高校大数据实验室建设项目解决方案.docx

高校大数据实验室建设项目解决方案.docx

《高校大数据实验室建设项目解决方案.docx》由会员分享，可在线阅读，更多相关《高校大数据实验室建设项目解决方案.docx（16页珍藏版）》请在冰豆网上搜索。

高校大数据实验室建设项目解决方案

高校大数据实验室建设方案

一、建设目标

章鱼大数据实验室的建设目的是作为大数据教学实验及科研平台，包括数据挖掘与大数据分析平台。

实验室的设计全面落实“产、学、研、用”一体化的思想和模式，从教学、实践、科研和使用多方面注重专业人才和特色人才的培养。

利用虚拟化教学资源，搭建教学系统和集群平台，将理论学习、实践教学和大数据项目实战融为一体，由难而易、循序渐进，逐步提升学生的学习技能和实践水平，

提高“学”的质量和成效。

利用大数据分析主流软件框架，搭建与业界主要用户一致的实验与科研环境，将理论课程中学到的数据挖掘算法运用到实际的数据分析过程中，提升学生的动手操作和项目实践能力。

使得学生所学与企业项目人才需求无缝衔接，与教师的科研工作紧密配合。

通过专业的大数据分析计算资源搭建的开放式大数据分析平台，可以充分的融合教师的科研需求，教师可以在开放的平台环境下开展大数据科研工作，提升教师的科研创新能力，充分提高“研”的成效。

二、产品优势

⏹交互式学习模式

提供体系完整、简单易用的在线教学课堂；以基础知识学习、在线视频教学、习题、线上测试、评估等为主线的一系列方法，确保学生在短时间内掌握大数据虚拟仿真实验、分析部署技能。

⏹真机实验训练

实验训练体系设计成各模块相对独立的形式，各模块交互式的实验任务、大数据实验机、实际项目上机操作，通过多方位的训练，最终灵活的、渐进式地掌握大数据生态体系。

⏹大数据实战及案例分析

提供实验数据，包括网站流量数据、租房及二手房数据、电商商品交易数据、搜索引擎访问等多种行业数据，数据内容超过20TB，同时周期更新数据内容。

⏹充分支撑科研工作

提供行业数据及案例解剖用于基础研究，提供数据分析方案及流程，提供数据更新接口，可以对行业数据进行分析统计，按需求生成数据报表，为科研工作提供数据支撑。

例如某地区经济数据分析、股市数据分析、全国地震数据分析、食品价格行业数据分析等。

三、建设规模

按照60台大数据实验机容量进行同时在线使用进行建设为基础，整体系统提供快速扩容升级服务。

四、硬件配置

采用十六台高性能品牌服务器作为大数据节点进行建设，采用企业级全千兆三层交换机进行网络数据交换。

每台节点的配置如下：

处理器

每节点支持2个英特尔®至强®处理器E5-2650CPU

高速缓存

15MB

QPI总线速率

7.2GT/s

内存

提供12个内存插槽，标配192G内存，

支持高级内存纠错，内存镜像，内存热备等高级功能

磁盘

标配4块3TBSATA硬盘

标配2块120GSSD硬盘

300G10000转SAS系统盘

网络控制器

集成1个高性能千兆以太网控制器（双口），支持虚拟化加速，网络加速，负载均衡，冗余等高级功能

电源

标配大功率高效白金级电源，1+1冗余

虚拟化技术

支持VMwarevSphere、Docker、OpenStack等

五、软件平台介绍

1、大数据教学管理系统

1.1专业管理

提供对专业信息的增加、删除、修改、查询功能。

1.2班级管理

提供对专业下属班级的增加、删除、修改、查询功能。

1.3学生管理

提供对班级内学生的管理，学生内容包含姓名、学号、所属班级、所属专业、联系手机、登录次数等内容。

1.4交流日志查阅

对实验机分享交流的内容进行查询，包含交流IP、相关学员、相关老师、实验机编号、交流内容等内容。

1.5成绩管理

对于学习中心在线学习的学习考核成绩进行管理，包含查询及删除等功能。

1.6学习记录

提供每个学生在学习中心平台内学习课程的学习记录，包含日期、计划、课程、章节、学习IP等。

1.7学习行为报表

对所有学生的课程学习记录进行统计，包含个体统计、班级统计、全体统计等。

1.8课程管理

对学习课程进行查询、修改、删除等操作。

1.9开通课程计划

对于学习开课计划的字段内容包含计划名称、授课讲师、授课时间段、开通状态、允许申请周期，允许申请人数等，功能提供绑定课程计划相关实训平台课程、授课助教、云实验机绑定、实验任务绑定等功能。

1.10课程测验习题管理

提供对课程相关的习题管理，题型包含单选、多选、判断题等类型，对习题进行增、册、改、查操作。

1.11分级权限功能

系统分为总管理员、助教等二级管理角色，总管理员进行管理所有的功能点，助教可以进行班级管理、学生管理、开课计划制作、实验机远程协助等。

1.12学生实训系统

提供学生根据姓名、学号、密码登录系统进行实训操作，学生只需安装浏览即可进行实验任务操作；提供实训课程在线学习功能、实验机在线操作、实验报告提交、实验机界面截图、记录课程学习时长等。

1.13实验机桌面分享

提供实验机桌面分享功能，如学生在学习、操作云实验机的过程中，有问题可以向老师发起协助请求，助教在收到请求时，可以远程访问学生的实验机，并指导如何操作。

2、云实验机及实验任务

2

2.1云实验机

提供基于Web浏览器的实验机可视化操作，操作终端无需安装其它开发软件即可进行实验操作；云实验机可以根据学生编号、实验任务和环境要求自动创建，无需管理人员参与实验机创建操作过程。

管理平台对云实验机可以进行停止、销毁操作。

2.2云实验机集群管理功能

提供云实验机集群管理，对实验机所属服务器进行新增、删除等操作。

2.3云实验机类型

包含Hadoop实验机、Hive实验机、HBase实验机、R语言实验机、Scala实验机、Spark实验机、Kafka实验机、Sqoop实验机、Flume实验机、数据可视化实验机等。

2.4实验机运行监控系统

系统提供对实验集群运行的所有实验机进行监控，可以查询编号、所属服务器、创建时间、运行状态、开放端口等内容。

2.5实验任务管理

提供对实验任务内容的管理，包含任务课程、绑定实验机、设定任务成绩总分，排序值等，提供多种实验任务内容，例如Hadoop实验任务、Hive实验任务、HBase实验任务、Flume与kafka实验任务等。

2.6实验报告审阅功能

在实验任务过程中学生上交的任务报告进行审阅评分，提供按照学生、实验任务等字段进行检索功能。

2.7云实验机桌面分享系统

提供实验机桌面基于浏览器的分享功能，允许学生与学生、学生与老师同步操作实验机桌面系统，提供基于浏览器的交流功能。

3、大数据实战平台系统

3

3.1大数据集群管理系统

基于分布式集群管理系统，提供大数据集群管理系统，功能包含Hadoop、Hive、HBase、Sqoop、Flume、Spark等节点部属及管理，提供实时监控集群的CPU、内存、硬盘等使用率及相关信息，可以对管理节点、计算节点进行启动、停止等操作管理。

3.2大数据作业工作流系统

提供大数据相关作业的上传、部属、流程管理等功能，基于Web的任务调度、兼容Hadoop、Spark主流版本、失败任务的、运行状态监控等。

六、大数据课程及行业案例

实验平台提供100个课时的Hadoop、Spark等大数据主流课程，课程与大数据实验机完美结合，学员在教学管理系统学习课程，随时进行实训操作，包含项目设计、数据采集、清洗、建模、技术实现等，快速提升实操技能，最终掌握大数据开发、数据分析与数据挖掘等大数据能力。

部分案例图片：

【电商大数据分析案例】

【电商大数据分析架构】

【房产大数据分析架构】

【房产大数据分析可视化】

【搜索大数据分析架构】

【网站日志大数据分析架构】

课程实验内容包含：

课程名称

课时

课程内容介绍

Hadoop基础

10

讲解Hadoop生态系统，包括操作与开发；详细讲解HDFS和Map-Reduce的功能及作用；了解MapReduce原理、运行流程、压缩数据处理、作业调度、计算器等环节。

HDFS程序开发

6

讲解Hadoop文件系统HDFSJAVAAPI的使用。

掌握如何使用HDFSJavaAPI，读写文件、读写目录、以及对文件进行压缩处理等。

MapReduce开发

6

本课程针对HadoopMapReduce开发进行讲解。

课程以案例为基础，重点介绍MapReduce程序结构，以及如何使用MapReduce进行数据统计，去重，排序，Map端Join，Reduce端Join等关联操作，掌握MapReduce处理过程。

Hive数据仓库

24

Hive是基于Hadoop构建的数据仓库分析系统，通过学习掌握Hive的函数、Hive数据的加载、Hive的DDL操作、自定义函数（UDF）等内容，达到使用Hive进行查询、汇总、分析数据的能力。

分布式数据库HBase

6

HBase是Hadoop生态系统中的重要一员，主要用于海量结构化数据存储；通过学习对HBase表设计、表操作、数据操作、JavaAPI等内容，掌握对HBase系统的开发及使用。

数据迁移工具Sqoop

4

Sqoop是关系型数据库和Hadoop生态系统之间进行数据转换的主要工具；通过学习将mysql中的数据导入到hdfs中、将数据导入到HBase中、定义导入导出任务等，掌握对数据迁移的能力。

分布式日志框架Flume

4

Flume对海量日志进行采集、聚合和传输的主流大数据工具；课程内容包含Flume应用场景、FlumeNG、FlumeOG、Flume的核心组件、Flume的架构、Flume的source、sink配置说明等。

Kafka流式数据采集

4

Kafka是分布式的消息队列，广泛应用于实时数据处理。

学习内容包含Kafka的体系结构、安装模式及安装部署、Topic、Producer、Consumer、发布订阅消息以及KafkaJAVA开发等。

Spark

6

Spark是一款高性能的分布式计算框架，比MapReduce计算快百倍；本课程内容全面涵盖了Spark生态系统、Spark与Hadoop对比、开发环境搭建、RDD、编程模型、Web监控等内容。

SparkStreaming

4

SparkStreaming是用户结合流式、批处理和交互式查询应用的实时计算框架；本课程内容详细讲解原理与特点、适用场景、Dstream操作、容错、性能优化和内存优化等。

SparkSQL

4

SparkSQL的出现，使得SQL-on-Hadoop的性能相对于Hive有了显著的提高。

达到Spark兼容Hive的功能。

本课程详细讲解特点、运行架构、数据源、数据缓存、DataFrame等。

实战案例

搜索引擎日志

数据统计分析

6

讲解Hadoop系统架构设计以及项目分析流程；通过对用户搜索记录数据的清洗，分析指标内容，得出关键词排行榜、用户停留时间最高页面等。

实战案例

电子商务平台

大数据分析

6

讲解Spark系统架构设计以及项目分析流程；本课程主要讲解搭建电商的数据处理平台、数据统计、分析及可视化技术的应用开发流程。

七、行业数据及案例

提供大数据实战案例以及行业数据，提供包含海量网站日志分析案例、租房及二手房大数据分析案例、电商商品交易大数据挖掘、搜索引擎关键词分析算法案例、汽车销售数据分析案例等案例讲解及实战作业工作流内容。

数据名称

数据描述

更新

地区房产数据

包含二手房在售数据、出租房屋数据、经纪人评价数据等。

每周

全国汽车数据

包含国内不同种类汽车详细配置信息、汽车使用评论数据、汽车销售数据以及二手车数据等。

可用于汽车行业市场行情分析。

每月

法律咨询数据

包含国内所有法律咨询服务机构数据、机构评论数据、有关法律咨询话题的数据。

可用于法律咨询行业市场行情分析，社会治安情况分析。

每周

疾病问答数据

包含国内不同种类疾病问题数据、医生回复数据、有关疾病常识等话题的数据。

每月

股票基金交易数据

包含国内、港股、美股等国内外股票行情及交易数据、按照时间段提供详细数据；也包含证券投资基金、保险基金、信托投资基金等行情数据。

每日

天气、气象数据

包含全国各个地区气象数据（气温、降水量、风、气压等）、气象观测产品数据。

可用于气象业务、天气预报、气候预测以及气象服务。

每日

人脸图像数据

包含国内多种年龄段的人脸图像数据。

用于脸部特征分析、人脸识别、人脸检测等，每个人提供多个角度的图片。

每月

电商评价数据

包含上百万条国内知名电商平台产品评价数据。

可用于用户购买产品意愿分析、个性化推荐和精准营销，进行商业舆情监控和产品的市场行情分析。

每周

北京生鲜食品价格数据

包含历年北京市蔬菜、水果、肉禽蛋、水产等生鲜食品的最低价、最高价以及平均价以及最新价格。

利用大数据可进行生鲜食品行业分析。

每日

搜索引擎访问日志数据

包含用户搜索记录数据。

通过对用户搜索记录的分析，可以分析用户行为特征，构建广告点击模型。

每周

海量网站访问日志数据

包含海量用户访问网站的日志数据。

通过对日志的分析，我们可以知道获取网站每类页面的PV值（PageView，页面访问量）、独立IP数，哪个网页最有价值等。

每周

八、安装配置

1、大数据教学管理系统

2、大数据实战集群及案例