教务智能管理解决方案说明书

教务智能管理项目解决方案说明书XX科技股份有限公司编制目录TOC\o"1-3"\h\u一、项目存在问题及需解决问题 31. 存在问题 32. 需解决问题 3二、解决方案 51.解决方案架构 52.关键技术 6三、开发范围 93.数据生产 94.数据采集/消费 95.数据分析 106.数据展示 11

项目存在问题及需解决问题存在问题信息滞后不利于教务管理工作的开展。在信息化时代，高校教务工作者经常要处理较大数量的信息,而传统的教务管理系统无法承载海量的信息,处理起来也存在一定的偏差和滞后性其次,教师队伍素质亟待提高。随着大数据时代的到来,教务工作对教师素质的要求越来越高。但部分教师仍然保持着固有的思维,缺乏“活到老,学到老”的意识，所掌握的知识技能逐渐落后,甚至在思维上落后于学生。再次,师生之间缺乏必要的交流和沟通。教师和管理者可以在教务管理系统发布信息,但学生却不能充分发表自己的意见和建议。学生和教师及管理者缺少必要的沟通,教师和管理者对实际情况的掌握出现误差,导致信息数据不准确,教务管理方面出现“拖后腿”的现象。这样有些学生会逐渐失去学习的兴趣,甚至产生厌学情绪。需解决问题教务管理实现大数据化管理高校教务管理要基于大数据全过程精细化管理模式,加强信息化建设和大数据管理,不断改进管理措施,提高管理水平。要注重结合学校教务管理的特点,具体问题具体分析,对教务工作进行规划性指导,从学籍信息管理、课程管理、学生选课、考试安排,到考试成绩管理、教学质量评估、毕业资格审查等各个环节,实现全过程大数据化管理。在大数据化管理过程中,要注重数据资源的采集、存储与应用等方面的管理，确保数据资源的真实性、完整性及时效性。要落实教学、管联动机制,依据大数据对教师上课情况和学生学习情况进行实时管理。另外,还要根据管理过程中出现的新情况、新问题,不断完善管理系统，提高教务管理的效能,减轻教师工作负担,提升学生学习效果。提高高校教务工作者的大数据意识当今世界,数据科学的文化正悄然兴起。大数据不仅能够应用于科研,也在教育、健康和其他各种决策中产生重大影响。教务工作者应顺应大数据时代的要求,加强对大数据意识的认知,提高对大数据在教务管理中的地位和作用的认识。善于搜集数据、分析数据、使用数据,是做好教务管理工作的前提。在大数据时代,教务工作者应该积极转变自身思维,自觉学习新鲜的知识，“懂得大数据,用好大数据,增强利用数据推进各项工作的本领,不断提高对大数据发展规律的把握能力”。要对数据质量进行评估,确保数据来源的可靠性,加强对数据的分析和监督,从而建立高质量的数据库,确保整个教务管理工作平稳运行。高校各部门实现数据资源共享数据共享理念已经成为高校各部门合作的普遍理念,高校要根据各部门的实际需求，制定统一的数据管理标准,确保各个部门之间的数据共享,加强内部信息交流,避免多头采集,重复采集,以提高教务管理工作效率和质量。要对学校数据资源进行系统的分析与整理,依据准确性、完整性和合规性的原则,编制公共数据资源共享目录,便于各业务部门查阅。校内各部门信息资源共享主要是通过局域网实现的,高校要注重搭建校内信息资源共享平台，完善信息资源共享的计算机基础设施。同时还要采用协同化服务模式，建立完善的信息共享运行机制,在保证网络资源安全、保护好学生的隐私的前提下,提供各类信息化数据资源共享服务,使数据资源能够满足各部门的实际使用需要。解决方案解决方案架构系统开发平台使用Hadoop大数据开发平台。Hadoop是一个高度可扩展的存储平台，可以存储和分发横跨数百个并行操作的廉价的服务器数据集群。能扩展到处理大量的数据，能提供成百上千TB的数据节点上运行的应用程序。Hadoop能够有效的在几分钟内处理TB级的数据。相比关系型数据库管理系统更具有优势。它适用于任何规模的非结构化数据持续增长的企业，将帮助用户持续提高用户体验。系统采用面向对象的软件设计方法，把整个系统看作是多个离散对象的组合。系统设计时，首先把业务流程分解成功能模块及其业务实体对象，然后根据业务流程分析对于这些业务实体对象的操作方法，形成业务处理对象，最后把各个功能模块关联起来，形成系统。软件设计是一个将需求转变为软件的过程，系统通过逐步求精使得设计陈述逐渐接近于源代码。系统程序采用MVC的设计思想，将展现逻辑、控制逻辑、业务处理逻辑分离。系统采用参数化的设计思想，定义和管理系统的实体及配置，调整实体以适应外部变化。系统采用J2EE技术保证程序逻辑实现的平台无关性，并便于安装部署。系统采用AJAX技术，提高客户操作的交互性，保证实际使用的易用性。系统采用echarts可视化框架实现数据展示。关键技术HadoopHadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。SpringMVCSpringMVC：属于SpringFrameWork的后续产品，已经融合在SpringWebFlow里面。Spring框架提供了构建Web应用程序的全功能MVC模块。MyBatisMYBatis：是支持普通SQL查询，存储过程和高级映射的优秀持久层框架。MyBatis消除了几乎所有的JDBC代码和参数的手工设置以及结果集的检索。MyBatis使用简单的XML或注解用于配置和原始映射，将接口和Java的POJOs（PlainOldJavaObjects，普通的Java对象）映射成数据库中的记录。EchartsECharts是一款基于Javascript的数据可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。MySQLMySQL是一个关系型数据库管理系统，由瑞典MySQLAB公司开发，属于Oracle旗下产品。MySQL是最流行的关系型数据库管理系统之一，在WEB应用方面，MySQL是最好的RDBMS(RelationalDatabaseManagementSystem，关系数据库管理系统)应用软件之一。MySQL是一种关系型数据库管理系统，关系数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。MySQL所使用的SQL语言是用于访问数据库的最常用标准化语言。MySQL软件采用了双授权政策，分为社区版和商业版，由于其体积小、速度快、总体拥有成本低，尤其是开放源码这一特点，一般中小型网站的开发都选择MySQL作为网站数据库。Hivehive是基于Hadoop构建的一套数据仓库分析系统，它提供了丰富的SQL查询方式来分析存储在Hadoop分布式文件系统中的数据：可以将结构化的数据文件映射为一张数据库表，并提供完整的SQL查询功能；可以将SQL语句转换为MapReduce任务运行，通过自己的SQL查询分析需要的内容，这套SQL简称HiveSQL，使不熟悉mapreduce的用户可以很方便地利用SQL语言查询、汇总和分析数据。而mapreduce开发人员可以把自己写的mapper和reducer作为插件来支持hive做更复杂的数据分析。它与关系型数据库的SQL略有不同，但支持了绝大多数的语句如DDL、DML以及常见的聚合函数、连接查询、条件查询。它还提供了一系列的：具进行数据提取转化加载，用来存储、查询和分析存储在Hadoop中的大规模数据集，并支持UDF（User-DefinedFunction）、UDAF(User-DefnesAggregateFunction)和UDTF（User-DefinedTable-GeneratingFunction），也可以实现对map和reduce函数的定制，为数据操作提供了良好的伸缩性和可扩展性。HBASEHBase–HadoopDatabase，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PCServer上搭建起大规模结构化存储集群。ZookeeperZooKeeper是一个分布式的，开放源码的分布式应用程序协调服务，是Google的Chubby一个开源的实现，是Hadoop和Hbase的重要组件。它是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组服务等。FlumeFlume是Cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；同时，Flume提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力。开发范围数据生产对于该模块的业务，即数据生产过程，一般并不会让你来进行操作，数据生产是一套完整且严密的体系，这样可以保证数据的安全性。但是如果涉及到项目的一体化方案的设计（数据的产生、存储、分析、展示），则必须清楚每一个环节是如何处理的，包括其中每个环境可能隐藏的问题；数据结构，数据内容可能出现的问题。数据采集/消费数据采集模块（消费），在企业中你要清楚流式数据采集框架flume和kafka的定位是什么。我们在此需要将实时数据通过flume采集到kafka然后供给给hbase消费。flume：cloudera公司研发适合下游数据消费者不多的情况；适合数据安全性要求不高的操作；适合与Hadoop生态圈对接的操作。kafka：linkedin公司研发适合数据下游消费众多的情况；适合数据安全性要求较高的操作（支持replication）；因此我们常用的一种模型是：线上数据-->flume-->kafka-->flume(根据情景增删该流程)-->HDFS线上数据-->f