一、系统概述

大数据及软件教学与实验大数据及软件教学与实验在现代教育中扮演重要角色，这方面的教学内容涵盖了大数据处理、数据分析、数据可视化和大数据应用等多个方面。以下是大数据及软件教学与实验的一般内容：1. 数据基础知识：教授学生关于数据的基本概念、数据类型、数据收集和数据清洗等基础知识。2. 数据存储和管理技术：介绍常见的数据存储和管理技术，如关系型数据库（如MySQL、Oracle）、分布式文件系统（如Hadoop HDFS）和NoSQL数据库等。3. 大数据处理和分析：讲解如何处理大规模数据集，包括数据清洗、数据转换和数据集成等技术。引导学生掌握常见的大数据处理和分析工具，如Apache Hadoop、Apache Spark和Python编程语言等。4. 数据挖掘和机器学习：介绍数据挖掘和机器学习的基本理论和算法，如聚类、分类、预测和关联规则等。讲解如何应用这些算法来发现数据中的模式和规律。5. 数据可视化：教授学生如何使用数据可视化工具和技术，将数据转化为可理解和具有洞察力的图表、图形和仪表盘等形式。6. 大数据应用：介绍大数据在各个领域中的应用案例，如金融、电子商务、医疗和社交媒体等。引导学生思考如何应用大数据技术解决实际问题。

大数据及软件教学与实验需要结合理论教学和实践操作，使学生能够在真实场景中应用所学知识。为了提供更好的实验环境，以下是一些在大数据及软件教学与实验中常用的实验工具和平台：1. Apache Hadoop：用于处理和存储大规模数据的分布式计算框架，提供了HDFS作为分布式文件系统，以及MapReduce作为分布式计算模型。2. Apache Spark：用于大规模数据处理和分析的快速和通用的分布式计算引擎，支持多种编程语言和复杂的数据处理任务。3. 数据库系统：如MySQL、Oracle、MongoDB等，用于存储和管理结构化和非结构化数据。4. 数据可视化工具：如Tableau、Power BI、matplotlib等，用于将数据转化为直观、易于理解的图表和可视化界面。5. 编程语言和开发工具：如Python、Java、R等编程语言，以及各种IDE（集成开发环境）和文本编辑器，用于编写和执行数据分析和大数据处理的代码。

通过结合理论教学和实验实践，学生可以深入了解大数据及软件的相关概念、技术和应用，培养数据分析和处理能力，为未来的职业发展做好准备。

二、大数据及软件教学与实验实训平台介绍

大数据及软件教学与实验实训平台（Enterprise Software Development Training Room）是一个专门用于大数据及软件教学与实验培训和实践的场所。在这样的实训室中，学员可以通过理论学习和实践操作，掌握大数据及软件教学与实验的技术和工具。

大数据及软件教学与实验实训平台通常配备有以下设施和资源：

1. 计算机设备：提供高性能的计算机、服务器和工作站，用于软件开发和测试。这些计算机通常配置有适用于企业级开发的开发环境、集成开发环境（IDE）和调试工具等软件。

2. 开发工具和软件：提供常用的大数据及软件教学与实验工具和框架，如Java开发工具包（Java Development Kit，JDK）、Java企业版（Java Enterprise Edition，JEE）框架、微服务框架、数据库管理软件等。还可能提供版本控制工具（如Git）、项目管理工具（如Jira）等。

3. 网络和服务器：建立局域网环境，使学员能够进行多人协作开发和测试。提供服务器设备，用于部署和测试企业级应用程序。

4. 虚拟化和云平台：提供虚拟化技术和云平台，方便学员进行应用程序的开发、测试和部署。通过虚拟机或容器等技术，学员可以模拟真实的企业级环境进行实验。

5. 教学材料和文档：提供大数据及软件教学与实验的教材、参考书籍、文档和实验指导等，帮助学员理解和掌握开发知识和技术。

6. 辅导和支持：配备有专业的导师或工程师，提供实时辅导和支持，解答学员在开发过程中遇到的问题和疑惑。

大数据及软件教学与实验实训平台提供了一个模拟真实企业环境的学习和实践场所，学员可以在这里进行团队协作、项目管理和软件开发流程的实践，提高在大数据及软件教学与实验领域的实践能力和就业竞争力。

大数据及软件教学与实验实训平台培养理想信念坚定，德、智、体、美、劳全面发展，具有一定的科学文化水平,良好的人文素养、职业道德和创新意识，精益求精的工匠精神，较强的就业能力和可持续发展的能力，掌握本专业知识和技术技能，面向软件和信息技术服务业的计算机软件工程技术人员、计算机程序设计员、计算机软件测试员、人工智能工程技术人员、大数据工程技术人员等职业群，能够从事软件开发、软件测试、软件编码、软件技术支持、Web 前端开发人工智能系统开发、大数据处理等工作的高素质技术技能人才。

三、大数据及软件教学与实验实训平台组成

3.1大数据及软件教学与实验教学平台

平台基于spring cloud微服务架构，提供便捷的SSO单点登录，采用kubernetes进行部署，可支持公有云、混合云、私有云的安装模式，数据层使用MySQL集群和MongoDB集群，实现了全流程EdvOps自动化运维，具有高内聚、松耦合、业务单一、高性能、高并发、高可能、跨平台、跨语言等特点。主要模块有课程制作工具、云盘、共享课、我的课、云优选课、云视频库、3D模型库。

课程制作工具：由平台提供专用的微服务模块进行支撑，采用websocket双向通信技术，底层存储采用三层递进的缓存方式，目的就是为了加快课程资源的加载速度。自主研发视频转码，在线视频剪辑功能。支持由word文档直接导入，并且根据标题类型自动生成目录，方便快捷。同时支持ppt、excel、图片、超链接、视频、音频、3D模型、章节测验等内容的插入，实现多个超文本文件的同屏展示。

共享课：使用订单配发或校内共享的概念，让课程资源更大程度的进行共享。

我的课：支持从共享课资源中直接进行“生成副本”，导入进我的课中，并且同时支持自行创建。所有的课程资源支持导出功能，可导出为本地的离线文件，导出文件为后缀名为wz的加密文件，在使用平台进行二次导入直接生成课程资源，便于线上传播。

云优选课：由行业资深从业人员在互联网上收集整理的学习资源，包括系列类学习视频和知识点类学习视频，供教师和学生进行自主学习。

云视频库：平台提供数百个包含各专业的微课视频，可直接引用到课程资源中。

3D模型库：采用three。js技术，实现在线加载3D模型，提供更加直观形象的教学体验。

题库：题库支持通用题目（单选题、多选题、判断题、填空题、主观题）以及实训题目（编程题、web前端题、虚拟化题等）；对于通用类题目可采用excel模板批量导入，采用瀑布流的展示方式，可共享到校内供其他教师进行使用。

作业：支持手动建题和从题库中选题两种模式创建作业，提供作业库模块，作业库内的作业可多次发放给学生，对于作业平台提供自动评测，包括单选题、多选题、判断题、填空题、编程题、虚拟化题。

考试：支持导入试卷、手动创建、题库选题三种创建方式，同时支持系统随机组卷功能；提供试卷库模块，试卷库内的试卷可多次发放给学生，支持试卷的自动判分。

课堂活动：平台支持多种课堂活动，如：签到、主题讨论、提问、分组任务、投票、问卷、计时器等，提高课堂的趣味性和参与性。

个人云盘：平台将用户在备课，教学等过程中使用的文件，保存在个人云盘空间，支持二次直接使用和存档，实现云文件的保存。

3.2大数据及软件教学与实验实训平台

平台采用B/S结构，运用spring cloud微服务技术，构建多个稳定、高效的服务模块，提供SSO单点登录服务，并使用统一的身份认证鉴权。平台基于k8s实现公有云、混合云、私有云多种部署方式，提供在线大数据及软件教学与实验的运行环境，并内置代码运行结果检测，自动进行测评统计，实现真正的云开发，开箱即用，主要模块有课程制作工具、作业、活动、云盘、共享课、我的课、云优选课。

便捷的实验制作工具：让教师轻松实现pdf、ppt、word、excel等不同格式的文本、图片、音频、视频、超链接等进行混合编排，并自动生成动态实验目录，从而实现不同实训资源同屏展示。

智能代码评测，助力大数据及软件教学与实验实训：平台支持在线对学生提交的实验代码进行评测，将评测结果统计分析后展示给教师，提高教师的教学效率，方便学生的学习过程。

提交代码查重，防止抄袭：对于学生提交并且通过测评的大数据及软件教学与实验实训代码进行代码的查重，防止学生互相抄袭代码。

在线问答，及时解答学生疑问：平台提供大数据及软件教学与实验实训的在线问题，学生在大数据及软件教学与实验实训过程中，通过在线问答及时与老师进行沟通，提高学习效率。

可记录学习情况的实验笔记：平台为用户在大数据及软件教学与实验实训页面提供实验笔记功能，用户可在实验过程中记录下自己的笔记。

实验题解，帮助学生掌握实验知识点：平台会在每个大数据及软件教学与实验实训题目后面，提供相应的实验题解，教师可改变其是否展示给学生。从而让学生在实验完成之后进行学习，更好的掌握实验的知识点。

支持高并发的评测服务：平台采用kafka消息队列来处理评测的请求，并内置高配置的底层沙箱服务，支持高并发的用户同时使用。

学生测评结果自动统计：平台将课堂内的用户的评测结果进行统计，按照消耗内存、消耗时间两个维度进行展示，从而直观的展示该实验的整体评测数据。

支持公共资源课程，便于老师教学：大数据及软件教学与实验实训平台可内置完整的实训资源，其中包括实训文档以及在线资源包，用户可以直接进行使用。

个人云盘，资源不丢失：平台会为用户提供云盘服务，云盘内所有文件都会按照不同的文件类型进行分开，便于用户查看和操作。

平台支持Web前端应用程序开发、web企业级开发、数据库设计等实验。

3.3大数据及软件教学与实验教学资源包

大数据及软件教学与实验教学资源包含专业课程专业基础课程计算机应用基础、静态网页设计与制作、C 语言程序设计、数据结构、HTML5 + CSS3 Web 前端开发技术、计算机专业英语等；专业核心课程分为 Java 开发、.Net 开发、We 前端开发三个方向，每个方向分别设置专业核心课程，各方向之间可实现课程共享。各方向专业核心课程如下:

Java 开发方向包括: Java 程序设计、MySOL 数据库、Java Web 应用开发、Java EE 企业级应用开发、Java 开发综合实战、UML 建模与设计模式、软件测试技术等。

.Net 开发方向包括:C#程序设计、SOL Server 数据库、ASP.NET 应用开发、ASP.NETMVC 高级开发、.Net 开发综合实战、UML 建模与设计模式、软件测试技术等。 Web 前端开发方向包括: HTMI5 与 JavaSript 程序设计、UI 设计基础、美学基础Bootstrap 应用开发、NodeJS 应用开发、Vue 应用程序开发、Web 前端综合实战等。

3.4大数据及软件教学与实验实训资源包

对接真实职业场景或工作情境，在校内外进行企业级应用开发实训。使学生掌握网页设计与制作的技术，能够利用HTML5、CSS3等技术进行网页布局，基于项目化教学的模式培养学生实践动手能力；使学生了解JavaScript的基本语法，具备JavaScript的编程技巧和编程步骤；掌握常用的前端框架技术主要包含JQuery框架、Bootstrap框架、React框架、Vue框架、Angular框架等。利用数据库管理系统和数据挖掘系统设计出能够实现对数据库中的数据进行添加、修改、删除、处理、分析、理解、报表和打印等多种功能的数据管理和数据挖掘应用系统；并利用应用管理系统最终实现对数据的处理、分析和理解。

3.5大数据及软件教学与实验实训平台配套设施

大数据及软件教学与实验实训平台配套设置包含实训室硬件设施、大数据及软件教学与实验软件和工具等内容，其中硬件设施如智慧黑板、教师讲台、多媒体设备、学生实训电脑、桌椅、服务器、交换机、机柜及大数据及软件教学与实验实训平台装修和大数据及软件教学与实验文化建设。大数据及软件教学与实验软件和工具应包含常用的大数据及软件教学与实验软件和工具,这些大数据及软件教学与实验软件和工具可以帮助学生进行应用程序的编写、测试和调试。

四、大数据及软件教学与实验专业实训室建设图

五、大数据及软件教学与实验实训平台方案清单

六、大数据及软件教学与实验实训平台方案价值

6.1专业教学支撑

6.2教材联合开发教材

联合各院校教授专家，开发大数据及软件教学与实验专业系列教材，为院校专业实验课程开展和教学提供参考。

6.3 产学研支撑平台

平台采用spring cloud微服务开发架构，各服务模块单独运行并提供服务接口；可提供稳定、快速、高效的服务；平台整体采用前后端分离和分布式微服务的弹性计算架构实现，后端主要基于Java的Spring cloud实现，前端vue实现等，具有高内聚、松耦合、业务单一、高性能、高并发、高可能、跨平台、跨语言等特点。

平台提供SSO单点登录，多个应用系统统一登录，统一的用户管理，一个账户可登录验证教学全场景以及数字技术专业群实践教学等所有应用模块系统。

平台采用kubernetes技术进行部署，支持公有云、私有云、混合云模式安装；平台支持多数据源从而保证技术的一致性；确保服务的稳定、可扩展、弹性扩容；每个独立服务支持分布式集群部署，理论上可以无限横向扩展，提高系统处理能力，支持大规模并发教学全场景和数字化专业群教学实践应用。

基础虚拟化服务由docker和kvm两种虚拟化技术根据学科性质进行选择性支撑，可满足不同的虚拟化需求，提供稳定、可自行配置的虚拟机器。

基于全流程DevOps自动化运维，支持持续集成、分析、服务注册与发现、系统监控、性能监控、日志管理、预警、持续部署(基于docker的镜像仓库，Kubernetes的容器云管理调度平台，在线可视化管理、监控、调度容器)。

基础持久化层支持RDS和NoSQL两种方式，采用MySQL集群和MongoDB集群搭建，支持基于CQRS的分布式事务处理，支持数据自动备份，同时使用于Redis集群对热点数据进行缓存，支持大并发；支持纯本地化数据源。

基础服务层支持在线验证码服务、基础文件服务、消息队列服务、OSS对象存储服务、用户/鉴权服务、个人云盘服务、WebSocket服务等，保证平台的通用性。用户基础信息管理：对订单实行按业务方向进行配置，对班级、教师、学生相关信息进行新增、修改、删除以及数据权限进行配置。

6.4 技能大赛支撑