大數(shù)據(jù)認(rèn)知實踐教學(xué)改革研究

張揚(yáng)武　李國和

［摘 要］面向工程領(lǐng)域中的大數(shù)據(jù)處理實際需求，培養(yǎng)具備大數(shù)據(jù)開發(fā)和管理能力的人才，是大數(shù)據(jù)實踐教學(xué)題中應(yīng)有之義。文章針對大數(shù)據(jù)認(rèn)知實踐教學(xué)中存在的問題，結(jié)合理實協(xié)同教學(xué)理念，提出產(chǎn)教融合的大數(shù)據(jù)認(rèn)知實踐教學(xué)體系和內(nèi)容，著力改善大數(shù)據(jù)認(rèn)知實踐教學(xué)效果，提高大數(shù)據(jù)應(yīng)用實踐人才培養(yǎng)質(zhì)量。

［關(guān)鍵詞］大數(shù)據(jù)；實踐教學(xué)；教學(xué)改革；教學(xué)內(nèi)容；Hadoop

［中圖分類號］G642［文獻(xiàn)標(biāo)識碼］A［文章編號］2095-3437（2024）04-0029-04

當(dāng)前，數(shù)據(jù)已經(jīng)成為我們學(xué)習(xí)、工作和生活中的資源，普通用戶既是數(shù)據(jù)的生產(chǎn)者，也是數(shù)據(jù)的消費(fèi)者。隨著移動互聯(lián)網(wǎng)和人工智能的迅猛發(fā)展，大數(shù)據(jù)技術(shù)逐漸引起了人們的廣泛興趣，大數(shù)據(jù)對國家發(fā)展也越來越為重要，大數(shù)據(jù)技術(shù)和應(yīng)用的發(fā)展逐步上升到國家戰(zhàn)略地位。從數(shù)據(jù)、信息、知識到大數(shù)據(jù)，信息技術(shù)不斷地進(jìn)行了螺旋式迭代發(fā)展。近些年，各個行業(yè)的業(yè)務(wù)數(shù)據(jù)呈現(xiàn)數(shù)量級增長，導(dǎo)致對數(shù)據(jù)處理的要求越來越高，對大數(shù)據(jù)分析和處理的人才需求也隨之增長。為了適應(yīng)新時代的國家戰(zhàn)略和人才培養(yǎng)需要，教育部于2015年出臺了大數(shù)據(jù)專業(yè)培養(yǎng)文件和政策。為了響應(yīng)教育部大數(shù)據(jù)人才培養(yǎng)目標(biāo)，很多高校相繼成立了大數(shù)據(jù)相關(guān)專業(yè)，以求不斷培養(yǎng)出能夠從事大數(shù)據(jù)設(shè)計、開發(fā)和分析工作的人才，以滿足社會對大數(shù)據(jù)應(yīng)用人才的需求。

面向工程領(lǐng)域中的大數(shù)據(jù)處理實際需求，培養(yǎng)目標(biāo)明確提出，大數(shù)據(jù)專業(yè)人才應(yīng)該具備基礎(chǔ)的知識和應(yīng)用能力，重點培養(yǎng)學(xué)生運(yùn)用大數(shù)據(jù)技術(shù)進(jìn)行工程創(chuàng)新的能力，著力解決科技產(chǎn)業(yè)涌現(xiàn)的新問題。大數(shù)據(jù)科學(xué)實際上是多門學(xué)科融合的專業(yè)，其學(xué)生既需要掌握計算機(jī)科學(xué)基礎(chǔ)理論，又要熟悉數(shù)學(xué)統(tǒng)計方法，還要精通程序開發(fā)的工程知識，涉及學(xué)科領(lǐng)域廣泛，技術(shù)發(fā)展更新快。目前，一些高校的大數(shù)據(jù)專業(yè)人才培養(yǎng)中學(xué)生理論知識的學(xué)習(xí)局限于計算機(jī)基本知識、概念和方法原理，實踐教學(xué)目前還不成熟，處于探索階段。要讓學(xué)生掌握大數(shù)據(jù)存儲、計算和分析方法，培養(yǎng)學(xué)生運(yùn)用大數(shù)據(jù)技術(shù)解決工程問題的創(chuàng)新思維和創(chuàng)新能力，實踐教學(xué)至關(guān)重要。因此，研究和探索大數(shù)據(jù)專業(yè)實踐教學(xué)具有非常重要的作用和意義。

一、大數(shù)據(jù)認(rèn)知實踐的教學(xué)現(xiàn)狀及存在問題

目前大數(shù)據(jù)專業(yè)培養(yǎng)方案將Hadoop開發(fā)技術(shù)作為專業(yè)的核心主干課，這是符合實際行業(yè)需求的。雖然專業(yè)的正式名稱為數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)，但是培養(yǎng)目標(biāo)為滿足行業(yè)對大數(shù)據(jù)應(yīng)用人才的需求。從課程體系上來說，既要有能夠培養(yǎng)學(xué)生運(yùn)用數(shù)理知識、專業(yè)知識和工程知識解決復(fù)雜工程問題能力的課程組，又要有能夠培養(yǎng)學(xué)生運(yùn)用軟件開發(fā)技術(shù)、數(shù)據(jù)分析方法和工程實踐知識構(gòu)建大數(shù)據(jù)應(yīng)用系統(tǒng)能力的課程組。數(shù)理知識課程包括概率論、數(shù)理統(tǒng)計、線性代數(shù)、高等數(shù)學(xué)等，專業(yè)知識課程包括操作系統(tǒng)原理、數(shù)據(jù)庫原理、計算機(jī)系統(tǒng)原理、數(shù)據(jù)結(jié)構(gòu)和算法、大數(shù)據(jù)技術(shù)原理等，軟件開發(fā)技術(shù)課程包括軟件工程、Java程序設(shè)計、C語言程序設(shè)計、Python程序語言設(shè)計等，數(shù)據(jù)分析方法課程包括數(shù)據(jù)統(tǒng)計和分析、數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、自然語言處理等，工程實踐課程包括大數(shù)據(jù)認(rèn)知實踐、大數(shù)據(jù)工程實踐等。

大數(shù)據(jù)認(rèn)知實踐在理論學(xué)習(xí)的基礎(chǔ)上，在校內(nèi)開展實踐教學(xué)，雖然不是真實數(shù)據(jù)生產(chǎn)場景，但是盡最大可能模擬數(shù)據(jù)生產(chǎn)環(huán)境。傳統(tǒng)的實踐教學(xué)受限于教學(xué)手段和教學(xué)方法，不能最大化展現(xiàn)實際應(yīng)用場景，僅僅作為理論知識的有限拓展，難以實現(xiàn)行業(yè)和企業(yè)對學(xué)生的應(yīng)用能力的培養(yǎng)要求。傳統(tǒng)的實踐教學(xué)涉及的數(shù)據(jù)采集、平臺搭建和模型算法選擇都較為單一，缺乏靈活性，理論知識和實踐內(nèi)容脫節(jié)，理論知識不能有效支持實踐內(nèi)容，實踐內(nèi)容也不能鞏固理論知識。傳統(tǒng)的實踐教學(xué)不能滿足大數(shù)據(jù)認(rèn)知實踐對資源的開銷，大數(shù)據(jù)分布式存儲和計算框架需要服務(wù)器集群，并發(fā)訪問數(shù)據(jù)量大。大數(shù)據(jù)實踐教學(xué)不僅對主機(jī)的計算資源和存儲資源有著較高的要求，而且涉及的配置細(xì)節(jié)非常煩瑣，需要學(xué)生不斷地加強(qiáng)練習(xí)，這對實驗室的硬件環(huán)境和開放時間的要求都要高于傳統(tǒng)的實踐教學(xué)。此外，傳統(tǒng)的實踐教學(xué)手段較為單一，很多情況下就是灌輸一些步驟，先理論后實踐，不能有效激發(fā)學(xué)生主動學(xué)習(xí)和創(chuàng)新的熱情。

二、大數(shù)據(jù)認(rèn)知實踐教學(xué)改革

（一）大數(shù)據(jù)認(rèn)知實踐教學(xué)內(nèi)容體系

根據(jù)OBE（Outcome?Based Education）教育理念，大數(shù)據(jù)認(rèn)知實踐應(yīng)該以學(xué)生的學(xué)習(xí)產(chǎn)出為導(dǎo)向，以行業(yè)應(yīng)用需求為出發(fā)點和落腳點，推進(jìn)學(xué)練用大數(shù)據(jù)認(rèn)知實踐教學(xué)改革，強(qiáng)化課程創(chuàng)新，促進(jìn)教學(xué)優(yōu)化。大數(shù)據(jù)認(rèn)知實踐教學(xué)應(yīng)該立足社會需求，緊跟時代發(fā)展脈搏，抓住大數(shù)據(jù)應(yīng)用場景，結(jié)合多學(xué)科深度融合交叉，根據(jù)行業(yè)大數(shù)據(jù)需求特點，進(jìn)行全方位教育教學(xué)改革探索。

面向各個行業(yè)的基本數(shù)據(jù)生產(chǎn)，需要培養(yǎng)大數(shù)據(jù)分布存儲系統(tǒng)的研發(fā)人才；面向企業(yè)業(yè)務(wù)提升，需要培養(yǎng)大數(shù)據(jù)分布計算系統(tǒng)的開發(fā)人才；面向機(jī)構(gòu)管理決策，需要培養(yǎng)大數(shù)據(jù)處理分析復(fù)合型人才。以需求為導(dǎo)向，目前行業(yè)中的大數(shù)據(jù)存儲大多數(shù)采用的是HDFS分布式存儲系統(tǒng)，大數(shù)據(jù)計算系統(tǒng)采用的是MapReduce，而流式實時分析和處理框架則是采用Spark。因此，大數(shù)據(jù)認(rèn)知實踐教學(xué)實際上是圍繞Hadoop生態(tài)圈開展的。

[數(shù)據(jù)庫結(jié)構(gòu)化數(shù)據(jù) ][文件日志半結(jié)構(gòu)化數(shù)據(jù) ][任務(wù)調(diào)度、業(yè)務(wù)應(yīng)用和數(shù)據(jù)可視化 ][Spark Streaming ][Hive數(shù)據(jù)查詢 ][Spark SQL ][MapReduce離線計算 ][YARN資源管理 ][HDFS分布式存儲 ][HBASE非關(guān)系型數(shù)據(jù)庫 ][Spark內(nèi)存計算 ]

圖1 Hadoop生態(tài)圈

Hadoop是Apache基金會支持的開源大數(shù)據(jù)存儲與計算框架，受到業(yè)界的廣泛認(rèn)可和青睞。搜索引擎使用Hadoop平臺進(jìn)行廣告點擊分析，電商網(wǎng)站利用Hadoop進(jìn)行高可用數(shù)據(jù)存儲和分析，Hadoop平臺不僅包含大數(shù)據(jù)處理功能，還包括自然語言處理、機(jī)器學(xué)習(xí)以及云計算方面功能。

（二）大數(shù)據(jù)認(rèn)知實踐教學(xué)要求和環(huán)境

在開展大數(shù)據(jù)認(rèn)知實踐教學(xué)之前，需要強(qiáng)調(diào)學(xué)生應(yīng)該掌握的前置課程和知識儲備。Hadoop底層實現(xiàn)源碼是用Java語言編寫的，因此，學(xué)生需要提前掌握J(rèn)ava程序設(shè)計語言以及面向?qū)ο蟮某绦蛟O(shè)計思想。Hadoop部署在Linux操作系統(tǒng)上，學(xué)生需要掌握操作系統(tǒng)知識和Linux操作方法。Hadoop分布式存儲涉及數(shù)據(jù)查詢和持久化，因此，學(xué)生需要掌握數(shù)據(jù)庫原理知識和SQL查詢語句。Hadoop分布式計算可以通過編程實現(xiàn)對數(shù)據(jù)的查詢和聚合，因此，學(xué)生需要掌握J(rèn)ava平臺上的集成開發(fā)環(huán)境IDE（Integrated Development Environment）。

目前大數(shù)據(jù)實踐教學(xué)環(huán)境可以分為自己搭建環(huán)境和第三方實訓(xùn)平臺，兩者各有優(yōu)缺點。自己搭建環(huán)境的優(yōu)勢就是學(xué)生可以全程參與大數(shù)據(jù)服務(wù)器的部署和開發(fā)，可以比較廣泛和深入地掌握大數(shù)據(jù)認(rèn)知實踐知識，其不足之處就是需要進(jìn)行相關(guān)軟件安裝和組件配置的教學(xué)，比較煩瑣。采用第三方實訓(xùn)平臺的優(yōu)勢就是可以通過云服務(wù)器和web控制臺方式進(jìn)行一鍵部署，提交代碼和運(yùn)行代碼的操作簡單，其不足之處就是第三方平臺使用的容器包裝了很多實現(xiàn)細(xì)節(jié)，不利于學(xué)生對大數(shù)據(jù)認(rèn)知實踐知識的掌握。因此，在實驗室有較高配置資源的情況下，推薦使用自搭實驗環(huán)境。

Hadoop可以分為偽分布式部署和完全分布式部署。Hadoop偽分布式部署利用線程模擬master主節(jié)點和slave從節(jié)點，而Hadoop完全分布式部署利用獨(dú)立主機(jī)（包括物理上和邏輯上的獨(dú)立主機(jī)）來分配主從節(jié)點。Hadoop偽分布式部署一般用于數(shù)據(jù)量和計算開銷都不大的場景，也用于對大數(shù)據(jù)技術(shù)進(jìn)行學(xué)習(xí)的場景。

Hadoop偽分布式部署需要一臺安裝Linux操作系統(tǒng)的主機(jī)，一般實驗室的操作系統(tǒng)是支持應(yīng)用較多的Windows系統(tǒng)，因此，需要安裝VMware Station，在VMware虛擬機(jī)中安裝Linux系統(tǒng)。另外，還需要在Windows中安裝一個可以操作Linux系統(tǒng)的客戶端軟件，例如Xshell，便于后續(xù)操作，將Hadoop安裝包上傳到Linux系統(tǒng)中以及對Hadoop進(jìn)行配置操作。

Hadoop完全分布式部署包括物理上獨(dú)立主機(jī)和邏輯上獨(dú)立主機(jī)。物理上獨(dú)立主機(jī)的完全分布式部署需要采用分組實踐，例如3人一組，將其中一臺主機(jī)作為master節(jié)點，三臺主機(jī)都作為slave節(jié)點。邏輯上獨(dú)立主機(jī)的完全分布式部署需要在Windows系統(tǒng)中安裝VMware Station和Xshell，在VMware虛擬機(jī)中安裝3個或者多個Linux系統(tǒng)。Hadoop偽分布式部署和完全分布式部署配置見表1。

（三）大數(shù)據(jù)認(rèn)知實踐教學(xué)內(nèi)容

大數(shù)據(jù)認(rèn)知實踐應(yīng)該圍繞教學(xué)目標(biāo)展開，概括來說，教學(xué)目標(biāo)包括掌握大數(shù)據(jù)存儲技術(shù)和大數(shù)據(jù)計算技術(shù)。傳統(tǒng)的軟件工程是將存儲和計算分離，數(shù)據(jù)存儲在磁盤上，計算時再讀到內(nèi)存，多次磁盤I/O操作將極大降低計算效率，并且隨著數(shù)據(jù)量增加，磁盤存儲和內(nèi)存計算資源只能縱向擴(kuò)展，不能橫向擴(kuò)展，這種情況顯然不能滿足大數(shù)據(jù)的業(yè)務(wù)需求。為了解決傳統(tǒng)工程中存儲和計算脫節(jié)、無法提供高可用服務(wù)的問題，Hadoop通過提供分布式存儲系統(tǒng)HDFS、分布式計算框架MapReduce、非關(guān)系型數(shù)據(jù)庫Hbase、數(shù)據(jù)倉庫Hive以及內(nèi)存計算框架Spark等，提供并發(fā)處理低延遲的高可用服務(wù)。

HDFS是大數(shù)據(jù)分布式存儲系統(tǒng)，通過數(shù)據(jù)塊冗余分布式存儲提供高可用訪問，分布式存儲的橫向擴(kuò)展是通過增加機(jī)器數(shù)量來實現(xiàn)的，既可以突破縱向擴(kuò)展的瓶頸限制，又可以利用高帶寬訪問，還可以提供多個冗余副本存儲。HDFS在master節(jié)點即NameNode上管理整個分布式文件系統(tǒng)的元數(shù)據(jù)信息，包括文件名、文件大小、文件塊數(shù)、塊ID以及塊存儲位置。HDFS在slave節(jié)點即DataNode上存儲擁有多個備份數(shù)據(jù)塊的數(shù)據(jù)文件。為了防止master節(jié)點宕機(jī)出現(xiàn)的單點故障，還需要準(zhǔn)備一個備份節(jié)點即SecondNameNode。同時，master節(jié)點通過RPC（Remote Procedure Call）心跳機(jī)制檢測各個DataNode的工作狀態(tài)。HDFS分布式存儲系統(tǒng)的實踐教學(xué)應(yīng)包含HDFS文件系統(tǒng)的安裝和配置、HDFS文件系統(tǒng)的目錄文件操作命令、用API訪問HDFS文件系統(tǒng)的編程方法等（見表2）。

MapReduce是基于HDFS的大數(shù)據(jù)分布式計算框架或者編程模型，為程序員提供面向業(yè)務(wù)的編程服務(wù)，而不需要考慮分布式計算中出現(xiàn)的諸如任務(wù)調(diào)度、分配、文件切片等各種具體問題，簡化了處理事務(wù)，提高了編程工作效率。 MapReduce編程分為Mapper和Reducer兩個階段，前者是映射階段，將讀取的數(shù)據(jù)映射為key?value類型的迭代器，后者為聚合階段，將迭代器中的相同的key做聚合，進(jìn)行統(tǒng)計分析。完成Mapper和Reducer之后，編寫驅(qū)動類Driver的入口函數(shù)。然后，將代碼導(dǎo)出為jar包，提交到master節(jié)點上運(yùn)行。MapReduce分布式計算框架的實踐教學(xué)內(nèi)容見表3。

Hbase是面向列的開源數(shù)據(jù)塊，與傳統(tǒng)的關(guān)系型數(shù)據(jù)庫不同，其同一列的數(shù)值類型一樣，將同一列連續(xù)存儲更加符合客觀規(guī)律。非關(guān)系型數(shù)據(jù)庫Hbase的實踐教學(xué)內(nèi)容見表4。

Hive是基于Hadoop的數(shù)據(jù)倉庫工具，可以將結(jié)構(gòu)化數(shù)據(jù)映射為一個表，在此基礎(chǔ)上提供類SPL的查詢語句，其實現(xiàn)的原理是將查詢語句映射為MapReduce任務(wù)。Hive可以處理不同來源的數(shù)據(jù)，包括數(shù)據(jù)庫、文件和網(wǎng)絡(luò)日志等。數(shù)據(jù)倉庫工具Hive的實踐教學(xué)內(nèi)容見表5。

Spark是集實時流處理和交互查詢?yōu)橐惑w的內(nèi)存計算框架，通過彈性分布式數(shù)據(jù)集RDD（Resilient Distributed Datasets）實現(xiàn)高容錯性的內(nèi)存抽象彈性機(jī)制。對RDD的操作有轉(zhuǎn)換操作和執(zhí)行操作，轉(zhuǎn)換操作是窄依賴，并沒有在內(nèi)存中真正執(zhí)行，由此可以進(jìn)行優(yōu)化操作，只有在執(zhí)行操作對應(yīng)的寬依賴的操作被處理時，數(shù)據(jù)才被溢寫到磁盤上，數(shù)據(jù)的恢復(fù)完全可以通過依賴關(guān)系進(jìn)行。實時流處理Spark的實踐教學(xué)內(nèi)容見表6。

三、結(jié)束語

為了提高大數(shù)據(jù)相關(guān)專業(yè)培養(yǎng)人才效果，開展大數(shù)據(jù)認(rèn)識實踐教學(xué)非常重要，不僅可以強(qiáng)化學(xué)生對大數(shù)據(jù)科學(xué)系統(tǒng)知識的理解和掌握，而且可以更加契合市場需求，向社會輸出更加合格的人才。針對目前大數(shù)據(jù)實踐教學(xué)中存在的問題，結(jié)合大數(shù)據(jù)專業(yè)培養(yǎng)目標(biāo)和方案，本文提出了理實協(xié)同、多層次的大數(shù)據(jù)認(rèn)知實踐課程教學(xué)體系和內(nèi)容，從生產(chǎn)應(yīng)用場景探索大數(shù)據(jù)認(rèn)知實踐教學(xué)改革思路。

［ 參 考 文 獻(xiàn) ］

[1] 張俊麗，姚香秀，程茜，等. 基于OBE 理念的數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)人才培養(yǎng)創(chuàng)新研究與實踐[J]. 大學(xué)教育， 2022（4）：185-187.

[2] 周晴紅. Hadoop大數(shù)據(jù)開發(fā)技術(shù)課程實踐教學(xué)[J]. 辦公自動化，2021，26（20）：20-22.

[3] 曾曉云.大數(shù)據(jù)人才培養(yǎng)的實踐教學(xué)體系研究[J].湖南郵電職業(yè)技術(shù)學(xué)院學(xué)報，2022，21（1）：84-86.

[4] 李方東.數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)實驗實踐教學(xué)探析[J].長春大學(xué)學(xué)報，2021，31（2）：88-91.

[5] 梁晶，胡新榮. Hadoop 大數(shù)據(jù)開發(fā)課程實踐教學(xué)研究[J].計算機(jī)教育，2020（2）：166-169.

[6] 劉伯紅，吳思遠(yuǎn)，閻英，等.校企合作下大數(shù)據(jù)人才培養(yǎng)實踐教學(xué)模式研究[J].軟件導(dǎo)刊，2023，22（6）：196-200.

[7] 孫開偉，鄧欣，王進(jìn). 新工科背景下數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)實踐教學(xué)體系研究[J].高教學(xué)刊，2023，9（14）：5-8.

[8] 石兵，熊盛武，饒文碧，等. 數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)建設(shè)研究與實踐[J].計算機(jī)教育，2021（4）：88-92.

[9] 夏官夢，王健.新工科背景下計算機(jī)類人才培養(yǎng)的探索與實踐[J].教育現(xiàn)代化，2020，7（48）：26-29.

［責(zé)任編輯：雷 艷］