《分布式数据存储与分析》教学大纲

《分布式数据存储与分析》教学大纲课程编号：13210705英文名称：DistributedDataStorage&Analysis学分：3学时：总学时64学时，其中理论32学时，实践32学时先修课程：数据库原理及应用、计算机网络、面向对象程序设计、数据科学导论课程类别：专业主干课程授课对象：数据科学与大数据技术专业学生教学单位：机械与电气工程学院修读学期：第5学期一、课程描述和目标本课程以分布式存储与分析技术为主题，旨在让学生理解掌握分布式存储相关的基础知识及核心技术。掌握大数据处理的概念、大数据处理架构、分布式文件系统、分布式数据库、NoSQL数据库和分布并行Map/Reduce编程模型及编程方法等。课程强调融合云计算技术、大数据处理技术和分布并行编程为一体，力图反映分布式存储领域的最新成就和发展趋势。学生除完成基本理论课程学习外，课程将通过在分布式系统平台上的实践，学习和掌握分布式存储的基础知识。课程目标1从云计算和大数据的基本概念入手，由浅入深学习云计算和大数据的各种相关知识，让学生掌握云计算和大数据的相关思想。课程目标2学会云计算和大数据的相关关键技术和云部署模式，以及云计算和大数据处理机制，以梳理知识脉络和要点的方式把握新技术。要求学生学会分析问题的思想和方法，为更深入地学习和今后的实践打下良好的基础。二、课程目标对毕业要求的支撑关系毕业要求指标点课程目标权重指标点2-1：能够应用数学、自然科学和工程科学的基本原理，对复杂大数据系统工程问题进行提炼、定义、建模、分析和评价。课程目标1H指标点3-1：针对大数据系统工程问题，能够在理解复杂工程问题的基础上定义功能、目标和限制，并设计开发复杂工程问题的解决方案。课程目标1H指标点4-1：能够通过文献阅读和实验设计并采用大数据技术原理，就复杂工程应用中涉及的局部性功能或性能问题进行研究，对结果或数据进行分析和解释。课程目标2L指标点7-2：能够理解和评价针对大数据工程问题的系统解决方案或工程实践对环境、社会可持续发展的影响。课程目标2M指标点10-3：具备一门外国语的基本听、说、读、写、译的能力，能够阅读计算机专业领域的外文资料，并具备一定的国际视野，能够在跨文化背景下进行沟通和交流。课程目标2M（注：要求课程目标与毕业要求指标点应是一一对应支撑）三、教学内容、基本要求与学时分配序号教学内容基本要求及重、难点（含德育要求）学时教学方式对应课程目标1课程介绍及大数据概述基本要求：了解大数据发展历程、基本概念、主要影响、应用领域、关键技术、计算模式和产业发展，并阐述了云计算、物联网的概念及其与大数据之间的紧密关系。重点：大数据基本概念。难点：云计算、物联网、大数据之间的关系。德育要求：积极向上、自主学习、团队合作、乐于分享。2线上线下结合法案例法课程目标1课程目标22大数据处理架构Hadoop基本要求：了解Hadoop的发展历史、重要特性和应用现状，Hadoop项目结构及其各个组件，掌握在Linux操作系统下安装和配置Hadoop。重点：Hadoop结构及其各个组件。难点：大数据处理架构。德育要求：积极向上、自主学习、团队合作、乐于分享。6演示法引导讨论法课程目标1课程目标23分布式文件系统HDFS基本要求：掌握分布式文件系统的基本概念、结构和设计需求，Hadoop分布式文件系统HDFS概念、体系结构、存储原理和读写过程。重点：HDFS。难点：文件系统体系结构、存储原理。德育要求：积极向上、自主学习、团队合作、乐于分享。6演示法练习法课程目标1课程目标24分布式数据库HBASE基本要求：了解HBase的由来及其与关系数据库的区别，掌握HBase访问接口、数据模型、实现原理和运行机制。重点：HBase。难点：分布式数据库访问接口、数据模型。德育要求：积极向上、自主学习、团队合作、乐于分享。6线上线下结合法引导讨论法课程目标1课程目标25NoSQL数据库基本要求：了解NoSQL兴起的原因，比较NoSQL数据库与传统的关系数据库的差异；NoSQL数据库的四大类型以及NoSQL数据库的三大基石。重点：NoSQL。难点：非结构数据库和SQL差异。德育要求：积极向上、自主学习、团队合作、乐于分享。6演示法案例法课程目标1课程目标26云数据库基本要求：了解云数据库的概念、特性及其与其他数据库的关系。重点：云数据库。难点：云数据库与其他数据库关系。德育要求：积极向上、自主学习、团队合作、乐于分享。2演示法引导讨论法课程目标1课程目标27MapReduce编程模型基本要求：了解MapReduce模型，阐述其具体工作流程，并以单词统计为实例介绍MapReduce程序设计方法。重点：MapReduce程序设计。难点：MapReduce模型。德育要求：积极向上、自主学习、团队合作、乐于分享。4线上线下结合法案例法课程目标1课程目标2合计32序号实验项目实验内容与要求学时类型对应课程目标1HDFS编程实验内容：HDFS编程，运行实验数据集测试。实验要求：必修。4验证课程目标12MapReduce编程实验内容：利用MapReduce编程，实现功能应用。实验要求：必修。4设计课程目标1课程目标23NoSQL编程实验内容：NoSQL编程，实现部分功能。实验要求：必修。6设计课程目标1课程目标24HBase分布式数据库编程实验内容：HBase编程，实现分布式数据库功能。实验要求：必修。4设计课程目标25数据分析算法实验内容：k-means的实际案例；掌握神经网络的基本思想，实现应用神经网络分类。实验要求：必修。8设计课程目标26数据分析应用案例实验内容：大数据在商业、投资、保险、银行等领域的应用案例设计与实现。实验要求：必修。6设计课程目标2合计32注：实验要求包括必修、选修；实验类型包括演示、验证、综合、设计等，后两类占比大于80%。四、课程教学方法集中讲授、小组讨论、线上线下结合法、案例法。五、学业评价和课程考核（一）考核方式及具体要求1.课程成绩构成与要求课程考核注重形成性和终结性评价相结合，考核内容主要由平时作业、课程实验、课程论文、期末大作业组成，均按百分制计分，其中平时作业成绩占10%、课程实验成绩占10%、课程论文成绩占20%、期末大作业成绩占60%。2.课程目标达成考核与评价序号考核方式课程目标1（分值）课程目标2（分值）合计1平时作业55102课程实验55103课程论文1010204期末大作业303060课程目标对应分值5050100（二）考核与评价标准1.平时成绩考核与评价标准分值观测点90-100分70-89分60-69分0-59分平时作业按时完成，90%以上的作业内容齐全，基本知识点理解、掌握到位。能够利用理论知识识别、分析大数据技术领域相关专业问题。按时完成，70%以上的作业内容齐全，基本知识点理解、掌握较到位。能够较好利用理论知识识别、分析大数据技术领域相关专业问题。延时完成，60%以上的作业内容齐全，基本知识点理解、掌握基本到位。利用理论知识对大数据技术领域相关专业问题有一定的识别、分析。不交和补交，50%以下的作业内容齐全，基本知识点理解、掌握有偏差。不能利用理论知识对大数据技术领域相关专业问题进行识别、分析。课程实验能根据实验要求自主设计实验方案，有自己的设计理念，实验完成度高，效果好。实验报告内容完整。能根据实验要求自主设计实验方案，有自己的设计理念，实验完成度较高，效果较好。实验报告比较完整。能根据实验要求自主设计实验方案，实验完成度一般，效果一般。实验报告基本完整。基本能根据实验要求自主设计实验方案，实验完成度较差，效果较差。实验报告不完整。课程论文格式规范，符合课程论文写作要求；内容主题明确，符合课程教学内容，有明确的综合分析论点。参考文献充分、正文引用恰当，文献引文格式符合文献标准；无摘录摘抄痕迹，能恰当运用自己的语言组织素材，论点正确。格式符合课程论文写作要求；主题明确，符合课程教学内容，具较好的综合分析论点。参考文献充分、正文能够较好对文献进行引用，文献引文格式基本符合科技期刊论文文献标准；正文主题大部分运用自己的语言组织素材，论点正确。格式符合课程论文写作要求；主题基本明确，较符合课程教学内容，具较好的综合分析论点。参考文献有，文献引文格式基本符合科技期刊论文文献标准；正文有部分摘抄，论点分析较清晰。论文格式不符合课程论文要求，能反映部分主题内容，论文结构不完整，论点分析不清晰，参考文献少，正文没有引用，格式不完全符合科技论文文献标准。2.期末大作业考核与评价标准分值观测点90-100分70-89分60-69分0-59分期末大作业格式规范，符合课程大作业写作要求；内容主题明确，符合课程教学内容，有明确的综合分析论点。参考文献充分、正文引用恰当，文献引文格式符合文献标准；无摘录摘抄痕迹，能恰当运用自己的语言组织素材，论点正确。格式符合课程大作业写作要求；主题明确，符合课程教学内容，具较好的综合分析论点。参考文献充分、正文能够较好对文献进行引用，文献引文格式基本符合科技期刊论文文献标准；正文主题大部分运用自己的语言组织素材，论点正确。格式符合课程大作业写作要求；主题基本明确，较符合课程教学内容，具较好的综合分析论点。参考文献有，文献引文格式基本符合科技期刊论文文献标准；正文有部分摘抄，论点分析较清晰。格式不符合课程大作业要求，能反映部分主题