大数据实训室建设方案（参考清单）

一、教学实训平台

（一）资源管理平台功能

1.1 主机管理模块

(1) 本实验平台采取B/S架构,兼容主流X86操作系统。

(2) 实现用户生命周期管理,进行服务器集群部署和负载平衡。

(3) 支持虚拟机调度,包括过滤器、随机调度等方式,实现大数据群集和任务管理。

(4) 系统无单点故障,可持续7*24小时不间断运行。

(5) 与服务器虚拟化、桌面虚拟化系统无缝集成,实现资源共享。

(6) 采用CPU和I/O资源互补策略,将CPU密集型和I/O密集型虚拟机尽可能部署到同一物理服务器,以最大化利用服务器资源。

1.2 网络管理模块

（1) 为确保虚拟机正常使用,平台所创建的固定IP资源分配给虚拟机。

(2) 平台建立的虚拟网络防火墙规则在设定后3秒内立即生效,以保证虚拟机网络正常使用。

(3) 支持多种网络模式,不同用户创建的虚拟机在网络上实现逻辑隔离,相互不产生影响。

(4) 管理平台具有SDN(软件定义网络)功能,平台内部采用虚拟网络,网络设备控制面与数据面分离,实现网络流量的灵活控制

1.3 镜像管理模块

(1) 支持虚拟机生命周期管理,包括查询、创建、删除、VNC登录。

(2) 支持使用系统镜像文件自动部署虚拟机。用户只需在启动虚拟机时挂载相应镜像,即可使用该操作系统。

1.4 用户管理模块

（1）支持分级管理制度，提供对数据中心各种资源的管理，保证平台的可靠性､ 高效性和安全性｡

（2）支持提供不同角色的多用户管理功能，分别具有相应的对平台的管理和使用

权利｡

1.5 一体化硬件平台 4 套

（1）类型：2U 高性能机架式定制一体化专用设备｡

（2）处理器：≥2*Intel Xeon Gold 5218R (2.1GHz 20 核)｡

（3）内存：≥512GB DDR4 3200MHz｡

（4）硬盘：≥4*1.92TB SSD｡ （5）RAID 卡：H750 8G 缓存阵列卡｡

（二）教学管理平台功能

2.1 平台采用 B/S 架构,基于灵活可扩展的技术架构搭建,无需安装其他插件;系统基于 Linux 系统部署,多工作节点分布式部署模式。

2.2 使用 Java 17 开发,Gradle 作为编译构建工具。

2.3 平台兼容主流浏览器内核,包括 Chrome、Firefox、Webkit;采用 umi+semi+redux 的 React 框架进行项目开发,使用 fiber 算法,性能更优。

2.4 平台涵盖云计算、大数据、人工智能、区块链、移动开发、Web 前端、软件测试、UI 设计等多个软件专业方向的课程内容(具体方向以项目实际需求为准),包含理论课程和实验课程。

2.5 平台定义了管理员、教师、学生三种角色,不同角色拥有不同的操作权限和资源下载权限。

2.6 管理端可管理学院组织架构、人员,以及课程管理、考试管理等,支持通过 excel 模板批量导入用户信息和导出用户信息。

2.7 教师端可学习课程、创建课程、下载资源、导出成绩、监控实验、自动阅卷、在线批改实验报告、统计分析学生学习情况等。

2.8 学生端可在线学习、在线实验、编辑下载实验报告、维护课程笔记、在线交流、查看自己的学习进度和考试结果等。

2.9 平台支持上传自主设计的课程内容,包括视频、PPT、PDF、WORD、MARKDOWN、外链、压缩包等多种格式,按章节组织展示。

2.10 平台提供在线排课功能,管理员可根据需求排定课程、授课教师和上课班级。

2.11 教师端可在线统计分析学生的学习成绩和进度,以多维和多形式呈现(表格、图表等)。

2.12 平台部署方式可选择公有云、混合云或私有云,学校可根据实际需求选择。

2.13 管理员可自主设置教学计划,将课程、授课教师和班级进行关联绑定。

2.14 学生端可查看自己的多维实验和学习统计数据,包括已学习章节数、总章节数、整体学习进度等。

2.15 平台支持学生在线记录笔记,并可以查看下载自己的课程笔记。

2.16 学生个人中心可查询已考试的成绩和实验报告的评分。

2.17 平台课程进行了设置,学生第一次观看时无法拖动进度条,确保完整学习。

2.18 教师端可以对课程内容进行评分和提出修改建议。

2.19 平台支持自动阅卷和教师手动批改,对学生的考试情况进行统计分析。

2.20 教师可上传、预览、下载课程资源,浏览具有权限的资源。

2.21 平台提供主题切换功能,如护眼模式。

2.22 平台可自动跟踪记录学生的学习轨迹和进度。

2.23 用户信息管理模块可查看、添加、删除、修改用户各种信息(个人信息、密码、邮箱等)。

2.24 平台支持多种课程资源格式,包括视频、PPT、PDF、WORD、MARKDOWN、外链、压缩文件等。

2.25 根据人机工程学和心理学理论,系统响应时间定义为从本地操作发出指令到系统生成反馈结果的时间,应控制在3秒以内。

2.26 平台提供课程管理功能,可增加、删除和修改课程。

2.27 管理员页面直观展示整个服务器的资源使用情况。

2.28 平台支持按角色权限控制访问课程资源,保证资源的安全性。

2.29 平台采用模块化设计,使得功能扩展更加灵活。

2.30 平台支持大数据分析,可以从多维度分析学生的学习情况,为教学决策提供支持。

2.31 平台采用敏捷开发方法,可快速响应新需求并迭代升级。

2.32 平台支持第三方登录系统集成,方便不同身份的用户使用。

2.33 平台具备优秀的用户体验,界面友好易用。

2.34 平台提供完善的文档与培训机制,便于用户快速上手。

2.35 平台支持移动端访问,使学习更加灵活。

2.36 平台提供稳定、高效的服务,服务器拥有冗余配置,确保高可用性。

2.37 平台具有完善的安全设计,采取加密、备份等措施保证数据安全。

2.38 平台开发遵循行业标准,代码结构清晰,注释充分,方便后续维护。

 (三）实训管理平台功能

3.1 平台采用B/S架构,基于模块化的技术架构搭建,无需插件安装;采用Linux系统部署,支持多节点分布式。

3.2 平台支持主流浏览器内核,包括Chrome、Firefox、Webkit;采用umi+semi+redux的React框架,使用fiber算法,性能优异。

3.3 平台包含云计算、大数据、人工智能等专业方向的理论课程和实验课程(具体以项目需求为准)。课程与实验兼顾,相互关联。

3.4 学生可在线进行实验操作,教师实时监控学生的实验虚拟机,学生操作过程中可与教师实时交流互动。教师针对问题进行解答,可选择性公开。

3.5 为方便学生操作,平台提供实验手册(包括目的、环境、步骤、代码、结果展示等)或项目说明。

3.6 支持手册与虚拟机同屏展示,学生可随时浏览手册指导实验,不需切换页面,支持手册目录跳转,显示区域大小可调节。

3.7 为确保代码正确率,教师可在手册中拖动复制代码到学生实验环境,学生只可自主编写。

3.8 平台定义了管理员、教师、学生三种角色,不同角色具有不同操作权限。

3.9 管理端可组织管理,以及课程管理、考试管理、批量导入导出用户等。

3.10 教师端可监控学生实验过程、创建实验、远程指导、在线交流、批改报告等。

3.11 学生端可在线实验、编辑报告、记录笔记等。

3.12 支持研发实验项目并生成说明手册、选择环境,完成后分配给班级和教师,实现共享。

3.13 教师可实时监控学生实验情况,了解进展,及时解决问题。

3.14 支持在线排课,将实验课程分配给教师和班级。

3.15 支持教师在线批改实验报告并导出成绩,学生可保存报告到本地。

3.16 支持全屏展示实验界面,可设置倒计时,支持重启和重置实验环境。

3.17 教师端可统计分析学生成绩和进度,以多种图表呈现。

3.18 根据需求,可选择公有云、混合云或私有云部署,私有云和混合云可无限次实验。

3.19 支持自由设置教学计划,绑定实验内容、教师、班级。

3.20 学生可查看自己的多维实验统计数据。

3.21 支持记录实验笔记,学生可查看下载自己的笔记。

3.22 学生可查询自己的实验报告及评分。

3.23 教师可对实验内容进行评分和建议。

3.24 教师可管理实验资源。

3.25 可自动跟踪记录学生的实验过程。

3.26 支持管理用户信息。

3.27 支持多种格式的实验资源上传和下载。

3.28 支持自动批量创建和销毁实验环境,提升资源利用效率。

3.29 提供各类实验集群环境,如Linux、大数据等。

3.30 虚拟桌面：支持通过浏览器网页形式访问虚拟机虚拟桌面，方便学生在虚拟桌面中进行各种类型的操作｡

3.31 支持虚拟机命令行操作。

3.32 支持在线 Python 编辑运行环境。

3.33 支持在虚拟机上使用 Eclipse 开发 Java。

3.34 支持在虚拟机上使用 IDEA 开发 Java、大数据、人工智能等。

3.35 实验集群中预置所需的数据和程序包,方便实验。

3.36 使用独立文件服务器存储数据集,所有虚拟机可通过 HTTP 访问。

3.37 投标人应提供平台软件著作权登记证书复印件,以证明合法性。

3.38 投标人应提供国家认可的第三方检测报告复印件,以证明平台安全性。

 

二、Python 程序开发教学资源包

（一）课程资源包

1.1 课程标准 1 份

1.2 教学大纲 1 份

1.3 教学日志 1 份

1.4 课程教案 1 份

1.5 教材源码 1 套

1.6  PPT 56 个：认识 Python；安装 Python 运行环境；Python 编程规范和扩展库；

实训项目–姓名生成器；代码书写规范和命名规范；常量和变量；基础数据类型；运算符和表达式；项目实训–成绩单生产系统；Python 序列结构分类；字符串；元组；列表；集合；字典；项目实训–成绩排行榜生成系统；条件表达式；分支语句；循环结构；异常处理；项目实训–停车场自动收费系统；定义和调用函数；函数参数；基本函数；函数进阶；变量作用域；项目实训–绘制彩色螺旋图；正则表达式基础；re 模块；项目实训–用户名注册验证系统；定义和使用类；继承；类的属性与方法；项目实训–射击游戏；HTML 标签；CSS 属性；项目实训–WEB 查询静态界面；JavaScript 概述；使用 JavaScript；语法；关键保留字及变量；流程控制语句；函数；对象和数组；字符串的处理方式；元素操作； ECharts 数据可视化；项目实训–聊天对话框；爬虫的实现；浏览器开发者工具；XPath；Beautiful Soup4；项目实训–汽车图片资源下载；使用 TXT、JSON、CSV、Excel 存储爬取的数据；解析 JSON 数据；运用网页呈现数据、实训项目–音乐网站排行榜。

1.7 课件视频：视频 206 个

1.8 视频配套源码及软件

1.9 习题及答案

1.10 试卷：2 套

（二）课程级实训库

2.1 实训手册 11 份

2.2 实训环境 11 份

2.3 代码配套实训内容：姓名生成器、成绩单生成系统、成绩排行榜生成系统、

停车场自动收费系统、绘制彩色螺旋图、用户名注册验证系统、 射击游戏、WEB 查

询静态界面、聊天对话框、汽车图片资源下载、音乐网站排行榜。

3.配套教材《Python 程序开发》，教材章节须包括 Python 基础语言应用、程序控制结构、网络爬虫的页面结构分析、音乐网站排行榜的实训项目的内容。

 

三、网络爬虫技术教学资源包

(一)课程资源包

教学大纲 1 份

教学日历 1 份

课程标准 1 份

作业库:章节配套课后作业

试卷:2 套

课件 PPT 11 章,14 份

(1)爬虫绪论:爬虫是什么、爬虫可以做什么、爬虫开发技术。

(2)python 基础:Python 爬虫介绍、Python 的安装和运行、Python 开发环境、Python 数据结构和控制结构、函数与类。

(3)正则表达式与文件操作: 正则表达式、Python 文件操作。

(4)简单的网页爬虫开发:使用 Python 获取网页源代码、多线程爬虫、爬虫的常见搜索算法、阶段案例。

(5)高性能 HTML 内容解析:HTML 基础、XPath、Beautiful Soup4、阶段案例。

(6)Python 与数据库: MongoDB、Redis、MongoDB 的优化建议、阶段案例。

(7)异步加载与请求头、异步加载、请求头(Headers)、模拟浏览器、阶段案例。

(8)模拟登录与验证码:模拟登录、验证码、阶段案例。

(9)抓包与中间人爬虫:抓包、中间人爬虫。

(10) Scrapy:Scrapy 介绍、Scrapy 使用、阶段案例。

(11)爬虫开发中的法律和道德问题:法律问题、道德协议。

(二)课程级实训库

实训手册 18 份

实训环境 18 份

代码配套实训内容

数据集配套实训内容:python 环境安装与使用、猜数游戏、半自动爬虫开发、单线程和多线程、小说网站爬虫开发、利用 HTML 和 XPath 编写简单应用、使用 BeautifulSoup4 提取网页内容、二手房信息爬虫开发、MongoDB 数据库安装与使用、python 字典格式与 json 格式的相互转换、下载网页并保存为本地的 HTML 文件、使用 post 请求登录、爬取电影影评实例、模拟浏览器获取网页数据、识别验证码、selenium 安装与配置和模拟登录、模拟表单提交方式进行登录、Scrapy 爬虫框架安装和使用。

 

 

四、数据可视化技术教学资源包

 

(一)课程资源包

教学大纲 1 份

教学日历 1 份

课程标准 1 份

作业库:章节配套课后作业

试卷:2 套

课件 PPT 10 章,15 份

第一章 数据可视化简介 1-可视化概念:数据可视化简介、数据可视化分类、数据到视觉通道的映射、大数据可视化简介。

第一章 数据可视化简介 2-基本图表:图表设计过程、常用的基本图表、图表的选择、数据可视化 6 步法、数据可视化工具简介。

第二章 可视化色彩:色彩基础、合理配色、色彩配色技巧、可视化配色分享。

第三章 Excel 可视化模块: Excel 简介、Excel 绘图基础、Excel 绘制对比图、Excel 绘制分布图。

第四章 Numpy 科学计算模块:Numpy 简介、创建 NumPy 数组、NumPy 数组属性、NumPy 数组操作、 NumPy 常用函数。

第五章 Matplotlib 可视化模块:matplotlib 库简介、图表中的元素、绘制曲线、绘制柱状图、绘制其他类型的图表。

第六章 Pandas 数据分析模块 1-数据结构:Pandas 基础、Pandas Series、Pandas DataFrame。

第六章 Pandas 数据分析模块 2-数据处理:Pandas IO、Pandas 数据处理-缺失值、 Pandas 数据处理-重复值、Pandas 数据处理-数据替换、 Pandas 数据处理-数据合并。

第七章 Seaborn 可视化模块 1-seaborn 简介:Seaborn 简介、 Seaborn 风格选择、Seaborn 调色功能。

第七章 Seaborn 可视化模块 2-数据分布可视化:seaborn 内置数据集、数据分布可视化 、分类数据可视化。

第八章 Bokeh 可视化模块 1-基础属性设置:Bokeh 简介、基本设置、Toolbar 工具栏设置、布局设置、转换数据源。

第八章 Bokeh 可视化模块 2-绘制图表:绘制散点图、绘制折线图、绘制面积图、绘制单系列柱状图、绘制多系列柱状图。

第九章 Pygal 可视化模块:Pygal 简介、 Pygal 绘制折线图、 Pygal 绘制柱状图、 Pygal 绘制 XY 线图、Pygal 绘制饼图、Pygal 绘制雷达图。

第十章 Pyecharts 可视化模块 1-Pyecharts 基础:Pyecharts 简介、设置图表全局配置项、设置图表系列配置项。

第十章 Pyecharts 可视化模块 2-绘制常用图表:绘制 3D 柱状图、绘制折线图、绘制散点图、绘制饼图、绘制雷达图、绘制词云图、绘制地图。

(二)课程级实训

实训手册 17 份

实训环境 17 份

代码配套实训内容

数据集配套实训内容:python 数据可视化环境搭建、数组对象的元素操作、使用 Matplotlib 绘制条形图、使用 Matplotlib 绘制其他类型图表、对 Pandas 库中的数据结构进行操作、使用 Pandas 库进行数据清洗、pandas 进行数据分析实战、Seaborn 库的主题及调色板应用、Seaborn 库数据分布可视化、使用 Seaborn 库可视化分类数据、Bokeh 库基本属性设置、Bokeh 库绘制数据源转换及常用图表绘制、Bokeh 库绘制柱状图、使用 Pygal 库绘制图表、Pyecharts 使用基础、使用 Pyecharts 绘制常用图表、学情统计可视化面板。

五、Hadoop 技术教学资源包

(一)课程资源包

教学大纲 1 份

教学日历 1 份

课程标准 1+ 份

作业库:章节配套课后作业

试卷:2 套

课件 PPT 13 章,17 份

第一章 Hadoop 知识背景:大数据面临的挑战、Hadoop 技术概述、Hadoop 应用。

第二章 Hadoop 体系结构:Hadoop2.0 生态系统、 YARN 体系结构、Zookeeper 简介。

第三章 HDFS 文件系统原理:HDFS 的必要性、 HDFS 的基本概念、HDFS 的体系结构、HDFS 的可靠性、NameNode Federation。

第四章 HDFS 文件系统的读写:HDFS 的透明性、HDFS 负载均衡策略、HDFS 的读写过程。

第五章 HDFS 命令行:HDFS 帮助相关命令、HDFS 查看相关命令、HDFS 文件及目录相关命令 、HDFS 统计相关命令、HDFS 快照命令。

第六章 HDFS Web 界面:HDFS 总览界面、HDFS 文件信息界面、NameNode 信息界面、DataNode 信息界面。

第七章 HDFS Java API:HDFS Java API 简介、使用 FileSystem 读取 HDFS 数据、创建 HDFS 目录、 删除数据、文件系统查询、编写 PutMerge 程序。

第八章 MapReduce 的计算模式:为什么需要 MapReduce、MapReduce 示例、MapReduce 计算模型、 MapReduce 的执行流程。

第九章 MapReduce 的实现机制:MapReduce1.0 框架、MapReduce2.0 架构、YARN 作业执行流程、YARN 的优势。

第十章 MapReduce 相关的类:Mapper 类、Reducer 类、MapReduce 驱动、InputFormat 类、InputSplit 类、RecordReader 类、OutputFormat 类、RecordWriter 类。

第十一章 编写 MapReduce 基础程序:单词计数程序、平均成绩程序、Combiner 的概念、数据去重程序、求最大值程序、Partitioner 的概念、数据排序程序。

第十二章 编写 MapReduce 应用程序:倒排索引程序、单表关联程序、多表关联程序、输入类实验、输出类实验、TopN。

第十三章 MapReduce 程序的运行机制:MRAppMaster 内部组件、MRAppMaster 作业运行模式、MR 作业生命周期、ContainerAllocator 概述、推测执行机制、作业恢复。

(二)课程级实训库

实训手册 18 份

实训环境 18 份

代码配套实训内容

数据集配套实训内容:Hadoop 集群安装、Zookeeper 集群安装、Hadoop HA 集群安装、Hadoop 初体验、HDFS 命令行使用、HDFS Java API 基本操作实验、PutMerge52 程序实验、单词计数程序实验、平均成绩程序实验、Combiner(数据合并程序)实验、求最大值程序实验、Partitioner(数据排序程序)实验、倒排索引程序实验、单表关联程序实验、多表关联程序实验、输入类程序实验、输出类程序实验、TopN 程序实验。

六、HBase 数据库技术教学资源包

(一)课程资源包

教学大纲 1 份

教学日志 1 份

课程标准 1 份

作业库:章节配套课后作业

试卷:2 套

课件 PPT 9 章,18 份

第一章 HBase 概述:HBase 基本概述、HBase 技术特点、HBase 应用场景、HBase 优劣势。

第二章 HBase 的数据模型:HBase 数据模型概述、HBase 逻辑视图、HBase 物理视图、HBase 核心概念详解。

第三章 使用命令行操作 HBase 数据库:HBase Shell、DDL 相关命令使用、DML 相关命令使用。

第四章 Java API 基础:CRUD 操作:客户端 API 概述、建立客户端与服务端连接、 HBaseAPI 管理表、单行插入数据、批量插入数据、Scan 方式扫描获取数据、Get 方式精准获取数据、删除数据。

第五章 HBase 技术内幕:写数据流程、刷写数据机制、StoreFile 合并机制、Region 拆分机制、HBase 数据读流程。

第六章 HBase 过滤器:过滤器技术内幕、比较过滤器、专用过滤器、分页过滤器综合案例。

第七章 数据迁移: HDFSToHBase、 HBaseToHDFS、框架集成的 BulkLoad、自定义 BulkLoad。

第八章 表的设计:表的设计概述、表的设计思路、行键的设计。

第九章 短视频项目实战:短视频项目综合概述、短视频项目表设计、常量类、工具类、发布短视频、发布短视频功能实现、短视频写入内容表功能实现、短视频写入推荐表功能实现、发布短视频功能整体测试、删除短视频、删除短视频功能实现、删除内容表中短视频功能实现、删除推荐表中关系数据功能实现、删除短视频功能整体测试、关注用户、添加关注功能实现、关系表中添加用户关系功能实现、推荐短视频功能实现、添加关注功能整体测试、取关用户、取关用户功能实现、取关用户功能整体测试、根据用户 ID 获取短视频数据、根据用户 ID 获取短视频数据功能实现、根据用户 ID 获取短视频数据功能整体测试、获取用户推荐数据、获取用户推荐数据功能实现、获取用户推荐数据整体测试。

(二)课程级实训库

实训手册 18 份

实训环境 18 份

代码配套实训内容

数据集配套实训内容:HBase 环境搭建、HBase 命令行使用、HBase DDL API 基本使用、HBase DML API 基本使用(上)、HBase DML API 基本使用(下)、HBase API 综合使用、过滤器的使用(上)、过滤器的使用(下)、分页过滤器综合使用、数据迁移(HDFS_To_HBase)、数据迁移(HBase_To_HDFS)、数据迁移(BulkLoad)、HBase 短视频综合项目(一)、HBase 短视频综合项目(二)、HBase 短视频综合项目(三)、HBase 短视频综合项目(四)、HBase 短视频综合项目(五)、HBase 短视频综合项目(六)。

 

七、Hive 数仓技术教学资源包

（一）课程资源包

1.1 教学大纲 1 份

1.2 教学日历 1 份

1.3 课程标准 1 份

1.4 作业库：章节配套课后作业

1.5 试卷：2 套

1.6 课件 PPT 10 章，14 份

第一章 数据仓库概述：数据仓库的兴起、数据仓库的定义和特征、数据仓库

的体系结构。

第二章 Hive 简介：传统数据仓库的问题、Hive 简介、Hive 的体系结构、Hive

和 RDBMS 对比与发展。

第三章 Hive 基本使用：Hive 的安装、访问 Hive 常见方式、Hive 其它操作。

第四章 Hive 数据类型和文件格式：基本数据类型、复合数据类型、文件格式。

第五章 Hive 数据定义：HiveQL 简介、数据定义概述、数据库概述及操作、

数据表概述及操作。

第六章 Hive 数据操作：装载数据、插入数据、导出数据。

第七章 HiveQL 查询语句：简述、SELECT……FROM 从句、Where 从句、GROUP BY

和 HAVING 从句、JOIN 从句、ORDER BY、SORT BY、DISTRIBUTE BY、CLUSTER BY 从

句、抽样查询。

第八章 函数：函数概述、关系运算函数、数学运算函数、逻辑运算函数、常见统计函数、字符串函数、数值操作函数、条件判断函数、日期函数、集合相关函数、炸裂函数、开窗函数、其它常见函数。

第九章 Hive 优化：调优概述、代码层次调优、资源层次调优、数据倾斜调优、 架构层次调优。

第十章 Hive 案例实战：数据行列转换、报表统计、字符串函数综合应用、寻找连续记录。

（二）课程级实训库

2.1 实训手册 14 份

2.2 实训环境 14 份

2.3 代码配套实训内容

2.4 数据集配套实训内容：Hive 核心知识点考核、Hive 的安装、使用 JDBC 访问

Hive、Hive 数据类型操作使用、Hive 数据定义操作使用、Hive 数据操作综合实践

（一）、Hive 数据操作综合实践（二）、HiveQL 查询操作使用、集合函数操作使

用、自连接操作使用、Hive 优化综合实践、TopN 综合实践、行列转换操作使用、

Hive 电商日志综合实践。

八、大数据采集与预处理技术教学资源包

（一）课程资源包

1.1 教学大纲 1 份

1.2 教学日历 1 份

1.3 课程标准 1 份

1.4 作业库：章节配套课后作业

1.5 试卷：2 套

1.6 课件 PPT 14 章，16 份

第一章：认识大数据：什么是大数据、大数据 4V 特征、处理的快速性、数据 1分类、数据自然演化体系结构的问题、大数据采集与预处理简介。

第二章：大数据采集与预处理概述：为什么要进行数据采集、数据采集工具、 为什么要进行数据预处理、数据仓库与 ETL、ETL 工具简介。

第三章：Kettle 数据采集与预处理概述：Kettle 简介、Kettle 安装与启动、 Kettle 相关术语和基本概念、 Kettle Hello World 示例。

第四章：Kettle 文件数据的抽取：数据抽取概述、文件抽取概述、CSV 文件抽取、EXCEL 文件抽取、文本文件抽取。

第五章：Kettle 网页数据的抽取：获取 Web 数据概述、使用 HTTP Client 获取网页数据、使用 Web Services 查询获取网页数据、使用 RSS 输入获取网页数据。

第六章：Kettle 数据库数据的抽取：数据库数据抽取概述、数据库相关步骤概述、数据库表数据抽取、简单表输入输出、插入／更新目标库。

第七章：Kettle 预处理结果输出：Kettle 输出步骤概述、Excel 输出、文本文件输出、表输出、插入／更新、Hadoop 配置与 Hadoop File Output 配置关系、Hadoop Cluster、Kettle 与 Hadoop 版本兼容问题、输出步骤到 HDFS 案例、Sqoop 输出到 HDFS。

第八章：Kettle 预处理脚本：Kettle 脚本步骤、执行 SQL 脚本、JavaScript 脚本、正则表达式。

第九章：Kettle 数据清洗：数据预处理常规过程、Kettle 数据清洗、Kettle 数据清洗步骤：Calculator、数据清洗步骤：字符串替换、数据清洗步骤：拆分字段、数据清洗步骤：拆分字段为多行、数据清洗步骤：值映射、使用参照表进行数据校验、数据清洗步骤：数据校验。

第十章：数据采集利器 Flume：Flume 概述、Flume 基础架构、Flume 核心概念详解、Flume 经典部署方案。

第十一章：Flume Source 使用：Flume Source 概述、Flume 监控网络端口、 Flume 监控单个文件、Flume 监控多个文件、Flume 实时监控、Flume Source 相关优化。

第十二章：Flume Channel 及 Sink 使用：Flume Channel 概述、Flume Memory Channel、Flume Memory Channel 优化、Flume Sink 概述、Flume Sink 相关优化、Flume 采集数据到分布式文件系统。

第十三章：Flume 高级特性及综合案例：Flume 事务、Flume Agent 原理、Flume 多个 Agent 串联案例、Flume 多路复用案例。

第十四章：Flume 企业级开发方案、Flume 负载均衡、Flume 故障转移、Flume 拦截器。

（二）课程级实训库

2.1 实训手册 16 份

2.2 实训环境 16 份

2.3 代码配套实训内容

2.4 数据集配套实训内容：Kettle 安装与使用、Kettle 文件数据的采集、Kettle对 Web 数据的抽取、Kettle 对数据库数据的抽取、Kettle 自定义转换中的步骤_上、Kettle 自定义转换中的步骤_下、Kettle 输出数据到单机存储系统、Kettle 输出数据到分布式存储系统、Kettle 预处理脚本、Kettle 预处理-拆分字段为多行综合案例、Kettle 预处理-使用参照表进行数据校验综合案例、Flume 安装部署以及官方案例、Flume 使用 Avro 端口连接 2 个 Agent、Flume 监控单个文件以及实时监控多个文件、Flume 多路复用最佳实践、Flume 负载均衡最佳实践。

 

九、大数据基础教学资源包

（一）课程资源包

1.1 教学大纲 1 份

1.2 教学日历 1 份

1.3 课程标准 1 份

1.4 作业库：章节配套课后作业

1.5 试卷：2 套

1.6 课件 PPT 16 章，16 份

第一章 大数据概念：什么是大数据、大数据的产生、数据分析的新理念、大数据技术概述、大数据应用实例。

第二章 大数据采集：大数据采集概念、系统日志采集方法、网络数据采集方法。

第三章 大数据预处理：大数据预处理概述、数据清洗方法、数据集成与转换方法、数据削减和离散化、ETL 工具 Kettle 。

第四章 大数据处理系统：分布式系统概述、大数据处理系统、 Google 大数据处理系统、Hadoop 大数据处理系统。

第五章 大数据文件系统 HDFS：HDFS 的基本原理、HDFS 整体架构、HDFS 数据访问机制、HDFS 操作。

第六章 NoSQL 数据库 HBase：NoSQL 概述、HBase 数据模型、HBase 命令行 。

第七章 数据仓库 Hive：数据仓库概述、Hive 的体系架构、Hive 的工作流程、Hive 的数据类型、HiveQL：数据定义与操作、 HiveQL：查询、Hive 模式设计。

第八章 大数据批处理 Hadoop MapReduce：批处理概述、MapReduce 概述、Hadoop MapReduce 的工作流程、实例分析：单词计数、Hadoop MapReduce 编程实战。

第九章 大数据快速处理 Spark：Spark 简介、RDD 基本概念、RDD 的工作原理、RDD 操作、Spark 编程实践。

第十章 大数据实时流计算 Spark Streaming：流计算简介、Storm 流计算框架、Spark Streaming 简介、Spark Streaming 编程、Storm 对比 Spark Streaming。

第十一章 分布式图计算框架 Spark GraphX：分布式图计算、Spark Graphx 简介、 Graphx 实现、Graphx 实例。

第十二章 大数据随机查询 Spark SQL：Spark SQL 简介、基础数据模型 DataFrame、Spark SQL 数据源、Spark SQL CLI 介绍、在 Pyspark 中使用 Spark SQL、 在 Java 中连接 Spark SQL 。

第十三章 大数据挖掘概述：什么是数据挖掘、聚类分析、分类算法、预测算法、关联分析。

第十四章 大数据挖掘系统 Spark MLlib：Spark MLlib 简介、K-means 聚类算法、线性回归算法、决策树分类算法、FP-Growth 关联分析算法、协同过滤推荐算法。

第十五章 大数据可视化：数据可视化简介、数据到视觉通道的映射、基本图表、大数据可视化简介。

第十六章 Python 大数据可视化：Python 数据可视化工具、 Matplotlib 可视化库、 Seaborn 可视化模块。

（二）课程级实训库

2.1 实训手册 17 份

2.2 实训环境 17 份

2.3 代码配套实训内容

2.4 数据集配套实训内容：Kettle 数据抽取与存储、HDFS 命令行实验、HDFS Java58API 基本操作实验、列式数据库 HBase 使用 、HiveQL 命令行的使用 、使用 JDBC程序操作 Hive 数据库、批处理模式 MapReduce 应用、内存处理模式 Spark 应用、流式处理模式 Spark Streaming 应用、图处理模式 Spark Graph 应用 、大数据随机查询 Spark SQL 使用、聚类算法实验、分类算法实验、关联算法实验、协同过滤算法实验、使用 Matplotlib 绘制条形图、使用 Seaborn 库绘制图表。

 

十、SparkCore 技术教学资源包

 

（一）课程资源包

1.1 教学大纲 1 份

1.2 教学日历 1 份

1.3 课程标准 1 份

1.4 作业库：章节配套课后作业

1.5 试卷：2 套

1.6 课件 PPT 17 章，23 份

第一章 Scala 入门：Scala 简介、Scala 环境搭建、注释、控制台格式化输出。

第二章 变量和数据类型：变量、整数类型、浮点类型、字符类型、布尔类型、 特殊类型、类型转换。

第三章 运算符：算数运算符、比较运算符、逻辑运算符、赋值运算符、位运算符。

第四章 流程控制：分支控制、while 循环控制、do…while 循环控制、for 循环控制。

第五章 函数：函数声明及调用、函数参数、函数特殊用法、高阶函数、匿名函数、柯里化及闭包。

第六章 面向对象：类的定义、构造函数、继承、特质。

第七章 集合：数组、集合、字典、元组。

第八章 模式匹配：匹配常量、匹配类型、匹配常见集合。

第九章 Spark 简介：大数据时代发展、 Spark 产生背景及特点、Spark 技术栈、大数据处理框架的四层结构。

第十章 RDD 的基本概念和操作：RDD 的概念、Spark 环境安装、RDD 的创建、 算子概述、Transformation 基础算子、Transformation 复杂算子、Action 算子。

第十一章 Spark 应用开发：单词计数应用、平均值应用。

第十二章 共享变量：累加器概述、自定义 Int 类型累加器、广播变量。

第十三章 Spark 运行机制：RDD 的血缘关系、RDD 的依赖关系、DAG 的阶段划分、Spark 运行架构和机制、RDD 的容错机制、数据缓存机制的设计原理 、Spark与 Hadoop MapReduce 缓存机制对比、错误容错机制的设计思想与实现。

第十四章 Spark 数据读取与保存：Spark 数据使用概述、文本文件读写、JSON 文件读取、CSV 文件读取、Sequence 文件读写、获取数据库中的数据。

第十五章 Spark 程序的部署模式： Spark 的部署和应用方式、本地模式、 Standalone、Spark on YARN。

第十六章 Spark 调优：Spark 调优概述、Spark 代码调优、资源调优、数据倾斜概述、数据倾斜调优。

第十七章 Spark 综合实践：TopN、数据排序、用户行为分析。

（二）课程级实训库

2.1 实训手册 17 份

2.2 实训环境 17 份

2.3 代码配套实训内容

2.4 数据集配套实训内容:Scala 环境搭建、Scala 综合案例、Spark 环境安装、Transformation 算子实验（一）、Transformation 算子实验（二）、Action 算子实验、Spark 应用开发实验一、Spark 应用开发实验二、累加器综合实验、广播变量综合实验、持久化综合实验、数据读取与保存综合验、Standalone 运行模式配置实验、Spark on YARN 运行模式配置实验、代码调优综合实验、数据倾斜调优综合实验、点击流日志项目实践。

 

十一、SparkStreaming技术教学资源包

（一）课程资源包

1.1 教学大纲 1 份

1.2 教学日历 1 份

1.3 课程标准 1 份

1.4 作业库：章节配套课后作业

1.5 试卷：2 套

1.6 课件 PPT 8 章，16 份

第一章 大数据流式数据处理简介：流式计算与批量计算简介、流式计算的应

用场景举例、流式大数据的特征、大数据流式计算的关键技术、流式处理框架特征、

的流式数据处理框架。

第二章 Spark Streaming 的基本思想和整体架构：流式数据处理思想、Spark

Streaming 设计思想、Streaming 整体架构、Spark Streaming 架构优势。

第三章 Spark 编程基础：在线计数程序示例、编程模型的基本概念、离散化数据流、基本数据源、基本 DStream 转换操作、复杂 DStream 转换操作、DStream 输出操作。

第四章 Spark 编程进阶：滑动窗口的基本概念、基于滑动窗口的转换操作、 基于滑动窗口的转换操作实例、缓存与持久性、Checkpointing 。

第五章 Kafka 编程：消息系统简介、Kafka 简介、Kafka 术语及架构、Kafka工作流程、生产者基本使用、发送消息的方式、生产者分区器、生产者拦截器、消费者基本使用、订阅主题与分区并消费消息。

第六章 Curator 框架使用：Curator 简介、使用 Curator 创建节点、使用 Curator 删除节点、Curator 其它常用操作。

第七章 整合 Kafka：基于 Receiver 的方式整合 Kafka、基于 Direct 的方式整合 Kafka、自动提交消费偏移量存在的问题、手动维护消费偏移量。

第八章 Spark Streaming 部署与调优:应用调优概述、性能调优、内存调优、 应用程序部署。

（二）课程级实训库

2.1 实训手册 16 份

2.2 实训环境 16 份

2.3 代码配套实训内容

2.4 数据集配套实训内容：实时单词计数、Spark Streaming 数据源综合实践、Transformation 算子综合实践、Action 算子综合实践、滑动窗口综合实践、热点搜索词实践、缓存与持久性综合实践、生产者综合实践、消费者综合实践、拦截器综合实践、Curator 综合实践、Receive 方式整合 Kafka 综合实践、Direct 方式整合 Kafka 综合实践、手动管理偏移量综合实践（上）、手动管理偏移量综合实践（中）、手动管理偏移量综合实践（下）。

 

十二、SparkML 数据挖掘分析技术教学资源包

 

（一）课程资源包

1.1 教学大纲 1 份

1.2 教学日历 1 份

1.3 课程标准 1 份

1.4 作业库：章节配套课后作业

1.5 试卷：2 套

1.6 课件 PPT 14 章，19 份

第一章 数据挖掘的应用场景：数据挖掘概述、数据挖掘经典案例、数据挖掘常规流程、学习方式简介、常用数据挖掘算法的类型。

第二章 Spark ML & Pipeline 简介：Spark ML 简介、Spark ML 管道、实践案例。

第三章 数据挖掘的基本流程实践：DataFrame 详解、Transformer 详解、 Estimator 详解、Pipeline 详解、Pipeline 模型保存、代码实践、模型评估与选择、 网格搜索、网格搜索代码实践。

第四章 数据类型代码实践：认识向量、向量的创建与使用、Labeled point、 Local matrix、分布式矩阵和代码实践。

第五章 统计分析：统计分析概述、简单数学统计、相关系数、假设检验。

第六章 数据预处理：数据预处理概述、空值处理、缺失值定义、数据类型转换、重复值处理。

第七章 特征提取：特征提取概述、CountVectorizer、Word2Vec、TF-IDF(词频-逆文件频率)、FeatureHasher。

第八章 特征转换：特征转换概述、标准化、最小最大标准化、最大绝对值标准化、标签和索引转换、向量索引、独热编码、分桶、分词、停用词、二元化。

第九章 特征选择：特征选择概述、向量切片、R 模型公式、卡方特征选择。

第十章 聚类：K-means 聚类概述、K-means 代码实践、二分 K 均值概述、二分 K 均值代码实践。

第十一章 协同过滤：协同过滤概述、基于用户的协同过滤实践、基于物品的协同过滤实践。

第十二章 频繁模式挖掘：频繁模式挖掘简介、关联规则(FP-Growth)算法介绍、关联规则(FP-Growth)案例代码实践、频繁模式挖掘简介回顾、关联规则 (PrefixSpan)算法介绍、关联规则(PrefixSpan)案例代码实践。

第十三章 分类与回归：分类和回归概述、线性回归代码实践、线性分类代码实践、贝叶斯概述、朴素贝叶斯算法举例、贝叶斯案例代码实践、决策树概述与算法介绍、决策树分类、决策树回归。

第十四章 推荐系统：推荐系统概述、推荐系统的效果评估指标、推荐系统案例实现。

（二）课程级实训库

2.1 实训手册 18 份

2.2 实训环境 18 份

2.3 代码配套实训内容

2.4 数据集配套实训内容：Pipeline 代码流程初步实践、Pipeline 各个子环节案例实践、算法选择和调优策略案例实践、本地向量、矩阵、LabelPoint 案例代码实践、分布式矩阵案例代码实践、基本统计案例代码实践、数据预处理案例代码实验、特征提取案例代码实验、特征转换案例代码实验、特征选择与应用案例代码实验、聚类案例代码实验、协同过滤案例代码实验、关联规则(FP-Growth)案例代码实验、 关联规则(PrefixSpan)案例代码实验、线性分类与回归案例代码实验、贝叶斯算法案例代码实验、决策树算法案例代码实验、基于用户的协同过滤推荐系统综合实验。

 

十三、大数据系统搭建与运维教学资源包

（一）课程资源包

1.1 教学大纲 1 份

1.2 教学日历 1 份

1.3 课程标准 1 份

1.4 作业库：章节配套课后作业

1.5 试卷：2 套

1.6 课件 PPT 16 章，16 份

第一章 大数据平台概述：产生大数据平台的动力；大数据的产生；Hadoop 简史；Hadoop 生态系统｡

第二章 Hadoop 平台架构：Hadoop 概述；HDFS 体系架构；MapReduce 计算框架； MapReduce 举例｡

第三章 Hadoop 管理与使用：Hadoop 命令行；HDFS 命令行； HDFS 命令行使用 ｡

第四章 Hive 平台架构：Hive 简介； Hive 体系结构； Hive 的运行机制；Hive与数据库的比较｡

第五章 Hive 的管理：Hive 的常用命令；Hive CLI 命令行｡

第六章 ZooKeeper系统架构：ZooKeeper概述；ZooKeeper核心概念；ZooKeeper 系统架构;ZooKeeper 操作流程；ZooKeeper 应用场景｡

第七章 ZooKeeper 管理和使用：ZooKeeper 命令行；对 znode 进行增删改查； 其它指令；ACL 操作｡

第八章 HBase 系统架构： HBase 概述；HBase 的架构｡

第九章 HBase 的管理：HBase 监控检测工具； 快照管理； 导出､导入命令；节点管理； 检测 HBase 系统的状态｡

第十章 Sqoop 架构与使用：Sqoop 简介；Sqoop 架构；Sqoop 的工作原理；Sqoop 的基本使用；导入数据到 HDFS； 导出 HDFS 数据｡

第十一章 Pig 系统架构：Pig 简介； Pig 架构； Pig Latin 数据模型｡

第十二章 Pig 的使用：Pig 的调用方式；Pig Latin 常用语法； Pig Latin 语句的使用｡

第十三章 Flume 系统架构： Flume 简介；Flume 架构； Flume 案例｡

第十四章 Flume 使用：Flume 配置；采集目录到 HDFS；采集文件到 HDFS｡

第十五章 Ambari 介绍：Ambari 概述； Ambari 的基本架构；Ambari 代码架构； Ambari 功能介绍｡

第十六章 Ambari 的使用：Ambari 主页功能；Ambari 控件功能；Hosts 和 Alerts 控件功能；Cluster Admin 控件功能｡

（二）课程级实训库

2.1 实训手册 16 份

2.2 实训环境 16 份

2.3 代码配套实训内容

2.4 数据集配套实训内容

实验一：Linux 常用命令的使用

实验二：Hadoop 环境搭建

实验三：Hadoop 管理实验

实验四：Hive 安装与配置

实验五：Hive 管理操作

实验六：ZooKeeper 安装与配置

实验七：ZooKeeper CLI 操作

实验八：HBase 安装与配置64

实验九：HBase Shell 操作

实验十：Sqoop 安装与使用

实验十一：Pig 安装与配置

实验十二：Pig 的使用

实验十三：Flume 安装与配置

实验十四：Flume 的使用

实验十五：Ambari 安装与配置

实验十六：使用 Ambari 维护大数据系统

 

十四、Java 程序设计基础教学资源包

（一）课程资源包

1.1 课程标准 1 份

1.2 教学大纲 1 份

1.3 教学日历 1 份

1.4 教学 PPT 29 个：Java 概述､环境搭建与程序结构；Java 语言的基本符号；流程控制-选择结构；流程控制-选择结构实践；流程结构-循环结构；流程控制-跳转及多循环；流程控制-循环结构实践；数组的基础知识；数组实践；方法的定义与调用；方法的重载；方法实践；基础知识综合实践；类与对象； 构造方法；类和对象实践；构造方法重载､简单数据类型；变量的作用域､this 和 static 关键字的应用；可见性修饰符､访问器方法､包的应用；继承；属性隐藏和方法覆盖；继承中的构造方法；多态；abstract 和 final 修饰符；接口和内部类；面向对象设计实践；常用类；字符串；完成学生信息管理系统｡

1.5 PPT 配套教学案例 100 个

1.6 PPT 参考资料：56 份

1.7 教学视频 77 个(总时长>16 小时)： Java 概述；开发工具安装与配置； Java程序的结构；变量；数据类型；数据类型转换；运算符；单分支 if 语句； 多分支if 语句；switch；知识点复习；案例练习-购买轿车；案例练习-根据星期和温度确定当日活动；while 循环；do…while 循环和 for 循环；多循环语句；跳转语句；猜数字游戏；蒙特卡罗问题；购物结算；数组的定义及对象创建；数组的遍历与访问；多维数组；一维数组实践-逆序输出数据；一维数组实践-商品价格排序；二维数据实践-矩阵的最大值及转置；方法的定义与调用；方法的参数；方法的重载；可变长参数；求水仙花数及不同班级的平均成绩；数组复制；数据的存储操作；搜索指定数组的指定值；面向对象的概念；类的定义；对象的创建与使用；构造方法的定义；构造方法的使用；求长方形的周长和面积；显示学生信息；注册和修改会员信息；构造方法重载､简单数据类型.；变量的作用域；this 的应用；static 的应用；包的应用；可见性修饰符；访问器方法；继承的定义；属性的继承；方法的继承；属性隐藏；方法覆盖；Object 类；继承中的构造方法；super 的使用；父类型和子类型；多态的使用；final 修饰符；abstract 修饰符；接口；内部类及静态内部类；方法内部类及匿名内部类；农夫果园的需求分析及设计；农夫果园的代码实现；Java 类库及包装类；数学类；日期处理相关类；String 类常用方法；字符串比较与字符统计；StringBuffer 类；String 与基本类型之间的转换；项目功能介绍与类设计；创建学生类；创建学生业务类；创建测试类运行功能

1.8 平时作业；根据课程标准中课程考核评价设定数量，作业 10 次

1.9 题库 100 道

1.10 软件安装包及软件安装视频

2.配套教材《Java 程序设计基础》，

教材章节须包括 Java 基本语法的流程控制､一维数组和多维数组､方法的定义与方法的调用，以及面向对象思想方面的继承､多态､接口和内部类，常用的字串类､日期类 Date 类和 SimpleDateFormate 类 的内容｡(投标文件提供教材封面和目录)

3.配套教材提供出版社开具的著作权归属证明，｡

 

十五、Docker 容器技术教学资源包

 

（一）课程资源包

1.1 教学大纲 1 份

1.2 教学日历 1 份

1.3 课程标准 1 份

1.4 作业库：章节配套课后作业

1.5 试卷：2 套

1.6 课件 PPT 18 章，22 份

第一章 Docker 引言：容器虚拟化的需求；Docker 及其用途；Docker 发展历史

第二章 Docker 简介：Docker 架构；Docker 的实现需求；Docker 核心技术简介；Namespace；CGroups； UnionFS。

第三章 Docker 安装：安装部署

第四章 使用 Docker 容器部署应用：Docker Hello World；使用 Docker 容器部署应用。

第五章 使用多个 Docker 容器部署应用：分布式应用服务简介；使用多个 Docker容器部署应用。

第六章 使用 Swarm 集群部署应用：Swarm 简介； Docker Machine；搭建 Swarm集群；在 Swarm 集群上部署应用；清理和重启 Swarm 集群；常用 Docker Machine命令。

第七章 使用 Docker 镜像：Docker 镜像；获取镜像；列出镜像列表；过滤镜像；添加镜像标签；查看镜像详细信息；搜寻镜像； 删除和清理镜像；存出和载入镜像；上传镜像。

第八章 操作 Docker 容器；Docker 容器； 创建和运行容器；交互式使用容器；守护态运行容器；运行容器的参数选项；停止和重启容器；进入后台容器；清除和删除容器；导出和导入容器；查看容器；其他容器命令。

第九章 访问 Docker 仓库：Docker 仓库简介；Docker Hub 公共镜像市场；第三方镜像市场；搭建本地私有仓库。

第十章 Docker 数据管理：Docker 数据管理简介；Docker 数据卷；挂载数据；数据卷 Volume 的操作；数据卷容器；利用数据卷容器迁移数据。

第十一章 端口映射与容器互：端口映射简介；随机端口映射；指定端口映射；容器互联简介；自定义容器命名；容器互联方法；公开连接信息和测试连接。

第十二章 使用 Dockerfile 创建镜像：Dockerfile 简介；Dockerfile 指令简介；Dockerfile 配置指令；Dockerfile 操作指令； 编写 Dockerfile；创建镜像；多步骤创建镜像；编写 Dockerfile 最佳实践。

第十三章 使用 Docker 安装操作系统：简介；安装 Alpine；安装 Ubuntu；安装CentOS。

第十四章 为镜像添加 SSH 服务：简介；基于 commit 命令创建；基于 Dockerfile创建。

第十五章 使用 Docker 安装 Web 服务与应用：安装 Apache；安装 Tomcat；安装LAMP。

第十六章 使用 Docker 安装数据库：简介；安装 MySQL；安装 Oracle；安装MongoDB；安装 Cassandra。

第十七章 使用 Docker 安装大数据平台：安装 Hadoop；安装 Spark；安装67Elasticsearch。

第十八章 使用 Docker 进行编程开发：安装 Java；安装 Python。

（二）课程级实训库

2.1 实训手册 31 份

2.2 实训环境 31 份

2.3 代码配套实训内容

2.4 数据集配套实训内容

实验一：Docker 的安装

实验二：使用 Docker 容器部署应用

实验三：使用多个 Docker 容器部署应用

实验四：使用 docker machine 搭建 Swarm 集群

实验五：在 Swarm 集群上部署应用

实验六：获取､列出､过滤镜像

实验七：添加镜像标签､查看镜像信息､搜寻镜像､删除和清理镜像

实验八：运行容器､使用容器､重启容器

实验九：进入容器后台､删除和清理容器､导入导出容器

实验十：下载和推送镜像

实验十一：创建数据卷､挂载数据､数据卷操作

实验十二：创建､挂载和使用数据卷容器

实验十三：端口映射

实验十四：容器互联

实验十五：编写 Dockerfile 创建镜像

实验十六：编写 Dockerfile 多步骤创建镜像

实验十七：使用 Docker 安装运行 Alpine

实验十八：使用 Docker 安装运行 Ubuntu

实验十九：使用 Docker 安装运行 CentOS

实验二十：为镜像添加 SSH 服务

实验二十一：使用 Docker 安装 Apache

实验二十二：使用 Docker 安装 Tomcat

实验二十三：使用 Docker 安装 LAMP68

实验二十四：使用 Docker 安装 MySQL

实验二十五：使用 Docker 安装 MongoDB

实验二十六：使用 Docker 安装 Cassandra

实验二十七：使用 Docker 安装 Hadoop

实验二十八：使用 Docker 安装 Spark

实验二十九：使用 Docker 安装 Elasticsearch

实验三十：使用 Docker 运行 Java 代码

实验三十一：使用 Docker 运行 Python 代码

 

十六、Scala 程序设计教学资源包

 

（一）课程资源包

1.1 教学大纲 1 份

1.2 教学日历 1 份

1.3 课程标准 1 份

1.4 作业库：章节配套课后作业

1.5 试卷：2 套

1.6 课件 PPT 14 章

第一章 Scala 简介：Scala 发展历史､､ Scala 的特性､ Scala 依赖环境､Scala 与 Java 的联系与区别 ｡

第二章 Scala 安装及环境配置与使用：JDK 的安装与配置､Scala 的安装与配置､ Scala 命令行的使用､单词计数案例介绍､单词计数案例部分实现｡

第三章 数据类型：整型､ 浮点型､字符型､字节型､布尔型､数据类型转换､与 Java 对比 Scala 特有的类型｡

第四章 基础语法：IDEA 中 Scala 的使用､区分大小写､命名规则､注释､空行和空格､换行符､定义包､导包引用､隐式导入､操作符､其他语法､异常处理｡

第五章 变量：什么是变量､变量声明､变量类型的声明､变量的类型族谱､多个变量的声明｡

第六章 访问修饰符： 访问修饰符概述､私有(Private)成员､保护(Protected) 成员､公共(默认)成员､作用域保护｡

第七章 流程控制-条件分支： 流程控制概述､双分支结构､多分支结构､IF ELSE 嵌套语句､ CASE … WHEN 语句｡

第八章 流程控制-循环：循环概述､ for 循环､ while 循环｡

第九章 方法与函数：方法与函数的定义､ 方法与函数的区别､ 方法声明､ 方法调用､柯里化､ 闭包､ Scala 常见函数､数学函数､高阶函数､嵌套函数､偏应用函数｡

第十章 类和对象：类和对象的定义､类属性､类的构造函数､类的继承､特质､类型参数｡

第十一章 集合：集合概述､､数组和元组､列表､集合 Set､Map 映射､迭代器概述､ 迭代器基本方法､迭代器常见方法｡

第十二章 Scala 模式匹配：什么是模式匹配､模式匹配的语法､值匹配､对象匹配 ､类匹配､数组匹配､列表匹配､元组匹配｡

第十三章 Actor 模型：Scala 多线程编程､Actor 创建､启动､消息收发､ Actor 生命周期､异步消息和 Future｡

第十四章 单词计数综合案例： 单词计数在大数据里的应用场景､单词计数实现的关键思路､结果输出､main 方法实现｡

（二）课程级实训库

2.1 实训手册 16 份

2.2 实训环境 16 份

2.3 代码配套实训内容

2.4 数据集配套实训内容

实验一：Scala 让计算机对世界说：你好!

实验二：Scala 初步体验：如何给单词计数为 1

实验三：定义不同数据类型的变量，赋值后运行查看

实验四：导包引用的方式将文本段落分割为单词集合

实验五：使用变量

实验六：访问修饰符的应用

实验七：电商 PV 计数分类案例

实验八：循环输出文本中的一个一个的单词

实验九：定义一个给文本单词计数为 1 的方法和函数

实验十：不同工种的计数员对文本单词进行计数

实验十一：使用 Map 映射实现单词计数后累加

实验十二：迭代器创建，迭代器核心方法实践

实验十三：不同类别的商品贴价格标签70

实验十四：Actor 模型编程，Actor 创建并启动

实验十五：Actor 模型编程，Actor 发送消息

实验十六：单词计数综合案例

 

十七、Spark 大数据技术教学资源包

 

（一）课程资源包

1.1 教学大纲 1 份

1.2 教学日历 1 份

1.3 课程标准 1 份

1.4 作业库：章节配套课后作业

1.5 试卷：2 套

1.6 课件 PPT 16 章，20 份

第一章 Spark 简介：大数据时代发展､Spark 产生背景及特点､Spark 技术栈､大数据处理框架的四层结构｡

第二章 RDD 的基本概念和操作：RDD 概念､Spark 环境安装､RDD 的创建､算子概述､Transformation 基础算子､Transformation 复杂算子､Action 算子｡

第三章 SparkCore 应用开发：单词计数应用､ 平均值应用

第四章 Spark 共享变量：累加器概述､自定义 Int 类型累加器､广播变量｡

第五章 Spark 运行机制：RDD 的血缘关系､RDD 的依赖关系､DAG 的阶段划分､Spark运行架构和机制､RDD 的容错机制概述､ 数据缓存机制的设计原理､Spark 与 Hadoop MapReduce缓存机制对比､错误容错机制的设计思想与实现

第六章 SparkCore 数据读取与保存：Spark 数据使用概述､文本文件读写､JSON文件读取､CSV 文件读取､Sequence 文件读写､ 获取数据库中的数据｡

第七章 Spark 程序的部署模式： Spark 的部署和应用方式､ 本地模式､ Standalone､ Spark on YARN

第八章 Spark SQL 概述：Spark SQL 发展历史､Spark SQL 的优缺点､ Spark SQL 的初体验､Spark SQL 执行流程｡

第九章 SparkSQL 数据模型：DataFrame 概述､DataFrame 的核心使用､ DataSet概述､DataSet 的核心使用｡

第十章 SparkSQL 数据源储：数据源概述､数据源核心 API 使用､数据存储概述､ 数据存储核心 API 使用､SparkSQL 对接 Hive 的原理｡

第十一章 SparkSQL 函数： Spark Sql 内置函数核心使用､自定义函数｡

第十二章 大数据流式数据处理简介：流式计算与批量计算简介､ 流式计算的应用场景举例､ 流式大数据的特征､ 大数据流式计算的关键技术､流式处理框架特征､ 主流的流式数据处理框架｡

第十三章 SparkStreaming 编程基础：在线计数程序示例､编程模型的基本概念､ 离散化数据流､基本数据源､基本 DStream 转换操作､DStream 输出操作｡

第十四章 SparkStreaming 编程进阶： 滑动窗口的基本概念､基于滑动窗口的转换操作､ 缓存与持久性､ Checkpointing｡

第十五章 Kafka 编程：消息系统简介､Kafka 简介､Kafka 术语及架构､Kafka 工作流程､生产者基本使用､发送消息的方式､消费者基本使用｡

第十六章 SparkStreaming 整合 Kafka：基于 Receiver 的方式整合 Kafka､基于 Direct 的方式整合 Kafka｡

（二）课程级实训库

2.1 实训手册 16 份

2.2 实训环境 16 份

2.3 代码配套实训内容

2.4 数据集配套实训内容

实验一：Spark 环境安装

实验二：Transformation 算子实验

实验三：Transformation 复杂算子与 Action 算子综合实验

实验四：单词计数应用

实验五：累加器和广播变量综合实验

实验六：SparkCore 数据读取与保存综合实验

实验七：Spark 运行模式配置实验

实验八：SparkSQL 数据模型综合实践

实验九：SparkSQL 数据源与数据存储综合实践

实验十：SparkSQL 函数综合实践

实验十一：实时单词计数

实验十二：SparkStreaming 数据源与 Action 算子综合实践

实验十三：Transformation 算子综合实践

实验十四：滑动窗口综合实践72

实验十五：生产者与消费者综合实践

实验十六：SparkStreaming 整合 Kafka 综合实践

 

十八、网站日志分析项目资源包

 

1.项目资料和项目指导手册

1.1 实训大纲 1 份

1.2 项目指导手册 1 份

1.3 实训环境 1 份

1.4 代码配套实训内容

1.5 数据集配套实训内容

1.6 项目指导手册不少于 50 页

1.7 实训项目详细步骤说明：配置 hosts IP 映射；配置 ssh 免密；安装 JD､安装､配置､启动 Zookeeper 集群；安装､配置､启动 Hadoop 集群；安装､配置､启动 HBase集群；安装､配置 Hive；安装､配置 Sqoop；配置 IDEA；上传日志文件至 HDFS；数据清洗；建立分区表；使用HiveQL统计关键指标；使用Sqoop将数据从Hive导入MySQL；使用 Sqoop 将数据从 MySQL 导入 HBase。

 

十九、上网行为分析项目资源包

 

1.项目资料和项目指导手册

1.1 实训大纲 1 份

1.2 项目指导手册 1 份

1.3 实训环境 1 份

1.4 代码配套实训内容

1.5.数据集配套实训内容

1.6 项目指导手册不少于 50 页

1.7 实训项目详细步骤说明：配置 hosts IP 映射；配置 ssh 免密；安装 JDK；安装､配置､启动 Zookeeper 集群；安装､配置､启动 Hadoop 集群；安装､配置､启动 HBase集群；安装､配置 Hive；安装､配置 Sqoop；数据集预处理；将数据导入到数据仓库Hive；简单查询分析；查询条数统计分析；关键字条件查询分析；根据用户行为分析；用户实时查询分析；Hive 预操作；使用 Sqoop 将数据从 Hive 导入 MySQL；使用 Sqoop 将数据从 MySQL 导入 HBase｡

 

二十、淘宝双十一案例分析项目资源包

 

1.项目资料和项目指导手册

1.1 实训大纲 1 份

1.2 项目指导手册 1 份

1.3 实训环境 1 份

1.4 代码配套实训内容

1.5 数据集配套实训内容

1.6 项目指导手册不少于 50 页

1.7 实训项目详细步骤说明：配置 hosts IP 映射；配置 ssh 免密；安装 JDK；安装､配置､启动 Zookeeper 集群；安装､配置､启动 Hadoop 集群；安装､配置 Hive；安装､配置 Sqoop；对数据集进行预处理；将数据导入到数据仓库 Hive；简单查询分析；查询条数统计分析；关键字条件查询分析；根据用户行为分析；用户实时查询分析；Hive 预操作；使用 Sqoop 将数据从 Hive 导入 MySQL｡

 

二十一、智能公路卡口检测与分析项目资源包

 

1. 项目资料和项目指导手册

1.1 实训大纲 1 份

1.2 项目指导手册 1 份

1.3 实训环境 1 份

1.4 代码配套实训内容

1.5 数据集配套实训内容

1.6 项目指导手册不少于 100 页

1.7 实训项目详细步骤说明：

(1)环境配置：配置 hosts IP 映射､配置 ssh 免密､安装 JDK､安装配置启动Zookeeper 集群､安装配置启动 Hadoop 集群､安装配置启动 HBase 集群､安装配置启动 Spark 集群､安装配置启动 Kafka 集群

(2)构建工程：下载项目中需要的相关配置文件 ､创建项目工程､添加 Maven 依赖､创建生产者模块 ､创建数据模型模块､创建实时流数据分析模块｡

(3)创建 Kafka 主题：创建主题需求说明､创建主题核心实现｡

(4)生成交通数据：数据格式说明､数据种类说明､生成监测点数据需求说明､生成监测点数据测试需求说明､生成监测点数据测试需求实现｡

(5) HBase 数据库建模：HBase 数据库建模配置参数说明､HBase 工具类需求说明｡

(6) 监测点监测数据实时分析：消费者配置文件需求说明､监测点数据解析需求说明､维护 Kafka 消费偏移量需求说明､监测点数据分析工具类需求说明､监测点数据

分析需求说明｡

(7)程序整体执行：确认集群服务是否启动、启动工程、查看运行结果。

 

二十二、电影协同推荐系统项目资源包

 

1. 项目资料和项目指导手册

1.1 实训大纲 1 份

1.2 项目指导手册 1 份

1.3 实训环境 1 份

1.4 代码配套实训内容

1.5 数据集配套实训内容

1.6 项目指导手册不少于 100 页

1.7 实训项目详细步骤说明：

(1) 环境搭建：配置 hosts IP 映射；配置 ssh 免密登录；安装 JDK；安装､配置､启动 Zookeeper 集群；安装､配置､启动 Hadoop 集群；安装､配置､启动 HBase 集群；安装､配置 Hive；安装､配置 Sqoop；安装､配置､启动 Spark 集群｡

(2)配置 IDEA：创建项目；创建模块；刷新 maven 依赖；建包｡

(3) 通用模块 common：模块介绍；静态通用常量类；可复用工具类 CommonUtils｡

(4)加载数据模块 dataload：模块介绍；导入开发测试数据；加载数据；

初步过滤脏数据；进一步过滤脏数据(关联聚合后，关联不上产生空值).

(5)推荐结果存储模块 storage：模块介绍；模块实现｡

(6) 数据探索模块 dataexplore：模块介绍；优质类别优质电影统计方法；电影平均得分统计方法；最近热门电影统计方法；历史热门电影统计方法；统计推荐结果存储到 mysql 中；添加 main 方法，存储统计推荐结果｡

(7) 协同过滤推荐系统模块 recommend：模块介绍；模块实现｡

(8)Spark On Yarn 运行：需求说明；初始化脱敏数据；打包，以 Spark On Yarn的方式运行｡

 

二十三、文本关键词预警项目资源包

 

1.项目资料和项目指导手册

1.1 实训大纲 1 份

1.2 项目指导手册 1 份

1.3 实训环境 1 份

1.4 代码配套实训内容

1.5 数据集配套实训内容

1.6 项目指导手册不少于 180 页

1.7 实训项目详细步骤说明：

(1)环境搭建任务：模块说明；任务场景；配置 hosts IP 映射；配置 ssh 免密；安装 JDK；安装 Zookeeper；安装 Kafka；安装 Hadoop 安装 HBase｡

(2)创建 Kafka 主题模块：模块说明；任务场景；创建主题任务说明；创建主题核心实现｡

(3) 构建工程任务：模块说明；任务场景；下载配置文件；创建项目工程；创建数据生成模块；创建实时流预警模块｡

(4) 关键词预警实时分析任务： 模块说明；任务场景；创建常量类；添加Application 伴生对象； 编写 HBaseConstant 常量类；编写 TimeConstant 常量类； 创建实体类；编写 AnalysisData 实体类；编写 ZkTaskData 实体类；创建工具类；编写 PropertiesUtil 工具类；编写 HBaseUtil 工具类；编写 KafkaUtil工具类；编写 SQLContextSingleton 工具类；编写 ZkWatchUtil 工具类；编写MysqlUtil 工具类； 编写 BaseUtil 工具类； 编写 Application 工具类；导入config.properties 配置文件；

(5)项目整体测试运行 ：任务场景；测试程序整体流程说明；启动数据生成模块；启动关键词预警实时分析模块；测试关键词预警实时分析思路；创建下发预警任务测试类；下发预警任务完成整体项目的运行。

 

二十四、金融大数据-股票分析系统项目资源包

 

1. 项目资料和项目指导手册

1.1 实训大纲 1 份

1.2 项目指导手册 1 份

1.3 实训环境 1 份

1.4 代码配套实训内容

1.5 数据集配套实训内容

1.6 项目指导手册不少于 200 页

1.7 实训项目详细步骤说明：

(1)环境搭建：配置 hosts IP 映射；配置 ssh 免密；安装 JDK；安装､配置､启动 Zookeeper 集群；安装､配置､启动 Hadoop 集群；安装､配置､启动 HBase 集群；安装､配置 Hive；安装､配置 Spark(Spark on Yarn)；安装､配置､启动 Kafka 集群；安装､配置 Flume｡

 

(2)构建工程：创建项目工程；创建日志数据生成模块；创建 flume 日志消费模块；创建 SparkStreaming 实时存储模块；创建 HBase 数据查询模块；创建 Hive 离线任务模块；创建 SparkSQL 离线分析模块；创建 SparkMLlib 预测模块；创建 web展示模块｡

(3) 日志数据生成模块：模块功能说明｡

(4) flume 日志消费模块：模块功能说明；模块架构说明；创建 stock_flume 模块项目层级结构；添加 Maven 依赖；编写 Flume 数据实体类；实现自定义过滤器；编写将数据从磁盘写入到 HDFS 同时写入到 kafka 的 flume 配置文件；编写 flume

任务启动脚本｡

(5) SparkStreaming 实时存储模块：模块功能说明；模块架构说明；创建stock_streaming 模块项目层级结构；添加 Maven 依赖；编写配置文件；编写加载配置类；编写 Kafka 工具类；编写 HBase 工具类；实现 SparkStreaming 实时消费 kafka 中的数据并将数据写入到 HBase；编写 Spark 任务启动脚本；

(6) HBase 数据查询模块：模块功能说明；模块架构说明；创建 stock_hbase 模块项目层级结构；添加 Maven 依赖；编写 application.yml 配置文件；编写 HBase配置类；编写 domain 层的类；编写 service 层的类；编写 controller 层的类；编写启动类｡

(7) Hive 离线任务模块：模块功能说明；模块架构说明；编写 Hive SQL 文件load.sql｡

(8) SparkSQL 离线分析模块：模块功能说明；模块架构说明；创建 stock_offline模块项目层级结构；添加 Maven 依赖；编写配置文件；编写加载配置类；实现 SparkSQL 读取 Hive 数据进行分析并将结果写入 MySQL；编写 Spark 离线任务启动脚本｡

(9) SparkMLlib 预测模块：模块功能说明；模块架构说明；创建 stock_mllib 模块项目层级结构；添加 Maven 依赖；编写配置文件；编写加载配置类；实现 SparkML 读取 Hive 股票数据，通过线性回归算法对股票价格进行预测；编写 SparkML 任务启动脚本｡

(10) web 展示模块：模块功能说明｡

(11)项目部署运行：项目部署运行顺序说明；项目部署运行前准备；日志数据生

成模块运行；SparkStreaming 实时存储模块部署运行；Flume 日志消费模块部署运行；Hive 离线任务模块运行；SparkSQL 离线分析模块部署运行；SparkMLlib 预测模块部署运行；HBase 数据查询模块运行；web 展示模块运行｡

 

二十五、深度学习无人驾驶智能车实训项目资源包

1. 深度学习实验资源

1.1 通过 GPIO 实现 LED 闪烁

1.2 通过定时器控制 LED 闪烁

1.3 通过 UART 实现与机器人通讯

1.4 通过 UART 实现 LED/蜂鸣器控制

1.5 ROBOTCAR 车轮旋转

1.6 通过编码器测量车轮旋转偏移量

1.7 通过 PWM 控制直流电机

1.8 ROBOTCAR 车轮选择及速度控制

1.9 ROBOTCAR 直线前行

1.10 ROBOTCAR 旋转

1.11 让 ROBOTCAR 移动

1.12 通过 PID 控制方式控制机器人的速度

1.13 读取 6 轴加速度传感器的测量值

1.14 通过 6 轴传感器实现 ROBOTCAR 姿势识别

1.15 通过红外线传感器识别黑白线

1.16 实现 ROBOTCAR 在指定线路上移动

1.17 通过超声波传感器测量距离

1.18 通过超声波传感器实现自主移动

1.19 通过电子罗盘传感器测量地磁

1.20 轮式移动机器人的直线距离移动

1.21 轮式移动机器人的姿势转换

1.22 机器人按指定位置移动

1.23 应用机器学习方法实现鸢尾花分类

1.24 应用深度学习方法实现手写数字识别

1.25 应用 CNN 网络实现车牌号分类

1.26 应用 CNN 网络实现目标检测

1.27 应用 Yolo V5 实现红绿灯等标识识别

 

二十六、深度学习无人驾驶智能车

1.功能要求

此设备主要用于嵌入式单片机、深度学习及神经网络综合训练，以主流深度学习框架为基础，配备惯性导航、摄像头等多种传感器，可实现模型导航、路径规划、 红绿灯、限速标志等交通标识识别等功能。

2. 配置要求

2.1 运动组件

(1)移动方式：四轮驱动结构｡

(2)导航方式：视觉导航｡

(3)供电方式：锂电池供电，系统层 DC16.8V｡

(4)控制方式：远程控制与本机 7 寸显示控制｡

2.2 机体组件

(1)车身尺寸：350*270*300mm(长宽高)､净重约 5.5kg；

(2)电机：4 路直流带霍尔编码器电机；

(3)底盘：全铝合金车体，RCFE 车轮 2 组；

2.3 控制组件

(1)主处理器：主处理器 Intel i5 4G SSD 64G ；

(2)主控 muc：AVR ATmega2560，辅助 mcu：AVR ATmega48P；

(3)显示：7 寸 LCD 显示屏｡

(4)通信接口：3 路串口､1 路 IIC 通信､1 路 USB 转串口､7 路超声波传感器控制接口；

(5)20P 专用接口，5V､12V 电源输出，1 路串口，1 路 IIC 接口，5 路 ADC 采样，3 路 PWM 输出，4 路双向 IO 口，方便扩展外部器件；

1.5 传感组件

(1)1 路蜂鸣器､4 路 12V 直流电机驱动､4 路 LED 输出､蓝牙通信､电子罗盘､6 轴角加速度传感器､8 路 D/A 信号转换；

(2)双摄像头配置､像素 720P､对角 70 度､水平 55 度､YUY2/10-15 帧/S；

(3)8 路红外循迹传感器；

(4)7 组 16mm 超声波收､发探头；

2.4 软件平台

(1)软件系统：Ubuntu16.04 ；

(2)软件编程语言：Python；

(3)深度学习框架：paddlepaddle､pytorch｡

2.5 教学实践配套：提供教学资料｡

2.6 配套赛道

（1）材质：保利布

（2）尺寸大小：4*4 米

（3）包含元素：人行道、限速标志、转弯标志、直行标志等交通标识。

 

 

二十七、ROS 服务机器人实训项目资源包

 

1. 智能服务机器人实验课程

1.1 人工智能及机器人概论与常用算法归类

1.2 Ubuntu 下 Linux 操作实验

1.3 Ubuntu 下 Python 编程开发实验

1.4 机器人操作系统 ROS 简介

1.5 ROS 基本架构分析与节点创建

1.6 ROS 通信架构分析与节点通信

1.7 ROS-Launch 文件功能与创建

1.8 地图构建及导航算法简介

1.9 智能服务机器人地图构建实验

1.10 智能服务机器人自主导航实验

1.11 智能服务机器人多点导航实验

1.12 Lora 物联网技术原理解析

1.13 ROS 下几种摄像头的标定

1.14 ROS 结合 OpenCV 示例——人脸识别

1.15 ROS 结合 OpenCV 示例——物体跟踪

1.16 ROS 下二维码的识别

1.17 ROS 与机器学习概述

1.18 ROS 下通过 TensorFlow 实现动态物体识别

1.19 ROS 下实现语音的识别

1.20 ROS 中语音控制节点——实现语音控制小乌龟移动

2. 投标人须提供该产品制造厂家编写并出版的配套教材，教材内容须包括 ROS服务、机器人运动学及平台介绍、SLAM 及导航、机器人路径规划算法介绍。

 

二十八、ROS 服务机器人

 

1.功能要求

此设备主要用于智能机器人技术综合训练，以 ROS 机器人操作系统为主，搭载激光雷达、深度摄像头、多线麦克风阵列及惯性导航等核心传感器及物联网 Lora 网关。可实现地图构建、自主导航、路径规划、视觉交互等功能。开放源代码，提供完整教学与实验教材。

2.配置要求

2.1 运动组件

(1)移动方式：三轴全向轮驱动；

(2)导航方式：激光 SLAM 导航；

(3)供电方式：锂电池供电，DC24V；

(4)控制方式：本机 7 寸液晶 LCD 或远程控制｡

2.2 机体组件

(1)车身尺寸：地盘直径约 40cm，高约 48cm，净重约 9kg；

(2)电机：带编码器直流减速电机；

(3)车轮：60mm 全铝全向轮 X3；

2.3 控制组件

(1)主处理器：Intel-i5 处理器､4G 内存､M.2 SSD64G 内存；

(2)驱动控制器：muc：ATmega2560，3 路直流电机控制，3 路编码器采集接口；

2.4 传感组件

(1)激光雷达：360 度全方位扫描､10 赫兹自适应扫描频率､激光测距每秒 4000次､8 米测量距离､提供激光 SLAM 例程代码｡

(2)深度摄像头：工作范围 0.6-8m､视场角(FOV)H58.4°x V45.5°､分辨率@帧率 1280×1024@7fps､深度处理芯片 MX400､指出远距离保护､提供视觉应用例程代码｡

(3)姿态传感器：陀螺仪范围 ±500~1000°/s､加速度范围 ±2~16g､磁场范围±4800uT｡

2.5 物联网组件

(1)关中控盒､板载资源：Lora 接口

(2)电源控制盒､板载资源：Lora 接口､4 路 AC220V 电源接口

(3)窗帘控制盒､板载资源：Lora 接口 3 路窗帘触发信号

(4)环境检测传感盒､板载资源：Lora 接口､温湿度､光照度､二氧化碳传感器

(5)安防监测传感盒､板载资源：Lora 接口､燃气/烟雾泄露检测､漏水监测､声光报警

2.6 软件平台

(1)软件系统：Ubuntu16.04 ；

(2)机器人操作系统：ROS_Kinetic；

(3)软件编程语言：Python､C/C++；

 

二十九、ROS 无人驾驶竞速平台实训项目资源包

 

1. 无人驾驶竞速平台实验课程

1.1 IMU 调试

1.2 雷达调试

1.3 udev 串口配置

1.4 通过键盘控制底盘运动

1.5 激光雷达里程计信息获取

1.6 位姿的数据融合

1.7 远程连接 ssh 配置

1.8 创建地图

1.9 系统配置

 

三十、ROS 无人驾驶竞速机器人

 

1. 功能要求

1.1 支持激光雷达地图构建、自主导航等功能；

1.2 采用 ROS 开发平台，可最快实现最快 3M/S 自主驾驶；

1.3 可实现静态障碍物与动态障碍物自主路径规划；

1.4 开放源码、支持无人驾驶（ROS）算法验证、支持二次开发。

2. 配置要求

2.1 车身尺寸：底盘直径 560*350*230mm；

2.2 净重：4.5KG；

2.3 主处理器：i5-6200U、4G 内存、M.2 SSD128G 内存；

2.4 底盘：SN-RC R2 1/10；

2.5 电机：有感直流无刷；

2.6 控制形式：阿克曼结构；

2.7 电调：额定电流 120A 最大电流 760A、电池节数 2-3S Lipo；

2.8 惯性导航：

（1）姿态角： 测量范围(pitch/roll)：±90/±180 度 动态精度：0.5 度 分

辨率：0.1 度；

（2）航向角： 测量范围(yaw)：±180 度 动态精度：2（RMS） 分辨率：0.1

度；

（3）陀螺仪：测量范围(pitch/roll/yaw)：±1000 度/s；

（4）零偏稳定性：50 度/h 非线性度：0.2%FS；

（5）加速度计：三轴测量范围：±2g；

（6）零偏稳定性：5mg 非线性度：0.5%FS 磁力计：三轴测量范围：±12Guass

分辨率：0.003Guass、分线性度：0.1%FS 气压计：高度分辨率：1cm 测量范围：

10~1200mbar；

2.9 激光雷达：360 度全方位扫描、10 赫兹自适应扫描频率、激光测距每秒 4000

次、8 米测量距离、Claass1 激光安全标准 测量量程解析度 0.1%、A6 核 ARM 64

位处理器；

2.10 提供教学课件、实验教材、大赛指导书。

2.11 软件平台

（1）软件系统：Ubuntu16.04 ；

（2）机器人操作系统：ROS_Kinetic；83

（3）软件编程语言：Python、C/C++；

 

三十一、Python 程序开发证书中级案例资源

1. 案例资源要求

1.1 题库 300 道，其中单选题 180 道，多选题 60 道，判断题 60 道。

1.2 20 个案例（项目代码 0.1 和 1.0 版、案例指导书、案例源码、案例评分细则、

案例讲解视频）。

1.3 案例指导书：包含实验目标、实验任务、设计思路、实验步骤、运行测试、

案例实操、案例答案等，共 20 个基础操作指导书。

1.4 案例源码：包含项目源码（1.0 版）和练习代码（0.1 版）

1.5 项目分类：数据库系统设计（30%）Web 开发（35%）动态爬虫（35%）

1.6 评分细则：Python 程序开发中级实操考试、Python 程序开发中级实操考试

评分细则、实操素材

1.7 案例如下： MySQL 数据库操作。 MongoDB 数据库操作。Redis 数据库操作。selenium 京东爬虫。多线程豆瓣爬虫。Django 登录注册。Scrapy 爬取股票信息。成语填填乐。分布式爬取当当图书。个人存款计算器。护肤品首页。折扣服装商城。爬取诗词名句网。selenium 链家爬虫。基于 MySQL 的商品数据查询。基于 MongoDB的腾讯招聘数据存储。使用 Redis 实现任务队列。使用 Django 开发留言板。使用Django 开发明星库。使用 Django 开发个人博客。

1.8 教学视频：Python 中级教学实训资源视频，7 章节，视频总数量：166 个，

包括：关系型数据库（39 个）；非关系型数据库（20 个）； Django 框架（60 个）；

模拟用户操作（15 个）；爬虫框架（16 个）；分布式爬虫（11 个）；反爬虫（5

个）。

1.9 教学 PPT：Python 中级教学实训资源教学 PPT，总数量：43 个，包括：数据库基本概念；MySQL 数据库简介及安装；MySQL 数据库基础；MySQL 数据库管理；

MySQL 数据库操作；Python 与 MySQL 交互；项目实战-基于 MySQLdb 的学生信息管理；非关系型数据库；MongoDB 数据库；MongoDB 数据库操作；MongoDB 与 Python交互；项目实战-基于 pymongo 的学生信息管理系统；Redis 数据库；Redis 基本命令；Redis 数据结构；Redis 与 Python 交互；项目实战-Python redis 模拟用户注册登录；Django 基本知识；Django 框架准备；Django 模型；Django 模板；Django

表单；Django 视图；Django 路由；Django Admin 管理工具；Django 中间件；DjangoCookie 与 Session；RESTful 接口介绍；学生信息管理系统；爬虫与 Selenium；安装 Selenium；使用 Selenium 及操作元素；多线程爬虫；项目实战-用 Selenium 爬取电商网站数据；Scrapy 框架介绍；Scrapy 框架的使用；爬虫数据持久化；Scrapy中间件；项目实战-用 Scrapy 抓取股票信息；Scrapy-redis 框架介绍；Scrapy-redis

框架的使用；项目实战-分布式爬取当当图书；爬虫与反爬虫。

1.10 视频源码和软件 Python 中级教学实训资源视频源码，7 章节，软件数量 5个，源码数量： 43 个，软件安装包

（1）视频源码：关系型数据库 code（3 个）；非关系型数据库 code（5 个）；

Django 框架 code（4 个）；模拟用户操作 code（19 个）；爬虫框架 code（6 个）；

分布式爬虫 code（2 个）；反爬虫 code（4 个）

（2）软件安装包：

mysql-installer-community-8.0.25.0

navicat150_premium_cs_x64

mongodb-win32-x86_64-2008plus-ssl-v4.0-latest-signed

Redis-x64-5.0.10

Chromedriver、lxml-4.6.3-cp37-cp37m-win_amd64.whl

pywin32-301-cp37-cp37m-win_amd64.whl

Twisted-20.3.0-cp37-cp37m-win_amd64.whl

2．考务平台

2.1 Python 中级教学实训资源考务平台注册操作手册和操作视频 1 套。

2.2 考前练习中级题库权限使用期 3 年，学生练习账号 100。

三十二、Python 程序开发证书高级案例资源

 

1． 案例资源要求

1.1 题库：300 道，其中单选题 180 道，多选题 60 道，判断题 60 道。

1.2 个案例（项目代码 0.1 和 1.0 版、案例指导书、案例源码、案例评分细则）。

1.3 案例指导书：包含实验目标、实验任务、设计思路、实验步骤、运行测试、

1案例实操、案例答案等，共 20 个基础操作指导书。

1.4 案例源码：包含项目源码（1.0 版）和练习代码（0.1 版）。

1.5 项目分类：Python 数据处理（30%）数据分析与可视化（40%）人工智能（30%）

1.6 评分细则：Python 程序开发高级实操考试、Python 程序开发高级实操考试

评分细则、实操素材。

1.7 案例如下：股票 K 线图。电影数据分析。用户购买行为分析。高校录取分数分析。汽车质量评估。CIFAR 图片分类。厦门别墅数据分析。人人车数据抓取 request版。电动自行车。我国人口统计分析。虚拟身份证批量生成。新冠疫情分析。Scrapy抓取昵图网图片。Tensorflow 实现反向传播算法。球人口数据分析。上证 A 股数据分析。亚马孙股价分析。昆明公交分析。新零售数据分析。泰坦尼克号生存预测

1.8 教学视频：Python 高级教学实训资源视频>=200 个。

1.9 教学 PPT：Python 高级教学实训资源教学 PPT，总数量：46 个：环境介绍和安装；Numpy 概述与安装；Numpy 数组；数组的索引与切片；基本数学运算；Numpy通用函数；Numpy 字符串处理；项目实训；认识 Pandas 及安装；Series 对象的基本操作；DataFrame 对象的基本操作；Pandas 读写数据；数据索引、排序和排名；项目实训；数据清洗；数据计算；数据分组；数据转换与数据位移；数据合并；项目实训；可视化介绍；Matplotlib 简介；Matplotlib 绘制图表；Seaborn 绘图；可视化分析报告；项目实训；数据分析介绍；数据列表分析；协方差数据分析；数据直方图分析；数据对比分析；项目实训；认识机器学习；认识 Scikil-Learn 及安装；回归模型；分类模型；聚类模型；项目实训；神经网络；深度学习框架 Keras；深度学习的运用；项目实训；认识协同过滤；基于用户的协同过滤；基于项目的协同过滤；项目实训。

1.8．视频源码和软件：Python 高级教学实训资源视频源码，共计 8 章节。

（1）视频源码：NumPy 科学计算库、数据操作模块 Pandas、数据处理、数据可视化、数据分析、机器学习、深度学习、推荐系统

（2）软件安装包：Anaconda3-5.2.0-Windows-x86_64.exe。

2. 考务平台

2.1 Python 高级教学实训资源考务平台注册操作视频 1 个，操作手册 5 个。

2.2 考前练习高级题库权限使用期 3 年，学生练习账号 100。

3. 该项产品制造商为教育部 1+X 职业技能等级证书培训评价组织
4. 提供该资源配套证书教材，教材为教育部 1+X 职业技能等级证书配套高级教材。

三十三、云教学管理软件

1.云教学管理软件功能

1.1 平台提供信息课、考试课等多种教学模式,可自定义新增模式,无需重新启动云终端即可切换模式和对应的教学镜像。

1.2 一套管理软件实现教学业务和终端管理,如配置参数、设置编号等,无需多软件并存。

1.3 支持教师选择文件分发给全部或指定学生。测试文件100M,60台传输时间控制在55s内。

1.4 无需服务器,教师机可对学生进行屏幕广播。支持窗口化,学生可调整大小自由操作,教师可选是否声音广播。

1.5 一键将软件切换至托盘状态,托盘提供屏幕广播、文件发送等教学功能。

1.6 教师指定年级班级后上传作业,学生登录后立即可见,零延迟。

1.7 支持教师对学生分组,记录组内成员贡献度。同组内可互传文件。

1.8 支持多种快速出题方式,无需下载模板,可在线录入。支持多种测试形式。

1.9 可统计学生答题结果,支持多维分析统计。

1.10 每学年结束,可一键升级所有学生账号年级,无需重新创建。

1.11 采用文件授权方式,而非U盘授权,确保安全性。

1.12 云软件、平台、终端需同品牌,确保兼容性。

1.13 提供1个终端软件授权。

2. 切换课程时,可一键切换学生进入新镜像,无延迟,提供相关检测报告。
3. 终端支持完全离线模式,连接中断后可继续使用当前镜像,保证业务连续性,提供相关检测报告。
4. 支持微课上传、管理、任务布置,学生完成后可统计分析结果,提供相关检测报告。

三十四、云终端

1. 功能要求

1.1 采用集成显示器的X86架构一体机,铝合金一体成型底座,显示器尺寸≥23.8英寸,分辨率≥1920*1080。处理器为双核心,内存≥3GB,存储≥18GB。接口包含≥6个USB、1个千兆网口、1个HDMI和1组音频输入输出。

1.2 支持首次启动终端配置向导,无需管理员账号即可完成配置。

1.3 支持多种模式切换,包括个性化模式、还原模式、无账号公用模式等。

1.4 网络中断时仍可离线使用虚拟云桌面,保证业务连续性。

1.5 支持U盘传输镜像,可将终端转为镜像分发服务器。

1.6 在第十代CPU及以上可运行XP和Win7(32位)系统,支持自动挂载网盘,直接编辑云盘Office文档。

1.7 提供双屏扩展显示,支持异显和同显。

1.8 提供配套的运维部署工具,可自动检测常见问题,包括设备发现、虚拟化版本、网络部署等。

1.9 支持嵌套虚拟化,可在云桌面正常运行虚拟机软件。

三十七、云桌面输入设备

1.功能要求:

– 套装用于云桌面,采用有线连接方式,包含键盘、鼠标和鼠标垫三个设备。键鼠为有线传输,鼠标垫带有品牌logo标识。

三十八、交换机

1. 功能要求

– 提供48个10/100/1000BASE-T以太网端口,另配备4个千兆SFP端口

– 数据包转发速率达到87Mpps

– 交换容量为432Gbps

三十九、交换机 2

1. 功能要求

– 提供24个10/100/1000BASE-T以太网端口

– 数据包转发速率达到108Mpps

– 交换容量为336Gbps

– 固定端口配置:24个10/100/1000BASE-T以太网端口,4个千兆SFP端口

四十、桌椅

1. 尺寸、材质和功能需求

1.1 电脑桌尺寸600mm×450mm×(780-690)mm,使用E1级环保实木颗粒板,板材厚度不低于18mm。学生椅总高度800-850mm,座垫宽度450-500mm,座垫深度400-450mm,背靠高度400-450mm,背靠宽度450-500mm。

1.2 采用优质网布面料的钢脚弓形椅,表面涂有防护层具有防氧化作用,尺寸根据现场确定。

四十一、机柜

1. 尺寸、材质和功能需求

1.1 参考颜色为黑色,尺寸不小于高2000*宽600*深1000mm,允许±10mm误差;材质为冷轧钢板。

1.2 立柱厚度不小于1.8mm,立柱间距不大于485mm;层数不少于4层。

1.3 配置机柜内散热设备和风扇,侧板可拆卸;采用开放式层板设计,侧板可按需拆装,便于管理设备并加速散热。上下位置均设置布线接口。

1.4 配备五金旋转锁以保护内部设备的安全,避免他人擅自操作。底部设有接地保护,确保操作安全。电源插座数量不少于1个。

四十二、讲台

1. 尺寸为1000mm×780mm×1000mm,板材厚度1.2-1.5mm。
2. 功能要求

2.1 采用钢木一体成型,配备实木扶手和耐划台面,实现全封闭式结构。选用优质冷轧钢作为桌体材料,表面处理提高承重能力。

2.2 内部设计标准机柜结构,带层板固定设备,采用上下分体,便于维护。桌底预留孔位方便布线,加散热孔保证设备正常运行。

2.3 配置双层大容量抽屉,选用加厚静音滑轨,提高承重寿命;配备铝合金扣手,质感好又实用。

2.4 机箱带安全锁,避免非专业人员接触,可放置主机等设备。背面柜门可开启,便于调试。

2.5 参考颜色为银灰色,桌面可翻转(具体按需确定)。

四十三、装修及辅材

1.1 进行强弱电系统改造和布线,包括电源线、网络线等。

1.2 采用超五类网线、线槽、软管、PVC管等满足项目需求。

1.3 使用国标标准插座,电流和电压选择合适。根据实际需求进行施工,保证设备正常使用。

1.4 使用合适规格电线和管道,根据实际进行布线,保证设备正常使用。

1.5 根据实训室布局规划网络布线。

1.6 线缆标注来源和目的地。

1.7 装修材料、辅材、人工统包。

2.1 实训室文化氛围符合职业教育和安全规程。

2.2 张贴科学家头像、标语、警句等。制作实训挂图或挂画。

2.3 介绍实训室的教学科研服务、成果、专业方向等。

2.4 建设专业特色的文化墙,使用多层装饰面、特殊造型和立体雕刻。