《Hadoop大数据处理》课程教学大纲.docx

《Hadoop大数据处理》教学大纲 一、课程基本信息 课程名称 Hadoop大数据处理 Big Data Processing With Hadoop 课程编码 SCC310121020 开课院部 理学院 课程团队 数据科学团队 学分 2.0 课内学时 48 讲授 0 实验 0 上机 48 实践 0 课外学时 48 适用专业 数学与应用数学 授课语言 中文 先修课程 数值计算方法、数理统计 课程简介 （限选） 课程性质：本课程是数学与应用数学专业的限选课。 主要教学内容：本课程针对大数据处理分析中需求多样性，从初学者角度出发，基于Hadoop环境以丰富的实例深入介绍大数据常用分析及计算模式技术。本课程的教学内容主要包括Hadoop集群环境搭建，分布式文件系统HDFS，MapReduce，Hadoop框架下MapReduce工作机制，使用MapReduce进行多个实例开发实践等。 课程教学目标：本课程在教学过程中注重掌握大数据分析的实践操作，通过丰富简单易上手的实例，让学生切实掌握大数据分析工具的特点及应用。 Course nature: This course is a limited course for mathematics and applied mathematics majors. Main teaching content: This course aims at the diversity of requirements in big data processing analysis. From the perspective of beginners, based on Hadoop environment, it introduces the common analysis and calculation mode technology of big data with rich examples. The teaching content of this course mainly includes Hadoop cluster environment construction, distributed file system HDFS,MapReduce, MapReduce working mechanism under Hadoop framework, multi-instance development practice using MapReduce, etc. Teaching objective of the course: This course focuses on mastering the practical operation of big data analysis in the teaching process, and enables students to master the characteristics and application of big data analysis tools through abundant simple and easy-to-use examples. 负责人 大纲执笔人 审核人 二、课程目标 序号 代号 课程目标 OBE 毕业要求指标点 任务 自选 1 M1 目标1：了解大数据的发展和基本概念，理解并掌握大数据的特征及主要技术，了解大数据目前常用计算模式的各种系统及工具。 是 3.1 2 M2 目标2：深刻了解Hadoop的理论基础，理解并掌握Hadoop单机及集群环境的部署方法，理解HDFS、MapReduce的原理，能够独立编写满足自己需求的MapReduce程序，了解目前国际前沿平台处理方法。 是 4.2 4.2 3 M3 目标3：通过课程项目的实践，初步掌握使用大数据平台处理的能力，培养学生实践开发能力。 是 4 M4 目标4：能保障课程正常秩序（政治层面、课堂保障层面，非学生能力层面） 否 三、课程内容 序号 章节号 标题 课程内容/重难点 支撑课程目标 课内学时 教学方式 课外学时 课外环节 1 第1章 第1章 大数据及大数据系统概述 本章重点和难点：大数据的特征及其计算模式和技术层面间的关联。 / / / / 2 1.1 1.1 大数据概述 大数据概念、特征、数据计量单位及大数据的类型。 M1 1学时 讲授、讨论 1学时 课后作业 3 1.2 1.2 大数据系统 大数据系统的设计背景；大数据系统整体逻辑架构设计及运行逻辑；当前大数据系统主流架构。 M1 1学时 讲授、讨论 1学时 课后作业 4 第2章 第2章 Hadoop初步认识 本章重点和难点：Hadoop搭建；Hadoop集群命令及编程开发。 / / / / 5