云计算与大数据技术-付宇课程教学大纲.docVIP

PAGE9

《云计算与大数据技术》教学大纲

课程英文名称

CloudComputingandBigDataTechnology

开课院系

计算机科学与技术学院

课程类别

学位课（学科基础课）

授课对象

1.学术型

授课方式

1.讲授类

课程总学时

54

课程总学分

3

开课学期

2

适用专业

航空运输大数据工程

预修课程

操作系统，程序设计

主讲教师1

付宇

职称

副教授

主讲教师2

王红

职称

教授

课程简介（500字以内）：

本课程适合于航空运输大数据工程专业的研究生进行大数据和云计算基础课程的学习，全面涵盖了基于集群技术和基于虚拟化技术的云计算与大数据处理的主要技术。课程的主要内容包括：云计算与大数据基础理论，MPI和HPCC等传统的并行与分布式计算技术，Hadoop体系架构和Hadoop集群的安装与部署，HDFS体系结构与常用操作，MapReduce算法原理与编程，Hbase的开发方法，主流开源云计算平台OpenStack的设计思想，主要部件，系统部署与搭建等。课程注重实用，将实验内容融合在课程内容中，使理论紧密联系实际。

课程教学目标与基本要求：

该课程的教学目标是帮助学生了解云计算方法与大数据开发基本技术，为大数据应用研究提供基本理论与操作方法支持。要求学生熟悉云计算与大数据的基础知识与主要技术，通过理论与实验教学帮助学生掌握以OpenStack和Hadoop生态环境为基础的云计算与大数据使用及开发流程。

课程考核方式和成绩计算评定：

1．考核方式：考试（√）；考查（）

2．成绩评定：

总评成绩构成：平时考核（40）％；中期考核（0）％；期末考核（60）％

平时成绩构成：考勤考纪（40）％；作业（30）％；读书报告（0）％

实践环节（30）％；其他（0）％

课程内容及详细教学计划：

授课内容（细化到章、节、目）

教学目标

授课模式（指传统讲授、讨论、多媒体教学等）

1、云计算与大数据基础（2学时）

云计算技术概述：云计算简介；云计算的特点；云计算技术分类

大数据技术概述：大数据简介；主要的大数据处理系统；大数据处理的基本流程。

云计算与大数据的发展

掌握云计算的基本概念；

熟悉大数据处理的基本技术；

了解云计算与大数据的发展。

多媒体教学、讨论

2、云计算与大数据的相关技术（12学时：理论4+实验8）

Iaas技术

Paas技术

Saas技术

云存储技术。

虚拟化技术：虚拟化技术描述；虚拟化技术的分类；常见虚拟化软件。

集群系统基础：集群系统的基本概念；集群系统的分类；单一系统映射；集群文件系统；分布式系统中计算和数据的协作机制。

Linux操作系统及其常用命令

Linux操作系统下的Java开发

熟悉关系型数据库与非关系型数据库的基本原理；

基本原理；了解虚拟化技术；

掌握Linux操作系统的常用命令；

掌握linux下java开发的方法。

多媒体教学、讨论、实验

3、Hadoop体系架构（2学时）

Hadoop概述

Hadoop分布式文件系统

MapReduce工作原理

Hadoop集群剖析

Hadoop在云计算和大数据的位置和关系

掌握Hadoop体系架构与MapReduce工作原理。

多媒体教学、讨论

4、HDFS体系结构与常用操作（含API）（12学时：4学时理论+8学时实验）

HadoopHDFS基本结构

HadoopHDFS副本存放策略

HadoopNameNode操作

HadoopSecondaryNameNode操作

HadoopDataNode操作

HadoopJobTracker操作

HadoopTaskTracker操作

掌握HDFS体系结构与常用操作。

多媒体教学、讨论、实验

5、HadoopYARN架构与安装（6学时：2学时理论+4学时实验）

Hadoop系统模块组件概述

Hadoop试验集群的部署结构

Hadoop安装依赖关系

Hadoop生产环境的部署结构

Hadoop集群部署

Hadoop高可用配置方法

Hadoop集群简单测试方法

Hadoop集群异常Debug方法

掌握hadoop构架的安装与部署。

多媒体教学、讨论、实验

6、MapReduce算法原理与编程（12学时：4学时理论+8学时实验）

HadoopMapReduce算法的原理和优化思想

MapReduceAPI概念与开发

MapReduce的优化

MapReduce的任务调度

MapReduce编程

掌握MapReduce算法原理与编程技巧。

多媒体教学、讨论、实验

7、HBase（HadoopV2）海量实时处理（6