《信息学科前沿1》教学大纲.docxVIP

《信息学科前沿1》教学大纲

一、课程介绍

课程代码：3103251.01

学分：2学分

总学时：32学时

课程内容概要：

本课程概括性介绍大数据的基础理论、方法与技术，主要包括大数据的基本概念、大数据特征和类型、大数据获取、大数据存储、大数据处理、大数据分析、大数据可视化、以及典型的大数据处理分析平台及工具，同时结合实际案例展示大数据技术如何应用在不同领域。

二、教学目标

本课程是计算机科学与技术专业的重要选修课程，也是大数据技术的入门课程。本课程旨在以“构建知识体系、阐明基本原理、了解相关应用、引导初级实践”为原则，为学生在大数据领域的学习与实践奠定基础、指明方向。

本课程将系统地介绍大数据的基本概念、大数据处理架构、分布式并行编程模型、分布式文件系统、分布式数据库、云数据库等，以及大数据在不同领域的应用。目标是使学生掌握大数据的基本理论、方法与技术。重点理解大数据处理架构Hadoop，分布式文件系统HDFS，分布式并行编程模型MapReduce，以及基于内存的分布式通用计算框架Spark等核心内容，同时结合实践操作，让学生更好地学习和掌握大数据关键技术。

三、授课对象

计算机科学与技术专业本科学生。

四、教学内容、学时

本课程的理论教学为32课时，各章主要内容及课时建议如下：

第一篇大数据基础

第1章大数据概述（3学时）

1.1大数据时代

1.2大数据的概念

1.3大数据的影响

1.4大数据的应用

1.5大数据关键技术

1.6大数据计算模式

1.7大数据产业

1.8大数据与云计算、物联网

第2章大数据处理架构Hadoop（3学时）

2.1Hadoop概述

2.2Hadoop架构原理

2.3Hadoop安装部署

2.4Hadoop应用案例

第二篇大数据存储与管理

第3章分布式文件系统HDFS（2学时）

3.1分布式文件系统

3.2HDFS简介

3.3HDFS相关概念

3.4HDFS体系结构

3.5HDFS存储原理

3.6HDFS数据读写

第4章分布式数据库HBase（2学时）

4.1HBase概述

4.2HBase访问接口

4.3HBase数据模型

4.4HBase的实现原理

4.5HBase运行机制

4.6HBase应用案例

第5章NoSQL数据库（2学时）

5.1NoSQL简介

5.2NoSQL兴起的原因

5.3NoSQL与关系数据库的比较

5.4NoSQL的类型

5.5NoSQL的特性

5.6从NoSQL到NewSQL数据库

第6章云数据库（2学时）

6.1云数据库概述

6.2云数据库产品

6.3云数据库系统架构

6.4典型的云数据库

第三篇大数据处理与分析

第7章MapReduce（3学时）

7.1MapReduce概述

7.2MapReduce工作流程

7.3MapReduce实例分析

7.4MapReduce应用案例

第8章Hadoop再探讨（3学时）

8.1Hadoop的优化与发展

8.2HDFS2.0的新特性

8.3新一代资源管理调度框架YARN

8.4Hadoop生态系统中具有代表性的功能组件

第9章Spark（3学时）

9.1Spark概述

9.2Spark生态系统

9.3Spark运行架构

9.4Spark的部署和应用方式

第10章流计算（2学时）

10.1流计算概述

10.2流计算的处理流程

10.3流计算的应用

10.4开源流计算框架Storm

10.5SparkStreaming

第11章图计算（2学时）

11.1图计算简介

11.2Pregel简介

11.3Pregel图计算模型

11.4Pregel的应用实例

第12章数据可视化（2学时）

12.1可视化概述

12.2可视化工具

12.3可视化典型案例

第四篇大数据应用

第13章大数据的应用（3学时）

13.1大数据在互联网领域的应用

13.2大数据在生物医学领域的应用

13.3大数据在文化教育领域的应用

五、先修课要求及教学方法建议

先修课程：程序设计语言、数据结构与算法、图论

教学方法：

本课程主要采用课堂讲授的教学方式，在理论教学基础上，结合课后实践，帮助学生更好地学习和掌握基本知识与方法。同时，通过应用案例、分组研讨等方式，促进学生主动参与、积极