高校大数据专业课程资源采购建设方案.docx

《高校大数据专业课程资源采购建设方案.docx》由会员分享，可在线阅读，更多相关《高校大数据专业课程资源采购建设方案.docx（32页珍藏版）》请在课桌文档上搜索。

1、第一章项目概述11.1项目名称11.2项目建设方案编制依据1L3项目概况21.3.1 项目背景21.3.2 建设目标41.3.3项目建设的意义和必要性71.3.4 部门业务需求说明91.3.5 总体建设与本期建设任务10第二章业务需求分析101. 1业务功能、业务流程和业务量分析102. 2系统功能和性能需求分析11第三章总体建设方案123. 1建设原则123.2总体建设任务123.3系统总体结构和逻辑结构133. 4技术路线14第四章本期项目建设方案154. 1系统设计154.1.1软件系统设计174.1.2硬件系统设计234.2网络系统设计234.3安全系统设计244.4软硬件部署设计24

2、4.5备份系统设计264.6资源共享设计28第五章项目运维管理305.1人员培训方案305. 2项目运维305.2. 1运维内容305.2.2运维时间315.2.3运维要求315.2.4其它31第六章效益与评价指标分析326.1效益分析326.2项目评价指标分析32第一章项目概述1. 1项目名称高校大数据专业课程资源采购建设方案1.2项目建设方案编制依据1）互联网+政务服务”技术体系建设指南2）政务信息资源类规范、标准3）国家、省级、行业建设规范信息技术-大数据-大数据系统基本要求GB/T38673-2020；信息技术一大数据一存储与处理系统功能测试要求GB/T38676-2020民用建筑电气

3、设计标准GB51348-2019；综合布线系统工程设计规范GB50311-2016；视频显示系统工程技术规范GB50464-2008；多媒体设备安全指南GB/T22698-2017多媒体教学环境设计要求GB/T36447-2018安全防范工程技术标准GB50348-2018；建筑内部装修设计防火规范GB50222-2017；其他国家、安徽省相关标准规范、图集等。L3项目概况1.3.1项目背景1.3.1.2建设原因我国深入数字经济发展战略，随着网络信息技术迅速发展，人们已迈进了大规模数据挖掘、运用与创新的大数据时代，数据正逐渐成为驱动经济社会发展的新的生产要素，大数据已成为国家重要战略资源。当前

4、，我国正进入以数据的深度挖掘和融合应用为主要特征的智能化阶段（信息化3.0）o数字化、网络化和智能化呈融合发展新态势，信息技术开始从助力社会经济发展，进而催生出一种新的经济范式一“数字经济”。根据中国信息通信研究院统计，2021年中国数字经济规模已达7.1万亿美元，居全球第二位，到2025年我国数字经济规模将超过60万亿元。我国“十三五”规划纲要正式提出实施国家大数据战略，到“十四五”规划全面布局大数据发展，可以概括为突出数据在数字经济中的关键作用、加强数据要素市场规则建设、重视大数据相关基础设施建设。从教育层面来看，随着新一轮科技革命和产业变革深入发展，数字技术愈发成为驱动人类社会思维方式、

5、组织架构和运作模式发生根本性变革、全方位塑造的引领力量。2022年是国家教育数字化战略行动的开局之年，2023年是纵深推进教育数字化转型的一年。教育数字化是我国教育现代化发展进程中的重要一环，既是回应时代的必经之路，也是链接未来的必要准备。文件名称发文单位“十四五”大数据产业发展规划工信部信息产业发展指南工信部、发改委关于实施一流本科专业建设“双万计划”的通知教育部中国特色高水平高职学校和专业建设计划（“双高计划”）教育部关于一流本科课程建设的实施意见教育部软件和信息技术服务业产业发展规划工信部关于促进和规范医疗健康大数据应用发展的指导意见国务院农业农村大数据试点方案农业部教育部关于加强新时代

6、教育管理信息化工作的通知教育部关于推进交通运输行业数据资源开放共享的实施意见交通部关于加快中国林业大数据发展的指导意见林业局生态环境大数据建设总体方案环保部促进大数据发展三年工作方案发改委促进国土资源大数据应用发展的实施意见国土资源部关于促进全国发展改革系统大数据工作的指导意见发改委大数据产业发展规划是深入贯彻国家大数据战略、落实促进大数据发展行动纲要、协同推进制造强国和网络强国建设的重要抓手，对于提升政府治理能力，优化民生公共服务、推动创新创业、促进经济转型和创新发展有重大意义。规划以大数据产业发展中的关键问题为出发点和落脚点，以强化大数据产业创新发展能力为核心，以推动促进数据开放与共享、加

7、强技术产品研发、深化应用创新为重点，以完善发展环境和提升安全保障能力为支撑，打造数据、技术、应用与安全协同发展的自主产业生态体系，全面提升我国大数据的资源掌控能力、技术支撑能力和价值挖掘能力，在此基础上明确了“十三五”时期大数据产业发展的指导思想、发展目标、重点任务、重点工程及保障措施等内容，作为未来五年大数据产业发展的行动纲领。大数据专业课程资源采购建设是提升我校大数据技术专业建设水平的有力抓手，为学生提供了一个实践学习的平台，使他们能够在实际操作中掌握大数据技术，提升实践能力。同时，实验室还可以为学生提供创新实验和创新项目的机会，培养学生的创新意识和创新能力，为未来的职业发展打下坚实基础。

8、实验室的建设有助于推动大数据产业的发展，提升国家在全球大数据领域的竞争力。通过实验室的研究成果和技术应用，可以推动传统产业的转型升级，培育新兴的大数据产业，促进经济的持续增长。1.3.2建设目标一、业务目标教学培训目标：确立大数据教育教学的核心地位，通过实验室建设，提升大数据相关专业的教学质量和效果。培养学生掌握大数据处理与分析的基本技能，使其能够独立完成大数据相关项目，并具备解决实际问题的能力。举办大数据技术培训班，为校内外师生提供学习和交流的平台，推动大数据技术的普及和应用。科研创新目标：构建高水平的大数据科研平台，吸引和集聚大数据领域的优秀人才，促进科研成果的产出和转化。开展大数据前沿技

9、术研究，探索大数据在各个领域的应用潜力，推动大数据技术的创新和发展。加强与国内外知名高校和研究机构的合作与交流，提升学校在大数据领域的学术影响力和竞争力。社会服务目标：利用大数据实验室的资源和技术优势，为地方政府和企业提供大数据咨询和服务，推动地方经济和社会发展。搭建大数据公共服务平台，为中小企业提供数据分析和处理服务，促进产业升级和转型。积极参与社会公益事业，利用大数据技术解决社会问题，提升社会服务水平。二、系统功能目标数据处理与分析功能：建立高效稳定的数据处理和分析平台，支持海量数据的存储、处理和分析。配备先进的数据挖掘和机器学习算法，实现数据的深度挖掘和价值发现。提供可视化分析工具，帮助

10、用户直观理解数据和分析结果。实验与实训功能：设计多样化的实验课程和实训项目，满足不同层次和需求的学生的学习和实践需求。搭建模拟真实环境的实验平台，让学生在实践中掌握大数据技术的实际操作技能。提供实验指导和项目辅导服务，帮助学生解决实验和实训过程中遇到的问题。资源共享与合作功能：建立大数据资源共享平台，实现校内外资源的互通有无和共享利用。促进跨学科、跨领域的合作与交流，推动大数据技术在各个领域的融合应用。加强与产业界的合作，推动产学研一体化发展，实现技术创新和成果转化。三、效益目标经济效益：通过大数据专业课程资源的建设和运营，带动相关产业的发展，形成产业链效应。利用大数据技术为地方政府和企业提供

11、咨询服务，创造经济效益和社会效益。吸引外部投资和资金支持，促进实验室的可持续发展和壮大。社会效益：提升学校在社会上的知名度和影响力，增强学校的综合竞争力。培养一批具备大数据技能和创新能力的优秀人才，为社会输送高素质人才。通过大数据技术的应用和推广，推动社会进步和文明发展。教育效益：提高大数据相关专业的教育质量和水平，培养更多优秀人才。为学生提供更多实践机会和就业渠道，提高学生的就业竞争力和职业发展前景。促进教育教学改革和创新，推动高等教育的发展和创新。响应国家政策，通过升级教学硬件设施，助力提高办学水平，从而提高学生职业素养，助力我校升本为马鞍山师范学院。根据中华人民共和国高等教育法普通高等学

12、校设置暂行规定教育部关于“十四五”时期高等学校设置工作的意见等有关规定，目前，学校正积极创建马鞍山师范学院。其中普通高等学校设置暂行规定中明确对教学水平及人均教科研仪器、教学实践基地等提出确实要求。教学与科研水平1.普通本科学校应具有较强的教学力量和较高的教学水平，在教育部组织的教学水平评估中，评估结论应达到5futxt（对申蟀院的学j高职高专学校教学工作水平ms；对学院更名为大学的指#三高等学校本科教学工作水平WS）,称为大学的学女在近两届教学演评选中砂有2个WjL项目获得过国家级一、二等奖或省级一等奖.图示普通高等学校设置暂行规定关于“教学与科研水平”要求（五）基础设施1 .土地。普通本科

13、学校生均占地面积应达到60平方米以上。学院建校初期的校园占地面积应达到500亩以上。2 .建筑面积。普通本科学校的生均校舍建筑面积应达到30平方米以上。称为学院的学校，建校初期其总建筑面积应不低于15万平方米；普通本科学校的生均教学科研行政用房面积，理、工、农、医类应不低于2呼方米，人文、社科、管理类应不低于15平方米，体育、艺术类应不低于3呼方米。3 .仪器设备。普通本科学校生均教学科研仪器设备值，理、工、农、医类和师范院校应不低于5000元，人文、社会科学类院校应不低于300阮，体育、艺术类院校应不低于4000元。图示普通高等学校设置暂行规定关于“基础设施”要求5.实习、实训场所。普通本科

14、学校必须拥有相应的教学实践、实习基地。以理学、工学、农林等科类专业教育为主的学校应当有必需的教学实习工厂和农（林）场和固定的生产实习基地；以师范类专业教育为主的学校应当有附属的实验学校或固定的实习学校；以医学专业教育为主的学校至少应当有一所直属附属医院和适用需要的教学医院。图示普通高等学校设置暂行规定关于“实习、实训场地”要求通过本期大数据专业课程资源的建设，预期将实现业务、系统功能和效益等多方面的目标，为学校的教学、科研和社会服务提供有力支撑和保障。L3.3项目建设的意义和必要性我校大数据专业现状1、培养方案和课程体系设计困难大数据产业的真实发展状态怎样？和本校特色相关的大数据行业的真实发展

15、状态怎样？大数据产业需要什么样的人才？大数据人才的能力素质模型是怎样的？如何构建一个能够培养产业人才需求的培养方案？等等问题。2、欠缺真实的项目实战案例大数据专业是典型的理论与实践结合的专业，学生光学不练，无法满足用人单位的需求。大数据在行业中是如何应用的、架构如何设计、用到哪些技术，有必要通过真实的项目实战案例让学生掌握这些知识，而实战案例是高校普遍欠缺的。3、缺少行业真实数据没有数据，谈何大数据？结合行业的实际应用，利用大数据技术处理行业数据，才能让学生真正掌握大数据技术。行业真实数据，也是高校欠缺的教学和科研资源。4、缺乏专业的实验实训平台大数据实验实训教学要求给每个学生配置一套服务器集

16、群，实验环境维护工作复杂、工作量大，传统机房显然很难满足大数据实验实训教学的要求。在搭建大数据实训应用平台的方式上，有两种选择：教师自己搭建，虽然大数据的基础平台，以及一些算法库是开源的，但平台的各个组件版本众多，不同版本的兼容性存在问题，需要技术背景非常深厚的人员花费大量的时间进行兼容性调测。在使用上，开源平台面向的是代码编写和开发人员，需要大量的IT基础知识，不适合信息管理与信息系统专业的专业定位和建设目标。采用专业的商用实训平台，商用平台提供的是一整套平台和组件，包括基于开源组件进行调测、优化和二次开发的组件，自研的组件，适合教学的增值套件，以及配套的课程和实训教学内容。平台稳定性高，界

17、面友好易用，可以大大减轻老师和学生的负担。平台一般提供多层级的模块封装，针对不同的专业定位，可以提供不同的模块封装级别。另外，厂家一般会提供配套的培训服务和平台维护服务，可以提升师资力量和教学水平，也让老师和学生免除平台故障的拖累，专注核心知识，达成教学目标。建设必要性1、教学需求本项目将支持我校软件与互联网学院申报的大数据技术应用新专业的专业课程教学实训等一系列需求。满足“1+X”技能证书考试实训需求。2、竞赛需求本项目将推动我校学生参与全国、省级各类大数据赛项，并力争获奖。3、科研双创需求通过本项目建设，校企合作将开展科研活动、对外技术服务和培训，同时孵化优秀的师生，为实现我校建设一流的生

18、产型实训基地、国家部委认可的大数据人才培养基地打下基础。4、双师型教师培养需求本项目将有助于我校培养具备大数据技术研发能力、应用设计能力，又可进行大数据工程师证书培训、辅导学生参与技能竞赛的双师型教师。1.3.4 部门业务需求说明本部门业务需求：大数据容器实验环境、数据可视化Bl分析平台、大数据综合实训平台、课程资源、课程资源运行载体。1.3.5 总体建设与本期建设任务总体建设目标：提升大数据专业教学服务效率、教学管理水平，用于支撑当前和未来专业发展和对应招生规模的教学要求。本次建设任务：完成大数据专业课程资源采购建设，满足大数据专业的教学、实践实训要求。建设教学资源库和教学案例，建设教学管理

19、平台和可视化Bl平台。第二章业务需求分析1.1 业务功能、业务流程和业务量分析1）软件部分要求业务功能：为大数据专业教师提供线上的教学管理功能，包括管理教学资源、设置在线课程、发布教学任务、发布和管理考试、学生学习任务统计分析、可视化大屏制作等，学生可实现在线学习和实训、参加考试和制作可视化大屏等。业务流程图：本系统主要面向教师和学生提供服务，教师可基于系统进行备课、发布教学任务、学生管理、考试管理和教学资源管理，学生可完成线上学习、实训和考试任务，进行自主的可视化实践。业务量分析：预估项目未来3到5年将为大数据专业540人次的学生和75人次的教师提供教学、实践实训任务。教学平台和可视化平台需

20、满足同专业高并发、高带宽无延迟的服务，教学资源、实践案例内容较新，贴合未来技术发展趋势和企业用人要求。原有系统基于本地虚拟机完成，资源较为分散、不统一，不利于资源的管理，影响教学质量和效率，新建设教学平台可实现教学资源、课程的统一管理，极大地提升教学质量和效率。2）硬件部分要求大数据专业教学重实践，实训任务中处理的数据量大、每个人需要分布式HadoOP集群环境（3台主机环境4C8G100GB）等，实践环节将对硬件资源，尤其是CPU和内存、硬盘产生较大消耗，同时还要满足90人次的高并发需求。综合以上对硬件资源消耗，课程资源运行载体处理器主频不低于2.2GHz,内存不低于256G。2. 2系统功能

21、和性能需求分析系统功能需满足基于B/S架构，师生基于大数据实训平台实现大数据专业实践教学。性能需求，本次建设需满足90人左右师生并发实验，安装单台课程资源运行载体支持20人左右并发（每人分配4核8G算力），做出系统级安全的冗余，则需6台课程资源运行载体设备。第三章总体建设方案2.1 建设原则大数据专业课程资源的采购必须紧密围绕学校的教学目标和课程设置，能够全面完成实践教学任务与职业训练功能。实训室的布局、设备配置以及教学内容都应按照相应专业的职业岗位群要求来设定，确保学生能够在实训中掌握实际工作所需的技能和知识。应充分考虑经济因素，合理规划和利用资源，避免浪费。设备的选择既要满足教学需求，又要

22、考虑性价比，确保实训室的长期稳定运行。必须建立完善的安全管理制度，确保实训过程中的安全操作和设备安全。3. 2总体建设任务项目建设的任务要求：硬件部分主要包括课程资源运行载体。其他硬件资源，例如桌椅、工作站等已在其他项目中进行购置。软件系统主要包含大数据综合实训平台（包含课程管理系统、资源库管理系统、课堂实训管理系统、教学统计分析系统、平台管理系统、智慧考试管理系统）、大数据容器实验环境、数据可视化Bl分析平台、匹配人才培养方案的7门课程资源。3. 3系统总体结构和逻辑结构网络拓扑如图所示，教学实训平台部署到中心机房的高性能服务器上，通过内部交换机为实训室的教师和学生提供服务。系统架构分为基础

23、硬件层、操作系统层、软件系统层和Web服务层。其中： 基础硬件层提供分布式服务器集群，为上层提供算力支撑； 操作系统层包括操作系统和K8s服务，用于集群资源调度任务； 软件系统层提供核心的业务支撑，满足教学实践场景； Web服务层为师生提供可视化的Web人口,用于进行在线教学和学习。Web服务层Web平台入口软件系统层IWI大数据综合实训平台大数据容器实验环境数据可视化印分析平台操作系统层基础硬件层Kubemetes+DockerLinux操作系统分布式服务器集群3. 4技术路线硬件课程资源运行载体采用分布式集群部署的方式，由交换机连接，进行内部数据交换和任务分发、调度等，KUberneteS

24、提供负载均衡和调度任务，用户通过Web客户端访问教学资源。技术选型依据：K8s支持水平扩展和垂直扩展，可以根据应用的需求动态调整资源。这种弹性扩展的能力使得K8s能够轻松应对流量洪峰和业务增长。内置了高可用性和容错机制，如主从架构、控制器副本、资源限制等。这些机制确保了K8s集群的稳定性和可靠性，即使部分节点出现故障，也能保证应用的正常运行。第四章本期项目建设方案4. 1系统设计整个系统分为四层，包含分布式服务器集群、操作系统层、软件系统层-大数据综合实训平台（包含课程管理系统、资源库管理系统、课堂实训管理系统、教学统计分析系统、平台管理系统、智慧考试管理系统）、大数据容器实验环境、数据可视化

25、Bl分析平台和Web服务层。基础硬件层主要由分布式服务器集群构成，为上层实训平台和可视化Bl分析平台提供算力支撑。主要功能包括：利用负载均衡技术智能地将用户请求分配给集群中的多个服务器，确保每个服务器的负载相对均衡，从而避免单一服务器因负载过高而导致性能下降或宕机。提供高可用服务，即面对单点故障时能够持续提供服务的能力。提高容错能力，在面对错误或故障时能够自动恢复并继续提供服务的能力。操作系统层主要包括底层Linux操作系统、Kubernetes以及DOCker服务，负责支撑上层应用的平稳运行。主要功能包括：面向不同的实验环境，提供不同的可隔离的镜像和容器环境；自动管理容器的部署、扩展和收缩，

26、以满足大数据实训教学平台中应用程序的需求；提供了内置的服务发现和负载均衡功能，可以将多个容器组合成一个服务，并通过内置的负载均衡器将请求分发到不同的容器实例上，实现高可用性和负载均衡；能够自动管理容器所需的资源，如CPU和内存。它可以根据容器的需求动态分配资源，确保容器具有足够的资源来运行大数据实训教学平台中的复杂应用程序。软件系统层主要包括大数据综合实训平台、大数据容器实验环境和数据可视化Bl分析平台，负责教学内容的管理、教学任务的设置以及学生端的学习实训I。主要功能包括课程教学/实践资源库的管理、实验镜像的制作和管理、课程内容的设置和开课管理、教学实验环境的集中管理、定制化实验环境创建、教

27、学统计分析、考试账户管理、以及其他系统的管理；学生端的课程任务学习、课程笔记、作业、实验报告以及大数据相关数据集的下载等功能；大数据容器实验环境面向大数据专业，提供面向不同教学任务的容器镜像，包括分布式Hadoop及其生态组件（HDFS.HBaseFlumeKafka、Sqoop等）镜像、Hive数据仓库镜像、JUPyterLab开发环境镜像、python综合镜像（含各类数据处理Python库）、MySQL数据库镜像、数据采集环境镜像、KettIe数据清洗镜像、IDEA开发工具镜像以及私有镜像库等。可视化Bl分析平台提供仪表盘，数据大屏，图片导出等功能，代码嵌入第三方，可接入关系型数据库存储等

28、，支持无编程化拖拽分析，图表展示库，字段智能分组，公式函数，筛选分析，自由样式配置，实时数据绘制等；支持账户管理和实验环境隔离功能。Web服务层主要向用户提供可视化的Web管理、教学和实验统一的访问入口。主要功能包括：向管理员提供可视化的课程管理页面、资源库管理（镜像、实验、参考资料和题库）、可视化统计分析页面、实验时效配置、人员和数据管理以及系统管理；向教师端提供课程管理(备课)、学生作业管理、实验报告管理、课堂管理、数据中心和自主实验项目；向学生端提供学习任务列表、作业提交、个人笔记和数据中心页面。4.1.1软件系统设计1、课程管理系统支持初始大数据课程及配套学习资料的浏览和管理功能，支持

29、开课与实验实训管理功能，具体功能应该包括但不限于如下要求：(1)课程管理：支持以列表的方式浏览初始课程。(2)查看学习任务：支持查看对每门课程的学习任务、参考资料、题库等资源。(3)新建课程：支持采用向导式对课程名称、课程简介、课程封面。(4)新建知识点小节：支持知识点小节的创建。(5)新增资料：支持在课程编辑时对课程进行设置。(6)课程发布与取消：支持管理一键发布和取消课程。(7)数据管理：支持管理员端数据集的管理功能。(8)课程中心：支持教师账户下查看课程中心功能，支持浏览所有管理员已发布的课程，支持查看学习任务、参考资料、题库，以及一键加入到我的课程。(9)开课设置：支持在我的课程管理中

30、对学习任务、开课时间、学生信息等进行开课前的配置。(IO)实验场景：支持多样化的实验场景。(11)实验辅助工具：支持VNC实验场景下为学生提供实验的辅助工具。(12)实验报告：支持实验报告的管理功能。(13)我的作业：支持学生账号下的作业管理功能。(14)我的笔记：支持学生账号下新增笔记和批量删除笔记功能。2、资源库管理系统提供生成实验资源所必备的实验资源、实验镜像、参考资料、题库的综合管理功能，具体功能应该包括但不限于如下要求：(1)实验库：支持实验库功能来对实验资源进行统一管理。(2)新建实验：支持在线创建新实验。(3)实验设置：支持对实验时长进行设置，支持手动自主上传实验手册。(4)镜像

31、库：支持镜像库管理功能。(5)新增镜像：支持在线新增镜像。(6)参考资料库：提供参考资料库管理功能。(7)题库管理：提供题库的统一管理和新增题目功能，支持的题型应涵盖单选、多选、判断、填空、简答等多类题型。3、课堂实训管理系统支持大数据实验教学实验课堂过程中涉及到的实验机器、实验报告、作业、运行实验资源等过程资源的管理，具体功能应该包括但不限于如下要求：(1)实验机管理：支持可视化控制台方式管理实验机。(2)实验报告管理：支持浏览、查询、批阅实验报告等管理功能。(3)作业管理：支持作业管理功能，提供浏览、查询学生提交的作业，并支持客观题自动评分和主观题手动评分。(4)实验时效管理：支持通过管理

32、员账号管理在运行的实验资源。(5)运行时长配置：支持对实验运行时长、资源回收时长、最大运行实验数进行配置。(6)实验项定制功能：支持教师自主创建申请实验项目的功能。4、教学统计分析系统支持为用户提供系统数据、教学数据、课程数据、资源数据等种数据的统计分析功能，具体功能应该包括但不限于如下要求：(1)实时数据统计：支持展示教学与实验资源的实时数据。(2)课程数据分析：支持以曲线图的形式展示基于日期为单位统计每天系统中已发布和待发布的课程数。(3)硬件负载统计：支持以百分比的形式展示硬件负载数据。(4)当前在线人员统计：支持以饼状图对系统在线人数、在线学习人数、离线人数的占比情况进行数据的统计。(

33、5)实验使用数据统计：支持对正在进行的实验数进行统计,支持将进行中和未进行的总数以饼状图的方式进行展示。(6)教师开课进度分析：支持教师用户通过进度条百分比的形式实时查看我的课程中的开课学习进度。(7)学生学习进度统计：支持学生用户通过进度条百分比的形式实时查看每门课程的学习进度。5、平台管理系统支持系统管理员端对整个实验系统平台的整体管理，包括人员管理、系统管理、操作日志管理等，具体功能应该包括但不限于如下要求：(1)人员管理：支持对教师和学生账号进行新增、编辑、删除功能，并支持对账号的状态进行启用和停用设置。(2)系统管理：支持对系统的名称、色调、Iog。进行设置，还支持班级管理、学院管理

34、、专业管理等功能。(3)操作日志：提供查看系统操作日志功能，并支持对日志设置定期清理时间。6、智慧考试系统模块(1)试题支持模糊查询、统计分析、批量禁用、批量启用、批量删除，批量导出，自动检查等。(2)试题支持题库分开存储，练习题库、考试题库、模拟题库等可以同步。(3)支持试题答案是否区分大小写设置及填空题一空多种答案的输入和判断。(4)支持各管理员之间的试题库管理互不影响。(5)支持随机组卷、人工组卷等，支持定义和调用常用的试卷模板。(6)支持试卷考场IP段设置、全页显示或逐题显示、考试时允许或禁止切屏设置。(7)试卷支持导出标准格式；支持参考人员名单补录、删除错选参考人员名单；支持AB卷；

35、支持有考生入考和无考生入考模式下的试卷修改功能；试卷支持批量删除，综合查询。(8)支持试卷自动生成补考试卷功能。(9)支持强交、补交、取消考试资格、设置重考并延长考试时间等功能。(Io)支持断电、断网续考功能，支持查看考试现场抓拍照片、到时自动交卷、防刷新、防复制、自动检查漏题、标记疑难试题、人工或自动保存作答记录。（三）支持成绩综合查询功能；支持将查询成绩导出功能；支持打印成绩单、查看批改试卷明细功能。(12)支持考试用时，客观题自动批改的原得分和主观题人工批改的现分综合查看。(13)支持考试成绩归档功能。7、大数据容器实验环境(1)支持UbUntU和Fedora等类型的用于不同实验环境的L

36、inux操作系统容器实验环境。(2)支持Python、JUPyterLab及KettIe等用于数据采集清洗课程的容器实验环境。(3)支持由HDFSHBaseFlumeKafkaHive、Sqoop等组件组成的Hadoop容器实验环境。(4)支持MaPRedllce、SparkStOrm等多种计算框架,离线计算、内存计算和流式计算并存的容器实验环境。(5)支持MySq1、OracIeMongoDB等结构化和半机构化数据库容器实验环境。(6)支持Java、Python、Golang和Node,js等编程语言容器实验环境。(7)采用容器技术进行管理，租户隔离，支持负载均衡、高可用，可批量开启和关闭。

37、(8)提供对容器资源的监控及预警功能，支持动态扩展节点，可根据实时在线学生数量进行动态扩展。8、数据可视化Bl分析平台(1)支持Excel/CSV等文件导入，数据库直连，数据库ETL抽取，日志数据采集，实时流消息队列；支持工作表数据预览，数据转换清洗，数据分析、大数据量聚合分析等。(2)支持磁铁式布局，任意自由布局，图片、音频等模版组件,自定义画布背景，多分辨率支持，实时预览，一键化主题切换。(3)支持无编程化拖拽分析，图表展示库，字段智能分组，公式函数，筛选分析，自由样式配置，实时数据绘制等。（4）支持仪表盘，数据大屏，图片导出，代码嵌入第三方，关系型数据库存储等。4. 1.2硬件系统设计本

38、次需建设课程资源运行载体6台配置如下：1 .处理器：采用2颗高性能处理器，单颗处理器不小于12核心24线程，主频不低于2.2GHz；2 .内存:512GBDDR4；3 .硬盘：480GBSSD*2,960GSSD*2;16TBSATA7.2K*2;4 .提供2个以上千兆网口；5 .提供1+1冗余电源；6 .配备RAn）卡。课程资源运行载体的用途如下：（1）主控节点1台，负责调度剩余5台算力节点设备，提供容器管理环境。（2）算力节点4台，负责存储所有大数据实训课程资源，提供实验算力支持所有课程实验运行。（3）算力节点1台，负责部署数据可视化Bl分析平台，提供实验算力支持数据可视化课程实验运行。7

39、 .2网络系统设计本项目在校园内部使用，仅接入我校内网，届时由学生实验机房工作站，通过内网访问搭建在课程资源运行载体上的实验平台及课程。网络设计上复用我校现有架构，无需任何调整。4. 3安全系统设计本项目在校园内部使用，仅接入我校内网，不接入互联网。届时由学生实验机房工作站，通过内网访问搭建在服务器上的实验平台及课程。校园专网安全测评由学校进行统一等保测评，提供安全服务。5. 4软硬件部署设计1、概述大数据专业课程资源采购的软硬件部署方案，包括硬件设备的选型、配置(已在其它项目中建设)以及软件系统的部署与集成，以满足大数据实验室在大数据处理、分析、应用等方面的需求。2、硬件部署方案课程资源运行

40、载体部署(1)大数据处理课程资源运行载体：选用高性能、可扩展的机架式服务器，配置多核CPU、大容量内存和高速存储设备，以满足大数据处理的高性能需求。(2)存储服务器：部署分布式存储系统，采用多节点、高可用性的设计，提供海量数据的存储和管理能力。(3)备份服务器：用于数据备份和恢复，确保数据的安全性和可靠性。3、软件部署方案操作系统部署(1)服务器操作系统：选用稳定、可靠的LinUX操作系统，如Ubuntuo(2)终端操作系统：根据实验室人员的需求，部署Winde)WS或Linux操作系统。大数据处理与分析软件部署(I)Hadoop分布式计算框架：用于大数据的存储、处理和分析。(2)SPark计

41、算引擎：提供快速、高效的大数据处理能力。(3)数据仓库与数据挖掘工具：如HiVe、FlUnIe等，用于数据的整合、分析和挖掘。数据可视化与报表工具部署1) )Tableau：提供丰富的数据可视化功能，支持多种数据源的连接和整合。2) )PowerBI:用于数据分析和报表制作，支持实时数据更新和共享。开发与编程工具部署(1)集成开发环境(IDE)：如InteIliJIDEA、ECliPSe等，为开发人员提供便捷的开发环境。(2)编程语言库与框架：部署常用的编程语言库和框架，如Python、JaVa等，以满足不同开发需求。4、集成与测试完成软硬件部署后，需要进行系统的集成与测试工作，确保各组件之间

42、的兼容性和稳定性。测试内容包括功能测试、性能测试和安全测试等。4.5备份系统设计1、备份目标确保教学平台系统数据的完整性和可用性；降低因系统故障或数据丢失导致的业务中断风险；提供快速、准确的数据恢复服务，保障教学工作的连续性。2、备份策略备份频率：根据教学平台系统的数据更新频率和业务需求，设定合理的备份频率。建议每日至少进行一次全量备份，并根据需要设置增量备份或差异备份。备份介质：采用磁盘阵列、磁带库等存储介质进行备份数据的存储。同时，为了确保数据的安全性，建议将备份数据存储在物理位置不同的多个存储介质中，以防止单点故障。备份方式：采用全量备份与增量备份相结合的方式，既保证备份数据的完整性，又

43、降低备份过程中的时间和资源消耗。备份校验：定期对备份数据进行校验，确保备份数据的可读性和完整性。对于发现的问题，及时进行处理和修复。3、备份实施备份工具：选择稳定、可靠的备份软件或硬件工具，确保备份过程的顺利进行。备份计划：制定详细的备份计划，包括备份时间、备份内容、备份方式等，确保备份工作按计划进行。备份执行：按照备份计划，执行备份操作。在备份过程中，密切关注备份进度和状态，确保备份操作的顺利完成。备份记录：记录每次备份的详细信息，包括备份时间、备份内容、备份结果等，以便后续查询和审计。4、数据恢复恢复流程：制定详细的数据恢复流程，包括恢复策略、恢复步骤、恢复时间等，确保在需要时能够迅速恢复

44、数据。恢复演练：定期进行数据恢复演练，检验恢复流程的可行性和有效性。对于发现的问题和不足，及时进行调整和改进。恢复服务：在数据丢失或系统故障发生时，提供快速、准确的数据恢复服务，保障教学工作的正常进行。5、备份管理与监控备份管理：建立备份管理制度，明确备份工作的责任人和操作流程。定期对备份工作进行检查和评估，确保备份工作的有效性和规范性。备份监控：建立备份监控机制，实时监控备份过程的状态和进度。对于发现的异常和错误，及时进行处理和报告。4) 6资源共享设计本项目产生的数据为我院内部的实验教学数据，包括1、数据产生数据来源实验教学数据主要来源于学生实验报告、实验过程记录、实验设备监测数据等。这些

45、数据反映了学生在实验过程中的操作情况、实验结果以及设备运行状态等信息。数据收集实验教师应负责指导学生进行实验，并监督数据收集过程。学生需按照实验要求完成实验，并如实记录实验数据和结果。实验设备应具备数据自动采集功能，以便实时获取设备运行状态数据。数据整理实验结束后，学生需对实验数据进行整理和分析，形成实验报告。实验教师应对实验报告进行审核，确保数据的真实性和准确性。同时，实验教师应对实验过程记录和设备监测数据进行整理，形成实验教学数据库。2、数据共享共享平台建立实验教学数据共享平台，实现数据的统一存储、管理和共享。平台应具备数据上传、下载、查询和统计分析等功能，方便用户进行数据共享和交流。权限

46、管理为了保证数据的安全性和隐私性，平台应实施严格的权限管理。用户需进行实名认证，并根据角色和权限访问相应的数据资源。对于敏感数据，应设置访问限制，防止未经授权的访问和泄露。数据开放在遵守相关法律法规和伦理原则的前提下，实验教学数据应尽可能开放共享。学校可以与其他高校、科研机构和企业建立合作关系，共同利用实验教学数据进行研究和创新。数据更新与维护实验教学数据应定期更新和维护，以确保数据的时效性和准确性。实验教师应负责定期上传新的实验数据和结果，同时对已有数据进行审核和修正。平台管理员应定期对数据进行备份和恢复，以防止数据丢失和损坏。3、数据利用与保护数据利用实验教学数据可以用于教学研究、课程设计

47、、学生评价等多个方面。通过对数据的分析，教师可以了解学生的学习情况和实验效果，为改进教学方法和提高教学质量提供依据。同时，数据也可以为其他研究人员提供有价值的参考和借鉴。数据保护在数据共享过程中，应重视数据的安全性和隐私性保护。平台应采取有效的加密和防护措施，防止数据被非法获取和篡改。同时,对于涉及个人隐私的数据，应进行脱敏处理或限制访问范围，确保个人隐私不被泄露。第五章项目运维管理5) 1人员培训方案提供对实训系统管理员和授课教师提供全方位的培训服务，包括硬件设备维护培训、系统平台管理与维护培训、大数据教学规划与设计培训、大数据技术课程培训，具体培训计划要求如下：培训内容及模块培训时间培训对象课程资源运行载体等硬件设备维护