大大数据的技术与应用基础-教学大纲设计

《大大数据的技术与应用基础-教学大纲设计》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实用标准文案《大数据技术与应用基础》教学大纲学时：60代码：适用专业：制定：审核：批准：一、课程的地位、性质和任务大数据技术的发展，已被列为国家重大发展战略。而在过去的几年里，无论是聚焦大数据发展的《促进大数据发展行动纲要》，还是《“十三五”规划》中都深刻体现了政府对大数据产业和应用发展的重视。目前国内大数据发展还处于加速期、转型期，数据与传统产业的融合还处于起步阶段，各行业对大数据分析和挖掘的应用还不理想。但随着市场竞争的加剧，各行业对大数据技术研究的热情越来越高，在未来几年，各领域的数据分析都将大规模应用。本课程在注重大数据时代应用环境前提下，考虑大数据处理分析需求多样复

2、杂的基本情况，从初学者角度出发，以轻量级理论、丰富的实例对比性地介绍大数据常用计算模式的各种系统和工具。考虑到当前大数据发展处于起步并逐步赶超先进的阶段，其应用领域丰富广泛，在教学过程中应注重掌握大数据分析的实践操作。本课程通过丰富简单易上手的实例，让学生能够切实体会和掌握各种类型工具的特点和应用。二、课程教学基本要求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层面。2.掌握Scrapy环境的搭建，了解网络爬虫获取数据的过程，熟悉爬虫项目的创建。3.深刻了解hadoop的基础理论，理解并掌握Hadoop单机及集群环境的部署方法。4.掌握HDFS的基本概念和

3、HDFS在hadoop中的作用，理解并识记HDFS的使用，了解HDFS的JAVAAPI接口及数据流原理；让学生明白Map过程与Reduce过程这两个独立部分各自的原理及合作途径，知道如何独立编写满足自己需求的MapReduce程序。5.理解HBase中涉及的基本概念，掌握HBase的简单应用；让学生了解数据仓库的基础概念，熟悉Hive与HDFS、MapReduce直接的关心。6.熟悉Spark和RDD的基本概念，熟悉spark接口的使用，解决实战时的步骤及思路。7.明白Hadoop和Storm之间的差别，掌握对Storm的使用。理解Apex的工作过程并能简单应用。8.了解Dr

4、uid的基本概念、应用场景以及集群架构，掌握批量数据加载、流数据加载的操作。了解Flink的重要概念和基本架构，掌握Flink简单的使用实例。9.理解Elasticsearch的基本架构，掌握Elasticsearch的一些入门操作。了解并基本掌握怎样利用所学的工具对目标实例进行数据分析。三、课程的内容1．大数据概述精彩文档实用标准文案了解大数据的产生和发展，识记大数据的特征、数据类型和系统，大数据的计算模式和技术层面间的关联。2．数据获取识记基本概念，识记各功能应怎样用Scrapy爬虫实现，了解采集目标数据项定义，领会并掌握爬虫运行和数据存储技术。3．Hadoop基础领会H

5、adoop的主要特点，识记HadoopHDFS、HadoopMapReduce、HadoopYARN的原理，了解其生态系统中重要组成的原理，熟悉Hadoop的配置。4．HDFS基本应用熟悉HDFS所需的API接口，了解数据流的工作过程，能简单操作HDFS的接口。5．MapReduce应用开发了解所需的开发环境eclipse，领会Map过程与Reduce过程的工作原理，了解使用mapreduce解决实际问题时的步骤和思路，识记MapReduce代码的不同功能。6．分布式数据库HBase识记HBase的基本概念，熟悉安装HBase集群的步骤，了解HBaseAPI的基本步骤。7．数

6、据仓库工具Hive领会Hive的作用，掌握Hive接口的使用，会利用Hive解决实战问题。8．开源集群计算环境Spark了解Spark的基本思想，熟悉Spark所需的环境及API等，熟悉Spark实战的完整工作过程，领会其所需的代码。9．流实时处理系统Storm识记Storm相关概念，掌握Storm环境的安装配置，了解Storm的基本使用10．企业级、大数据流处理Apex识记Apex的基本概念，掌握Apex的环境配置过程，理解常见组件的原理和特点，会简单的应用Apex解决问题。11．事件流OLAP之Druid了解Druid的概念及其应用场所，掌握Druid单机环境的安装方法和

7、步骤，并能利用Druid进行加载流数据处理数据查询等。12．事件数据流引擎Flink识记Flink的基本概念，明白Flink的基本架构，能够安装Flink的单机和集群环境。精彩文档实用标准文案13．分布式文件搜索Elasticsearch了解Elasticsearch包含重要部分的基本概念，掌握Elasticsearch重要的安装过程，掌握简单的操作。14．实例电商数据分析能够通过已经学习了解过的环境和工具等，有条理有步骤的对实例进行数据挖掘、数据处理和数据分析等，进而得出相关的结论。四、课程的重点、难