《云计算与大数据》课程教学大纲

《云计算与大数据》课程教学大纲一、课程基本信息课程中文名称云计算与大数据课程英文名称CloudComputingandBigData课程编号33241612课程模块£思想政治理论课£通识教育课£专业基础课R专业课课程性质£必修£限选R专业任选£任选总学时32讲授学时32实验（专题辅导）学时0总学分2开课单位电信学院开课系（室）通信工程系授课对象通信工程专业本科生适用专业通信工程专业二、课程简介和教学目标1．课程简介《云计算与大数据》是一门综合性很强的基础课程，主要内容包括云计算概论、云计算基础（云计算关键技术、云交付模式、云部署模式、云计算的优势与挑战以及典型云应用）、虚拟化相关知识、云计算应用、大数据概念和发展背景、大数据系统架构概述、分布式通信与协同、大数据存储、分布式处理、MapReduce和Spark解析、流计算概述、集群资源管理与调度以及综合实践（结合云计算与大数据，在OpenStack平台上搭建Hadoop平台并进行数据分析）。2.教学目标教学目标1：本课程的目的与任务是使学生通过本课程的学习，从云计算的基本概念入手，由浅入深学习云计算的各种相关知识，学会云计算的相关关键技术和云部署模式。:切入大数据相关技术，介绍HadoopMapReduce和Spark等大数据相关技术。教学目标2：以一个综合实验，综合云计算和大数据相关技术，让学生融合云计算和大数据相关知识，掌握云计算和大数据的相关思想。教学目标3（课程思政）：以新冠肺炎疫情防控为切入点，让学生认识到我们疫情使用的健康码、行程码，是大数据与云计算的一个应用体现。从而激发学生对本课程的兴趣以及对祖国在云计算和大数据的应用中的先进性和领先地位感到骄傲和自豪。3．教学目标与毕业要求指标点的支撑关系教学目标支撑毕业要求对应指标点教学目标1指标点1.1：具有电路、电子技术、计算机技术、信号与系统等工程基础知识，用于通信工程领域电子通信及网络系统方案和模型的推理和验证。教学目标2指标点12.2：能够适应现代通信技术的发展，学会自主学习，提高利用互联网和文献数据库等进行自主学习的能力，能够自主解决复杂工程问题。教学目标3指标点8.1：树立正确的国家观、民族观、历史观、文化观，践行社会主义核心价值观，理解个人与社会的关系，了解中国国情，具有勤俭、奋斗、创新、奉献的劳动精神。三、理论教学表1理论教学安排序号章节（学时）学习内容（含重点、难点）教学方法、手段支撑教学目标其他1云计算概述（2）1.1什么是云计算1.2云计算的产生背景1.3云计算的发展历史1.4如何学好云计算（）教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标1教学目标42云计算基础（2）2.1分布式计算（）2.2云计算的基本概念2.3云计算的关键技术2.4云交付模型2.5云部署模式（）2.6云计算的优势与挑战2.7典型云应用（）2.8云计算与大数据教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标13虚拟化（4）3.1虚拟化简介3.2虚拟化的分类3.3系统虚拟化3.4虚拟化与云计算（）3.5开源技术3.6虚拟化未来发展趋势教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标14云计算的应用（2）4.1概述4.2Google公司的云计算平台与应用4.3的弹性计算云（）4.4IBM蓝云云计算平台4.5清华大学透明计算平台4.6阿里云（）4.7MicrosoftAzure4.7.4开发步骤教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标1教学目标2教学目标35大数据的概念和发展背景（2）5.1什么是大数据5.2大数据的特点5.3大数据发展5.4大数据应用（）教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标1教学目标26大数据系统架构概述（2）6.1总体架构概述6.2运行架构概述（）6.3主流大数据系统厂商教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标17分布式通信与协同（2）7.1数据编码传输7.2分布式通信系统（）7.3分布式协同系统教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标18大数据储存（4）8.1大数据存储技术发展8.2海量数据存储的关键技术（）8.3重要数据结构和算法8.4分布式文件系统8.5分布式数据库NoSQL8.6HBase数据库搭建与使用（）8.7大数据存储技术趋势教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标1教学目标29分布式处理（2）9.1CPU多核和POSIXThread（）9.2MPI并行计算框架（）9.3HadoopMapReduce9.4Spark9.5数据处理技术发展教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标1教学目标210HadoopMapReduce解析（2）10.1HadoopMapReduce架构10.2HadoopMapReduce与高性能计算、网格计算的区别10.3MapReduce工作机制10.4应用案例（）10.5MapReduce的缺陷与不足教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标211Spark解析（2）11.1SparkRDD11.2Spark与MapReduce对比11.3Spark工作机制11.4数据读取11.5应用案例（）11.6Spark发展趋势教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标212流计算（2）12.1流计算概述12.2流计算与批处理系统对比12.3Storm流计算系统12.4Samza流计算系统（）12.5集群日志文件实时分析12.6流计算发展趋势教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标1教学目标213集群资源管理与调度（2）13.1集群资源统一管理系统13.2资源管理模型13.2.2基于大、小公平原则的资源分配模型（）13.3资源调度策略13.4YARN上运行计算框架教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标1教学目标214综合实践：在OpenStack平台上搭建Hadoop并进行数据分析（2）14.1OpenStack简介14.2OpenStack的安装及配置（）14.3大数据环境安装（）14.4大数据分析案例教学方法：讲授、演示与讨论、MOOC、翻转课堂等。教学手段：多媒体、网络环境、板书等。教学目标2四、实验教学无五、考核与成绩评定方法表2课程考核及评价细则成绩组成考核/评价环节分值考核/评价细则支撑教学目标平时成绩（50%）考勤10上课进行考勤，缺席一次扣3分1，2，3上课表现10依据课堂状态，回答问题（含主动）和分组讨论互动表现计算分值。课程报告30按照完成课程报告质量评分（评分标准见附录）考试成绩（50%）考试的卷面分数50依据课程教学大纲及题目分值判定卷面成绩。1，2，3六、建议教材及相关教学资源1、建议教材教材[1]吕云翔，张璐，王伟佳.云计算与大数据技术[M].清华大学出版社,2017.[2]陶皖.云计算与大数据[M].西安电子科技大学出版社,2017.2、参考资料[1]韩燕波，王磊，王桂玲，刘晨著.云计算导论—从应用视角开启云计算之门[M].北京：电子工业出版社，2015[2]ThomasErl，ZaighamMahmood著.云计算概念、技术与架构[M].龚奕利，贺莲，胡创译.北京：机械工业出版社，2014.附录1、报告评分参考标准表3报告评分参考标准分值指标90~100分70~89分