《大数据系统及应用》课程教学大纲.docxVIP

第 PAGE 1 页/共 NUMPAGES \* Arabic 5 页 《大数据系统及应用》课程教学大纲 课程编号课程名称：大数据系统及应用/Big Data Systems and Applications 总学时/学分：48/3.0（其中理论36学时，实验12学时） 适用专业：计算机科学与技术 一、课程目标 通过本课程学习，学生应达到如下目标： 目标1： 阐述大数据的基本概念和关键技术、大数据处理架构Hadoop的重要特性及其各个组件，并灵活应用。 目标2： 描述分布式文件系统HDFS的体系结构、存储原理及其运行机制，并灵活应用。 目标3： 解释分布式并行计算编程模型MapReduce和Spark的运行原理及其工作流程，并灵活应用。 目标4： 阐述流计算的基本概念和处理流程以及流计算框架Spark Streaming的设计思想，并灵活应用。 目标5： 运用HDFS、MapReduce和Spark等技术来设计与实现基于大数据的应用系统。 二、课程目标对毕业要求的支撑 毕业要求 二级指标点 权重(∑=1) 初始程度 要求程度 课程目标 2、问题分析 2-1：能够利用数学、自然科学及计算机的基本理论知识解释与表达复杂计算机工程问题。 0.1 L1 L3 目标1 0.1 L1 L3 目标2 0.2 L1 L3 目标3 0.1 L1 L3 目标4 4、研究 4-1：能够基于计算机领域科学原理并采用科学方法对计算机软硬件及大数据系统，独立进行实验设计、算法设计及程序实现，并验证实验、测试算法与程序。 0.5 L1 L3 目标5 本表注：以布鲁姆学习目标分类法描述学生在学完本课程后应具有的能力，目标栏内以L1(认知)、L2(理解)、L3(应用）、L4(分析)、L5(综合)、L6(创造)来表示对此项能力要求达到的程度，无要求则留空。 三、教学过程安排 序号 知识模块 教学内容 课时 课程目标 教学方法 1 大数据基础 1.1 大数据概述 1.2 大数据关键技术 1.3 大数据计算模式 1.4 大数据处理架构Hadoop 4 目标1 课堂讲授+测验 2 分布式文件系统HDFS 2.1分布式文件系统概述 2.2 HDFS的相关概念 2.3 HDFS的体系结构 2.4 HDFS的存储原理 4 目标2 课堂讲授+演示+测验 2.5 HDFS程序设计 2 目标5 3 分布式并行编程模型MapReduce 3.1 MapReduce概述 3.2 MapReduce的体系结构 3.3 MapReduce的工作流程 4 目标3 课堂讲授+演示+测验 3.4 MapReduce程序设计 3.5 Hive程序设计 4 目标5 4 分布式并行计算框架Spark 4.1 Spark概述 4.2 Spark的环境搭建和使用方法 4.3 Spark的运行架构 4.4 Spark RDD的基本操作 6 目标3 课堂讲授+演示+测验 4.5 Spark RDD程序设计 4.6 Spark SQL程序设计 4 目标5 5 流计算 5.1 流计算概述 5.2 流计算的处理流程 5.3 流计算框架Spark Streaming 4 目标4 课堂讲授+演示+测验 6 大数据应用 6.1 大数据应用综合案例概述 6.2 大数据应用综合案例实现 4 目标5 课堂讲授+演示+大作业+讨论 7 实验 实验1. HDFS Java API编程 实验2. MapReduce基础编程 实验3. Spark RDD基础编程 12 目标5 学生操作 教师指导 实验报告 四、实验或上机内容 序号 实验项目名称 实验目的和任务 实验学时 实验类型 开出要求 1 HDFS Java API编程 目的：掌握HDFS操作常用的Java API。 任务：利用HDFS 的Java API编程实现文件读写、文件上传、文件下载以及文件删除等任务。 4 设计型 必做 2 MapReduce基础编程 目的：掌握基本的MapReduce编程方法。 任务：使用MapReduce解决一些常见的数据处理问题，包括数据去重、整合排序以及信息挖掘等。 4 设计型 必做 3 Spark RDD基础编程 目的：掌握基本的Spark RDD编程方法。 任务：使用Spark RDD解决一些常见的数据处理问题，包括数据去重、整合排序以及求平均值等。 4 设计型 必做 五、课程目标达成方法 教学目标 课时 评价方法 评价依据 达成标准(分) 目标1 4 期末考试(60%)+测验(40%) 试卷+测验 68 目标2 4 期末考试(60%)+测验(40%) 试卷+测验 68 目标3 10 期末考试(60%)+测验(40%) 试卷+测验 68 目标4 4 期末考试(60%)+测验(40%) 试卷+测验 68 目