本课程以国内高校知名大数据教学团队“厦门大学数据库实验室”开设的MOOC为蓝本，结合我校学生特点进行设计，定位为入门级大数据课程。课程将系统梳理总结大数据相关技术，介绍大数据技术的基本原理和大数据主要应用，帮助学生形成对大数据知识体系及其应用领域的轮廓性认识，为学生在大数据领域“深入学习”奠定基础、指明方向。课程系统论述了大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、分布式并行编程模型MapReduce、基于内存的分布式计算框架Spark以及大数据在互联网、生物医学和物流等各个领域的应用。在Hadoop、HDFS、HBase、MapReduce和Spark等重要章节，安排了入门级的实践操作，让学生更好地学习和掌握大数据关键技术。

实践根据厦门大学数据库实验室大数据课程资源（https://dblab.xmu.edu.cn/post/5663/）开展。

（1）能够建立对大数据知识体系的轮廓性认识，了解大数据发展历程、基本概念、主要影响、应用领域、关键技术、计算模式和产业发展，并了解云计算、物联网的概念及其与大数据之间的紧密关系；

（2）能够了解Hadoop的发展历史、重要特性和应用现状，Hadoop项目结构及其各个组件，并熟练掌握Hadoop平台的安装和使用方法；

（3）能够了解分布式文件系统的基本概念、结构和设计需求，掌握Hadoop分布式文件系统HDFS的重要概念、体系结构、存储原理和读写过程，并熟练掌握分布式文件系统HDFS的使用方法；

（4）能够了解分布式数据库HBase的访问接口、数据模型、实现原理和运行机制，并熟练掌握HBase的使用方法；

（5）能够了解大数据处理架构Spark的基本原理和编程方法。

每个学习单元结束后，学生需要参与讨论、单元测验或单元作业，单元测验提醒包括单选题、多选题、判断题和填空题。

单元作业需要学生之间进行互评，每人应完成5份他人作业的互评，未参加互评的学生，将给与所得分数的50%，参与互评但未完成5份的，将给与所得分数的80%.

最终，课程线上成绩是由单元测验（30%）、单元作业（20%）、参与讨论（10%）和考试（40%）组成；线下成绩是由小组项目得分（70%）和个人答辩成绩（30%）组成；总成绩按线上、线下各占50%的比例计算。

面向对象程序设计、数据库原理与技术、Linux操作系统

厦门大学大数据课程平台   

https://dblab.xmu.edu.cn/post/bigdata/