《Hadoop数据管理I》课程标准.docVIP

PAGE

PAGE2

《Hadoop数据管理I》课程标准

课程代码：B0509021课程类别：专业核心课

授课系（部）：数字经济学院学分学时：7学分/90学时

一、课程定位与作用

1.课程的定位：本课程是大数据技术与应用专业的专业核心课程；是一门实用性和实践性很强的程序设计语言课程。

2.课程的作用：根据培养应用型人才的需要，本课程的目的与任务是使学生通过本课程的学习，掌握搭建Hadoop完全分布式集群的方法，掌握HDFS的原理和基础操作，掌握MapReduce原理架构、MapReduce程序的编写。为将来从事大数据挖掘工作以及后续课程的学习奠定基础。

3.与其他课程的关系：本课程是作为大数据专业核心基础课程，本课程作为后续专业核心课程《Hadoop数据管理II》的前导课程之一。

二、课程目标

通过本课程的学习，使学生了解大数据应用的发展历史；理解与掌握分布式文件系统HDFS原理与架构；掌握Hadoop平台的集群部署、文件管理、数据管理等；理解分布式并行计算框架Map/Reduce的工作原理与架构；掌握基于Hadoop平台的Map/Reduce的开发与设计，并结合企业案例，将理论与实践相结合，提升对大数据应用系统的开发能力，为将来从事数据分析挖掘工作以及后续课程的学习奠定基础。

1.知识目标

（1）了解Hadoop的生态结构，理解Hadoop的结构特征和工作原理；

（2）掌握Hadoop集群的安装配置方法；

（3）掌握Hadoop分布式文件系统HDFS的基本操作方法；

（4）掌握管理多个MapReduce任务的方法；

（5）掌握MapReduce的基本/进阶编程方法；

（6）掌握大数据应用系统开发的基本流程和方法；

2.能力目标

通过本课程的学习，学生应具备以下几方面的能力：

（1）能描述Hadoop生态系统的基本构成；

（2）能熟练安装和配置Hadoop集群开发平台；

（3）能熟练使用命令行方式访问Hadoop分布式文件系统（HDFS）；

（4）能熟练进行IntelliJIDEA安装并配置MapReduce开发环境；

（5）能熟练使用MapReduce编程框架编制指定要求的MapReduce任务系统；

（6）能熟练使用HadoopFileSystemAPI访问HDFS文件系统，并应用到所开发的MapReduce任务应用程序中；

（7）能熟练在MapReduce应用编程中使用自定义键值类型、Combiner（合并）组件、Partitioner组件、自定义计数器；

（8）能熟练使用Hadoop辅助类ToolRunner来启动MapReduce任务；

（9）能熟练应用大数据应用系统开发流程，并能编程实现KNN预测算法。

3.素质目标

（1）具有社会主义和共产主义的理想信念；

（2）具有改革开放的意识和强烈的竞争意识；

（3）具有良好的行为规范和社会公德以及较强的法制观念；

（4）具有良好的职业道德和质量服务意识；

（5）具有不断学习、不断创新的进取精神；

（6）具有团队协作精神和较强的协调能力及独立工作的能力；

（7）具有健康的体魄和良好的心理素质。

三、课程设计

1.设计基本理念

本课程的设计理念是:应用为目标、实践为主线、能力为中心。

（一）突出学生主体，强调能力培养

坚持以能力为中心、以学生为主体的原则来设计课堂教学，在学生就业岗位需求分析的基础上来确立能力目标，将能力培养贯穿于课程教学之中，实现由传统的以教师为主体的知识传授型教学模式向以学生为主体的能力培养型教学模式的转变。

（二）基于工作过程，真实案例教学

在教学过程中，以典型工作任务为载体，将对各种资源的管理分解为多个独立又具有一定联系的任务，让学生将知识的学习，技能的加强和经验的积累在一系列任务中获取并高度融合。

（三）整合课程资源，理论实践一体化

本课程在教学过程中，根据高职培养应用型人才的特点，以典型工作任务为主线、以各种资源管理为核心，以培养能力和提高兴趣为目标，重视在新形势下的新方法、新规则和新思想的传授。着重培养学生能灵活应用这些思想和方法的能力。课程教学中要遵循理论来自于实践的原则，融“练、学、思、拓”于一体，体现“在做中学，在学中做，学以致用”，以增强知识点的实践性，激发学生的学习兴趣。在实践教学环节中则融入相关理论知识，突出理论来自于实践和指导实践的作用，使学生的知识应用根据学习的内容提升一个新的高度。

(四)体现能力标准，强调工学交替

学习借鉴“四环相扣”教学改革成果，在本课程教学中全过程体现工学结合，课程教学目标围绕能力标准，课程本身按模块设置，教学过程充分工学交替。

2.总体设计思路

本课程采用面向应用方向，以应用为中心构建课程体系，提出从理论到实际，从具体到抽象