基于云计算与大数据处理课程教学模式探究.doc

基于云计算与大数据处理课程教学模式探究 随着我国信息化产业规模的逐渐扩大，对于云计算的依赖性正在增强，为相关问题的有效处理带来了重要的保障作用。与此同时，受到大数据时代的影响，对于计算机课程教学模式的构建提出了更高的要求，需要技术人员结合专业性人才的培养需求，加强对云计算及大数据处理内容的深入理解。基于云计算与大数据处理课程教学模式的建立，也需要对可靠的课程体系结构有更多的了解，明确其中的教学重点，增强课程教学模式的适用性。因此，该文将对基于云计算与大数据处理课程教学模式进行必要地探究，以便为这种良好教学模式应用范围的扩大提供有效的参考信息。 计算机网络服务功能的不断完善及相关信息技术的整合使用，为海量数据的有效处理提供了重要的技术支持，促使增长速度快、复杂多样性的大数据能够得到充分的利用，缓解计算机数据存储压力。实现这样的发展目标，需要加强对云计算技术的运用，结合其易扩展性、按需服务等优势，增强分布式存储模式的实际应用效果。与此同时，为了满足高素质云计算及大数据处理专业性人才的培养需求，应注重对基于云计算与大数据处理课程教学模式的改建，确保各种编程模型设置的合理性。 1 云计算与大数据处理关键技术分析 结合云计算技术的发展历程，可知其建立于虚拟化技术、分布式计算、网络计算等技术的基础上，能够根据用户的多样化需求，提高性能可靠的数据存储及高效率计算的服务模式。在云计算技术使用的过程中，可以根据不同的应用场景，提供各种服务。现阶段的云计算主要包括软件即服务、基础架构服务及平台即服务。在不同的服务模式下，可以通过对用户特定需求的分析，提供相应的服务。 云计算技术向用户提供服务的过程中，充分考虑了按需服务的要求，并在处理大数据的过程中具有良好的计算能力、可扩展存储功能等。通过对当前数据密集型分布式存储及计算模型的分析，可知其中的GFS分布式文件系统、各种信类型的分布式计算模型、性能可靠的分布式数据库等，在实际的应用中取得了良好的作用效果，为云计算及大数据处理关键技术应用范围的扩大打下了坚实的基础。与此同时，根据这些计算模型的实际需要，Apache公司在良好的Hadoop平台支持下，对开源代码的编写及运行进行了一系列的测试，为HDFS分布式文件系统、HBase分布式数据库系统及相关的分布式编程框架的构建创造了有利的条件，为这些系统及框架未来应用范围的扩大提供了可靠的保障。除此之外，为了使云计算及大数据处理关键技术使用中的实时计算性能可以得到不断的优化，技术人员提出了Spark及Storm计算框架，并在相?P领域的应用中取得了重要的成果。在开源实现的基础上，合理运用基础模块Hadoop Common、资源管理模块及其它的智能模块，有利于保持实际操作的高效性，实现数据挖掘库的实时操作，也为机器学习模式的形成提供了重要的技术支持。未来发展中适用于云计算环境下大数据处理生态系统的构建，有利于满足更多的业务需求。 2 基于云计算与大数据处理课程体系结构的有效设置 在构建基于云计算与大数据处理课程体系的过程中，需要注重实验课程及理论课程的相互融合，促使学生能够在理论基础上提高自身的实践能力，加强对云计算与大数据处理技术的深入理解。结合当前高校开设的基于云计算与大数据处理课程内容的发展现状，可知其中包含了虚拟化技术、分布式集群技术等重要技术的基本概念，也对大数据处理系统的体系结构及对应的程序设计方法进行了重点说明，促使学生们能够对基于云计算与大数据处理课程内容有更多的了解。通过对这类课程的设置，主要培养的是学生在云计算环境下运用Hadoop相关技术的程序设计及良好的开发能力，促使学生能够在云计算环境下拥有基于数据驱动的逻辑性思维，逐渐形成完整的基于云计算与大数据处理课程知识框架体系，实现对计算机应用型人才的有效培养。 实现对基于云计算与大数据处理课程体系结构的设置，需要从这些方面入手（1）构建完善的理论课程体系，在此基础上开设实验课程，并通过对各种资源的有效利用，注重实验教学过程中学生在云计算与大数据处理关键技术方面的仿真模拟训练，加强学生实践能力的锻炼；（2）在实验课程开设的过程中，应将所有的学生分为不同的小组，并要求不同的小组在实验的过程中可以独立进行仿真训练中的计算集群搭建，强化学生程序设计理念的同时提高他们的综合研发能力；（3）将当前行业背景下的大数据及课程内容融入到教学案例中，确保学生能够对云计算及大数据计处理的特点及各种功能有深入的了解，逐渐提高他们的程序设计能力。 基于云计算与大数据处理课程体系结构设置的过程中，也需要保持教学组织的良好性。具体表现在（1）注重案例教学方式的合理运用，逐渐扩大多媒体及计算机网络的应用范围，丰富教学内容；（2）结合当前形势下行业云计算及大数据处理技术的应用状况，注重教学过程中的有效引导，促使学生们能够对基于云计算与大数据处理课程的适用性有着全面的认识，提高学生学习积极主动性的基础上，保持课堂教学的高效性。 3 基于云计算与大数据处理课程教学重点分析 通过对基于云计算与大数据课程教学体系架构的深入分析，可知明确这门课程开设中的教学重点，有利于提高教学质量，满足学生的各种需求。具体表现在（1）对云计算与大数据处理基础知识进行了说明，并对这些技术的特点、分类、应用范围等进行了阐述。通过对主流大数据处理流程的引入，对这些技术未来的发展趋势进行了预测；（2）对分布式集群基础技术及虚拟化技术进行了重点讲解，促使学生们能够对虚拟化软件的特点、概念，集群文件系统的特点等有更多的了解；（3）课程安排中对经典的分布式计算MPI技术的特点、架构等方面的讲解提出了更高的要求，需要学生在未来学习中能够具备分布式环境下的程序设计能力，灵活运用MPI分布式计算知识解决实际的问题。与此同时，基于云计算与大数据处理课程中重点讲授了Hadoop、Storm和Spark大数据处理相关技术。通过对技术使用中的应用环境、具体的使用方法等内容的阐述，促使学生能够对MapReduce基于键值对的并行编程模型及相关的程序设计方法等有更多的了解。除此之外，将分布式实时计算及迭代计算作为重要的教学案例，对相关程序的设计进行了讲授。在实验课程开设的过程中，主要考虑的是行业大数据处理过程中的应用需求，对学生在分布式存储环境下灵活运用各种编程模型的能力进行了重点考虑。 4 结语 加强对云计算与大数据处理关键技术的深入理解，注重课程体系结构设置，明确其中的教学重点，有利于增强基于云计算与大数据处理课程教学模式的适用性，为我国高素质计算机专业性人才培养目标的实现提供可靠的保障，促进学生的全面发展。因此，未来开设云计算与大数据处理专业课程的过程中，应结合各自关键技术的适用范围及学生的实际需求，有效地设置合理科学的教学模式，实现开源框架下各种大数据技术的合理使用。