现自动化部署（Docker/Kubernetes）。实施时需建立质量门禁，如代码覆盖率需达到80%以上，部署频率建议每日多次。某金融团队通过CI/CD将发布周期从2周缩短至2小时。
三、开发实践高频术语
1. Design Pattern（设计模式）
- 单例模式：确保全局唯一实例，如数据库连接池管理。
- 工厂模式：解耦对象创建与使用，如Spring的BeanFactory。
- 观察者模式：实现事件通知机制，如Android的BroadcastReceiver。
建议结合具体场景选择模式，避免过度设计，如简单CRUD操作无需使用策略模式。
2. API（应用程序接口）
RESTful API需遵循资源命名规范（名词复数形式），如/users/{id}/orders。设计时需定义清晰的HTTP状态码（200成功、400参数错误、500服务器错误），建议使用Swagger生成文档。GraphQL通过单一端点实现灵活查询，适合数据关系复杂的场景。
3. Version Control（版本控制）
Git分支策略选择需平衡并行开发与集成风险，Git Flow适合大型项目，GitHub Flow适合持续交付。建议制定提交规范，如使用Conventional Commits格式（feat: 添加支付功能），通过git rebase保持提交历史整洁。
四、质量保障阶段专业术语
1. Unit Test（单元测试）
单元测试需覆盖边界条件，如输入为空、数值越界等场景。JUnit 5的@ParameterizedTest支持多组数据测试，Mockito可模拟依赖对象。测试覆盖率建议通过JaCoCo监控，核心业务代码覆盖率需达到90%以上。
2. Load Testing（负载测试）
使用JMeter模拟并发用户，需定义性能指标（响应时间<2s、错误率<0.1%）。逐步增加负载（100->500->1000用户）观察系统表现，识别瓶颈（如数据库连接池耗尽）。云测试平台（AWS Load Testing）可降低本地资源压力。
3. Code Review（代码审查）
审查时需关注安全漏洞（SQL注入、XSS攻击）、性能问题（N+1查询）、可维护性（魔法数字、过长方法）。建议使用Pull Request模板，明确审查要点（如”请确认异常处理是否完整”）。某团队通过代码审查发现30%的安全缺陷。
五、部署运维核心词汇
1. Deployment Strategy（部署策略）
- 蓝绿部署：通过双环境切换实现零停机，但需双倍资源。
- 金丝雀发布：逐步扩大流量比例（1%->10%->100%），适合高风险变更。
- 滚动更新：分批替换实例，Kubernetes的Deployment资源可自动管理。
2. Monitoring（监控）
Prometheus通过时序数据库存储指标，Grafana实现可视化。关键指标包括：
- 黄金指标：延迟、流量、错误、饱和度
- 业务指标：注册用户数、订单转化率
建议设置告警阈值（如CPU使用率>80%触发告警），结合ELK（Elasticsearch+Logstash+Kibana）实现日志分析。
3. Disaster Recovery（灾难恢复）
RTO（恢复时间目标）和RPO（恢复点目标）是核心指标，如RTO<4小时、RPO<15分钟。多区域部署（AWS Region）和定期备份（每日全量+增量）是基础措施。某电商团队通过异地多活架构将故障恢复时间从8小时缩短至20分钟。
实操建议：
- 建立术语词典：使用Confluence等工具维护团队术语库，定期更新
- 开展术语培训：通过案例分析（如解析某次生产事故的术语误用）提升理解
- 工具链整合：将术语检查嵌入CI流程，如使用SonarQube检测命名不规范
掌握这些核心术语不仅能提升技术沟通效率，更是专业能力的体现。建议开发者结合具体项目实践，逐步构建自己的术语体系，在代码评审、架构设计等场景中精准运用。