1、.厦门大学本科课程教学大纲课程名称 大数据技术原理与应用课程代码 英文类别代号 CSCI授课对象 计算机、软件工程等信息相关专业 适用年级 本科生大三或大四课程类型 通识教育课程 课程课型总学分 总学时 授课 讨论 实验/上机 实践 其他2 32 32 0 0 0 0先修课程 编程语言一、课程简介大数据技术入门课程，为学生搭建起通向“大数据知识空间”的桥梁和纽带，以“构建知识体系、阐明基本原理、引导初级实践、了解相关应用”为原则，为学生在大数据领域“深耕细作”奠定基础、指明方向。课程将系统讲授大数据的基本概念、大数据处理架构 Hadoop、分布式文件系统 HDFS、分布式数据库HBase、No
2、SQL 数据库、云数据库、分布式并行编程模型 MapReduce、基于内存的大数据处理架构 Spark、大数据在互联网、生物医学和物流等各个领域的应用。在Hadoop、HDFS、HBase、MapReduce、Spark 等重要章节，安排了入门级的实践操作，让学生更好地学习和掌握大数据关键技术。二、培养目标.（1） 能够建立对大数据知识体系的轮廓性认识，了解大数据发展历程、基本概念、主要影响、应用领域、关键技术、计算模式和产业发展，并了解云计算、物联网的概念及其与大数据之间的紧密关系；（2） 能够了解 Hadoop 的发展历史、重要特性和应用现状，Hadoop 项目结构及其各个组件，并熟练掌握
3、 Hadoop 平台的安装和使用方法；（3） 能够了解分布式文件系统的基本概念、结构和设计需求，掌握 Hadoop 分布式文件系统 HDFS 的重要概念、体系结构、存储原理和读写过程，并熟练掌握分布式文件系统 HDFS 的使用方法；（4） 能够了解分布式数据库 HBase 的访问接口、数据模型、实现原理和运行机制，并熟练掌握 HBase 的使用方法；（5） 能够了解 NoSQL 数据库与传统的关系数据库的差异、NoSQL 数据库的四大类型以及 NoSQL 数据库的三大基石；基本掌握 Redis、MongoDB 等 NoSQL 数据库的使用方法；（6） 能够了解云数据库的概念、基本原理和代表性产
4、品的使用方法；（7） 能够熟练掌握分布式编程框架 MapReduce 的基本原理和编程方法；（8） 能够了解大数据处理架构 Spark 的基本原理和编程方法；能够了解大数据在互联网等领域的典型应用。三、教学方法（1） 本课程采用理论授课与学生课后上机实践相结合，帮助学生更好消化吸收课程知识。（2） 积极践行 O2O 教学理念，努力提升教学水平，在大数据课程教学方面积极开拓创新，实现线下教学和线上服务的巧妙结合。课程主讲教师建设了国内高校首个大数据课程公共服务平台，提供讲义 PPT、课程习题、学习指南、授课视频、技术资料等全方位、一站式免费服务，帮助学生更好学习大数据课程。.四、主要内容及学时安
5、排 章（或节） 主要内容 学时安排1 介绍大数据的基本概念和应用领域，并阐述大数据、云计算和物联网的相互关系22 介绍大数据处理架构Hadoop43 分布式文件系统 HDFS 的基本原理和使用方法44 分布式数据库 HBase 的基本原理和使用方法45 NoSQL 数据库的概念和基本原理46 云数据库的概念和基本原理27 分布式并行编程模型MapReduce 原理和使用方法48 Hadoop 架构再探讨 29 Spark 原理与基础编程 410 大数据在互联网领域的典型应用：推荐系统2合计 32五、考核方式与要求（1）平时成绩：学生完成上机练习题目，并提交上机实验报告，实验报告成绩作为平时成绩
6、；（2）期末考试：采用笔试，闭卷；（3）最终成绩：平时成绩和期末考试成绩按 5:5 比例加权求和。.六、选用教材大数据技术原理与应用概念、存储、处理、分析与应用林子雨编著，人民邮电出版社，2015 年 8 月，第 1 版七、参考书目与文献1 陆嘉恒. Hadoop 实战. 机械工业出版社. 2011 年.2 曾大聃, 周傲英(译). Hadoop 权威指南中文版. 清华大学出版社. 2010 年.3 迪米达克 (Nick Dimiduk),卡拉纳 (Amandeep Khurana),谢磊. HBase 实战中文版. 人民邮电出版社; 第 1 版 (2013 年 9 月 1 日)八、课程网站等
7、支持条件课程主讲教师建设了国内高校首个大数据课程公共服务平台，提供讲义 PPT、课程习题、学习指南、授课视频、技术资料等全方位、一站式免费服务，帮助学生更好学习大数据课程，网站地址：http:/ 大纲审定者： 大纲制定时间：2016 年 11 月.XMU Undergraduate Course SyllabusCourse name Principles and Applications of Bigdata TechnologyCourse code Category code CSCIProgramme Computer Science, Software Engineering. et
8、c Semester Semester 2, Year 3Course typeBasic Common Courses General Education Courses Disciplinary General Courses Specialized CoursesOther Teaching ProcessesCourse focusLecture Experiment Skill-training PracticalCreditTotal learning hoursLecture Tutorial Experiment Practical Others2 32 32 0 0 0 0P
9、rerequisites Programming Language; 1.Course descriptionAn introductory course for bigdata. Knowledge discussed in this course include Hadoop, HDFS, HBase, NoSQL, cloud database, MapReduce, Spark, an so on.2. Learning goals.(1) To help students to know about the basic knowledge map about bigdata;(2)
10、To study the ecosystem of Hadoop and the installation and usage of Hadoop;(3) To study the well-known distributed file system, i.e. HDFS, including the architecture, storage theory, read-and-write process, programming methods, and so on;(4) To study the distributed database system i.e. HBbase, inclu
11、ding the API, data model, implementation theory, and so on;(5) To study NoSQL, including the difference between SQL and NoSQL, CAP theory, BASE theory, NewSQL, and so on;(6) To study the basic concept and theory of cloud databases, and discuss several examples of cloud databases;(7) To study the dis
12、tributed parallel programming model, i.e., MapReduce, including the shuffle process and programming practice;(8) To study the main-memory-based computing architecture, i.e., Spark, including the performance comparison between Spark and Hadoop, theory of RDD, programming method, and so on;(9) To stud
13、y the applications of bigdata in various fields.3.Teaching approaches(1)The course mainly takes the form of lecture, and also the students are required to program on their own computer to better comprehend the knowledge of bigdata.(2)Large amount of online course resources are also provided to stude
14、nts, including course video, technical literature, ppt, programming guide, and so on.4. Content outline of the courseChapter(Section) Content Learning hours1The basic concept of bidata; the relationship between bigdata, cloud computing and the Internet of Things.22The architecture and ecosystem of H
15、adoop43The basic principles and programming method of HDFS44The basic principles and programming method of HBase45 The concept and principle of NoSQL 46The concept and principle of cloud database27The distributed parallel programming model, namely MapReduce48 To discuss more about Hadoop 29The basic
16、 principle and programming method of Spark410The application of bigdata in the Internet field, namely recommending system.2Total 325. Assessment methods and requirementsThe course involves homework and closed-book examination.The final score includes two parts, i.e., homework(50%) and final examinat
17、ion(50%).6.TextbooksZiyu Lin. Principles and Applications of Big Data Technology-Big Data Conception(The first edition), Storage, Processing, Analysis and Application. The POSTS & TELECOM PRESS, Aug, 2015.7.References Tom White. Hadoop: The Definitive Guide (3rd edition). The OREILLY PRESS, May 2012
18、.8.Website http:/ out by: Ziyu Lin Approved by: Date: Nov, 2016.厦门大学本科课程大纲填写说明(Notes)1须同时填写课程大纲中文版和英文版。2课程名称必须准确、规范。3课程代码：非任课教师填写。该课程在教务系统生成后，由学院代为填写。4授课对象填写专业。5适用年级填写可修读本课程的时间，如本科三年级第一学期。6课程类型指公共基本课程、通识教育课程、学科通修课程、专业（或专业方向）课程、其他教学环节。7课程课型指理论课、实验课、技能课、实践课。8总学时=授课学时+讨论学时+实验学时+上机学时+其他学时9先修课程是与该课程具有严格的
19、前后逻辑关系，非先修课程则无法学习该课程。10.培养目标不少于 150 字。11.考核方式包括成绩登记方式、成绩组成、考核标准等。成绩登记方式包括百分制、通过/不通过等。成绩组成指各种考核方式占比。考核标准指衡量各项考评指标得分的基准。12.选用教材和主要参考书要求注明作者、书目、出版社、出版年份。例如， “丹利维尔：民主、官僚制组织和公共选择 ，中国青年出版社，2001 年。 ”13.其它信息指课堂规范要求等，如课上禁止使用手机、缺勤要求等。14.课程英文类别代号:英文类别代号 代号英文说明 代号中文说明ANTH: Anthropology 人类学类课程；ARCH: Architecture
20、 建筑类课程；ARTS: Arts 艺术类；AUTO: Automation 自动化类课程；BIOL: Biology 生物科学类课程；BUSI: Business Administration 工商管理类课程；CHEE: Chemical Engineering 化工类课程；CHEM: Chemistry 化学类课程；CHIN: Chinese 中国语言文学类课程；CIVL: Civil Engineering 土建类课程；CSCI: Computer Science 计算机科学类课程；ECON: Economics 经济学类课程；EENG: Electronic Engineering 电
21、子工程类课程；.英文类别代号 代号英文说明 代号中文说明ELIN: Electrical Information 电气信息类课程；ELIS: Electronic Information Science 电子信息科学类课程；ENGL: English 英国语言文学类课程；ENVS: Environmental Science 环境科学类课程；FREN: French 法国语言文学类课程；GERM: German 德国语言文学类课程；HIST: History 历史学类课程；JAPA: Japanese 日本语言文学类课程；JOUR: Journalism 新闻传播类课程；LAWS: Laws
22、法学类课程；MATH: Mathematics 数学类课程；MATL: Material 材料类课程；MECH: Machinery 机械类课程；MECM: Clinical Medical 临床医学类课程；MEDN: Nursing Medical 护理学类课程；MEPH: Pharmacy Medical 药学类课程；MEPM: Preventive Medical 预防医学类课程；METC: Traditional Chinese Medical 中医学类课程；MIED: Military 军事学类课程；OCEA: Oceanography 海洋科学类课程；PHIL: Philosoph
23、y 政治学类课程；PHYC: Physics 物理学类课程；PHYS: Physical Education 体育学类课程；POLI: Political Science 政治学类课程；PUBM: Public Management 公共管理类课程；RUSN: Russian 俄罗斯语言文学类课程；SENG: Software Engineering 软件工程类课程；SOSA: Sociology and Social Anthropology 社会学类课程；IDPE: Ideological and Political education 思想政治教育类课程；ENER: Energy Science 能源科学类课程；ASTR: Astronomy 天文学类课程；MELM: laboratory medicine 实验医学类课程；MEEC Clinical Medical (English Courses) 英文授课临床医学类课程KORN: Korean 韩国语言文学类课程ITAL: Italian 意大利语言文学类课程ARAB: Arabic 阿拉伯语言文学类课程MALA: Malay 马来语言文学类课程
