云计算与大数据课时设计模板

1、云计算与大数据专业（方向）课程开设计划根据高校的基础特点，将云计算与大数据专业（方向）课程分为 四年制与三年制，分别适应于本科院校与高职高专院校。云计算资源云计算资源分为软性资源和硬件资源两部分。 其中，软性资源是 核心资源，硬件为平台支撑或辅助资源。（1）软性资源云计算平台重点在于维护阶段，创新在于开发阶段。为了满足高 校的课程建设的需要，减轻教师负担，又能和产业需求相结合。云计 算资源粗粒度的划分为部署/运维/部署工程师、架构工程师和研发工 程师三类。这样一来可以对应高职也可以对应一般本科的课程需求。 另外，根据专业属性的不同，还可以针对软件类或网络类的需求进行 调配和变化。云计算技术课程

2、的开设，必须有必要的前置内容支撑，对于维护、 部署和运维、架构和研发等工程师都是必备的基本要求。根据产业的 基本要求，前置内容需求基础内容如下，根据实践要求，其内容需要 精华，而非大而全。表1-1云计算前置内容课程名称主要内容适用岗位（工程师）部署/运维架构研发Linux操作系统系统基本原理VVV命令操作VV7V7网络配置VVV系统优化VVV系统裁剪定制VV脚本编程VVVLinux编程基础（C/C+语百程序）文件编程/V网络编程/V多进程技术/V多线程技术/VJava编程技术基础/高级编程/V7为可选学项，为必修项，/为非学习项如表1-1中所示，所需要的前置内容主要分为 Linux操作系统与

3、编程部分以及Java编程基础部分。可以根据培养类型进行选择，涉 及内容不必过深，懂得基本原理以及使用方法即可； 后期在实践内容 中，会继续强化，从而使学习者得心应手。在以下云计算相关课程中，高校可以根据自身的培养目标选择课 程。四年制云计算课程：表1-2云计算相关内容课程编号课程名称总课时/实验课时适用岗位（工程师）部署/运维架构研发QCZ-M001云计算导论32/0VVVQCZ-M002虚拟化技术32/16VVVQCZ-M003云平台管理应用开发64/12/VVQCZ-M004分布式计算应用开发80/32&VVQCZ-M005服务器优化技术32/20VQCZ-M006高级脚本语言编程32/1

4、6V7V7QCZ-M007开源云平台构建与实践32/16&VVQCZ-M008企业云计算解决方案32/16&V为可选学项，为必修项，/为非学习项，&学习部分内容对应学期课程开始计划:第三学期第四学期第五学期第六学期图1.1四年制云计算学期设计三年制云计算课程:表1-3云计算相关内容课程编号课程名称总课时/实验课时适用岗位（工程师）部署/运维架构研发QCZ-M001云计算导论32/0VVVQCZ-M002虚拟化技术32/16VVVQCZ-M005Hadoop基础32/16VVVQCZ-M006服务器优化技术32/20VVQCZ-M007高级脚本语言编程32/16VVVQCZ-M008开源云平台构

5、建与实践32/16V7V7对应学期课程开始计划:第二学期第三学期云计算技术导论虚拟化技术必学选学第四学期高级脚本语言编程JH第五学期Hadoop基础11图1.2三年制云计算学期设计大数据资源大数据面临的岗位经过粗粒度划分大体分为运维 /部署工程师、 应用开发工程师和研发/数据分析工程师等岗位，主要取决于大数据 知识涉及到的层次以及广度与深度。大数据教学教育资源也分为软性 资源和硬件资源两大部分。(1)软性资源软性资源主要指大数据知识的课程体系以及学习过程中所涉及到的知识体系构成以及案例构成等内容。 一般而言，业界认为大数据与 云计算在岗位上差别最大的不同点是，前者最终目标关注的是数据分 析结果

6、所带来的价值以及过程中采用的技术、 方法和手段；后者关注 的是平台的稳定性、安全性等平台维护性内容。因此，大数据在进度 编排上有自己独特的特点。大数据资源的编排为了兼容高职和本科院校，同时又能满足网络工程以及软件设计专业不同的需求。直接按照粗粒度的岗位进行划分，即部署/运维、应用开发和研发/数据分析工程师。根据大数据课程发展和对应的规律，也将课程划分为前置课程和大数据课程两个部分;其中前置课程对应内容安排如下。表1-4大数据前置内容课程名称主要内容适用岗位（工程师）部署/运维应用开发工程师研发/数据分析工程师Linux基础课程Linux安装VVLinux基本配置V桌面划、境VShell基本命令

7、VVV文件目录管理VVV软件包管理VVV磁盘管理VVV用户与用户组管理VVV进程管理VVV网络配置VVV传输文件VVV非关系型数据库创建、更新及删 除文档VVV数据库查询VVV数据库索引VVV聚合VVV数据库管理VVV复制VVV分片VVVJava基础课程Java概述VVV基本数据类型与 数组V7V7运算符、表达式 和语句VV类与对象VV接口与多态VV内部类与异常类VV输入/输出流VVJDBC数据库操作VVJava多线程机制VVJava网络编程V7V7为可选学项，、为必修项， 为非学习项前置课程一般建议由高校自己开设，但其核心的大数据内容可以由奇观技术其提供，在以下专业课程中，高校可以选择性的根

8、据自身 特点进行开课，核心课程编排如下。四年制大数据课程：表1-5大数据相关内容课程编号课程名称总课时/实验课时适用岗位（工程师）部署/ 运维应用开发 工程师研发/数据 分析工程 师QDZ-M001大数据基础之Hadoop48/24&QDZ-M002MapReduce核心技术48/24VVVQDZ-M003HBase技术基础48/32/VVQDZ-M004数据仓库与数据挖掘32/16&QDZ-M005R语言编程基础32/16/QDZ-M006算法设计与分析32/16/QDZ-M007Spark数据处理48/24/VQDZ-M008Hive编程48/24/&VQDZ-M009数据可视化技术32/

9、16/QDZ-M0010商业智能32/16/V为可选学项，为必修项，/为非学习项，&学习部分内容对应学期课程:第4学期第5学期第2学期第3学期第1学期第6学期第7学期一大数据技术基础Hive编程Linux 基础_ MapReduce关系数据库大数据算法Hbase 技术基础Spark数据处理非关系数据库Java编程基础R语言编程图1.3四年制大数据学期设计三年制大数据课程:表1-6大数据相关内容课程编号课程名称总课时/实验课时适用岗位（工程师）部署/ 运维应用开发 工程师研发/数据 分析工程 师QDZ-M001大数据基础之Hadoop48/24&QDZ-M002数据仓库32/16VVQDZ-M003R语百编程32/16/VVQDZ-M004OLAP联机分析处理32/16&QDZ-M005HD