《Hadoop 大数据技术》课程教学大纲.pdf

《Hadoop 大数据技术》课程教学大纲 一、课程信息 课程代码 （COURSE CODE ） 321D0008 课程名称 （COURSE TITLE ） Hadoop 大数据技术 课程性质 （COURSE CHARACTER ） 专业必修 学分 （CREDIT ） 3 周数（WEEKS ） 64 学时 （CONTACT HOURS ） 32+32 先修课程 （PRE-COURSE ） 专业基础课程 课程负责人 （COURSE COORDINATOR ） 适用专业 数据科学与大数据技术 课程简介： 《Hadoop 大数据技术》是数据科学与大数据的专业必修课程。随着web2.0 时代的到 来，互联网、物联网、天文、地理、环境、气象、交通信息、医疗等数据在不断的产生， 人们由被动的数据接受者变成主动的数据创造者，为解决数据的存储和从大数据集中获 取有价值的信息，hadoop 平台应运而生，本课程重点从数据存储层和编程模型层入手， 教会学生搭建hadoop 平台，利用hdfs 分布式文件系统存储数据及借助mapreduce 编程框 架对数据分析处理，本课程的教学目标是使学生掌握大数据平台运行的基本原理和操作 方法，为大数据开发和工程实践打下基础。 二、课程目标 通过本课程的学习与训练，学生应具备以下几方面的目标: 1.通过本课程学习，学生理解并掌握Hadoop 分布式文件系统（HDFS ），具备编写符合语法规范 的HDFS 操作程序的能力；掌握HDFS 集群结构、具备搭建HDFS 集群的能力；掌握YARN 集群的 基本概念、具备搭建YARN 集群的能力；深入理解Hadoop 大数据平台体系结构、Hadoop 生态圈构 成、HDFS YARN 集群系统原理。 2.通过本课程学习，学生熟练掌握HDFS YARN 集群构建步骤、具备搭建集群的能力；掌握 HDFS 分布式大数据存储程序开发方式、具备开发HDFS 程序能力；掌握理解HDFS 数据一致性与 压缩编码方法、HDFS 数据存储优化及容器文件概念；理解MapReduce 并行程序设计模型及设计模 120 式，具备编写MapReduce 并行程序的能力；掌握MapReduce 典型高级程序结构、具备编写MapReduce 高级设计恒旭的能力。 3.通过本课程学习，学生掌握真实项目开发设计方法，具备编写程序处理真实数据的能力。采 用离线及在线大数据处理分析技术，针对美国国家气象局部署在全美国各地区的各种传感器采集数 据做清洗、规整后挖进行预警以降低气候变化可能引发的经济损失。 课程目标对毕业要求的支撑关系表 课程 课程 课程 毕业要求 毕业要求指标点 目标1 目标2 目标3 1．3 能够针对数据科学与 大数据技术领域的复杂工 1 工程知识：能够将数 程问题，应用数学、自然科 学、自然科学、工程基 学、工程基础知识建立模 础和专业知识用于解 型，具备模型构建、分析和 决大数据工程项目中 评价的能力；能够针对复杂 H 出现的一般技术、应用 工程问题模型，运用所学的 等方面的复杂工程问 数据科学与大数据技术专 题。