職業院?！癏adoop平臺及運維”課程教學實踐與思考

摘 ?要：“Hadoop平臺及運維”是大數據專業的核心課程，課程具有對前置課程要求高、交叉性強、實踐難度大等特點，傳統“以教為中心”的大數據平臺運維教學方式很難實現以應用為導向的目標。文章以蘭州石化職業技術大學為例，基于高職院校學生的學習特點，結合近幾年的教學實踐經驗，從課程教學模式優化、課程內容安排、實踐教學平臺運用及考評方式改進等方面，提出了以職業技能和職業素養培養為導向，符合學生實際狀況的教育教學策略，為大數據專業其他課程的實踐教學提供參考。

關鍵詞：大數據平臺運維；Hadoop；實踐教學；教學思考

中圖分類號：TP39；G434 ? 文獻標識碼：A ? 文章編號：2096-4706（2023）14-0194-05

Teaching Practice and Reflection on the Course of“Hadoop Platform and Operation and Maintenance”in Vocational Colleges

—Taking Lanzhou Petrochemical University of Vocational Technology as an Example

GAO Long

（Lanzhou Petrochemical University of Vocational Technology， Lanzhou ?730060， China）

Abstract：“Hadoop Platform and Operation and Maintenance” is the core course of big data major， which has the characteristics of high requirements for pre-courses， strong cross-disciplinary skills and difficulty in practice. However， the traditional teaching method of “teaching-centered” dig data platform operation and maintenance is difficult to achieve the goal of application oriented. Taking Lanzhou Petrochemical University of Vocational Technology as an example， based on the learning characteristics of students in higher vocational colleges， combined with the teaching practice experience in recent years， from the aspects of course teaching mode optimization， course content arrangement， application of practical teaching platform and improvement of evaluation methods， this paper puts forward the education and teaching strategies that are oriented to professional skills and professional quality cultivation and conform to students' actual situation， providing reference for practical teaching of other courses in Big data specialty.

Keywords： big data platform operation and maintenance; Hadoop; practical teaching; teaching reflection

0 ?引 ?言

隨著網絡的普及和信息科技的快速發展，全球的數據量正在以指數級的速度增長，傳統的數據采集、加工、處理方式已無法滿足當下對數據高效存儲與處理的要求。為解決此問題，用于大規模數據存儲及處理的分析引擎Hadoop應運而生。在Hadoop生態體系中，包含了分布式文件系統、分布式計算引擎、分布式列式存儲數據庫、分布式協作服務、數據倉庫等一整套工業級解決方案，在企業中得到了廣泛的應用。在國家“新基建”戰略的推動下，各行各業逐步向數字化應用轉型，對于大數據運維人才呈現出了供不應求的狀態。作為人才培養的主戰場，越來越多的院校積極響應社會發展趨勢和市場需求，申請大數據相關專業，開設大數據系列課程。然而高職院校由于起步較晚，沒有符合職業特色的可借鑒的成熟的人才培養模式，加之大數據專業是一個交叉型學科，其生態體系內的技術組件更新迭代快，這就要求大數據系統運維人員必須擁有較強的學習能力和行業知識更新能力。因此，現在高職院校的大數據專業的人才培養面臨著新的困難和挑戰。本文從大數據專業核心課程“Hadoop平臺及運維”的特點出發，以蘭州石化職業技術大學為例，通過對高職院校學生的學習特點進行分析，從課程教學模式優化、課程內容安排、實踐教學平臺的運用等方面提出了具體的教育教學策略，以嘗試解決當前大數據專業人才培養面臨的問題，提升專業人才培養質量。

1 ?課程特點分析

“Hadoop平臺及運維”是大數據專業的一門核心專業課程，其目標是讓學生了解Hadoop核心組件的功能配置及工作原理，熟悉常用的系統性能診斷工具及集群監控管理工具，掌握大數據平臺的安裝配置以及大數據平臺的優化策略和方法。本文通過相關調研交流并總結實踐教學經驗，對該課程的特點分析如下。

1.1 ?對前置課程要求較高

“Hadoop平臺及運維”是一門綜合性、實踐性、應用性都很強的課程，其前置課程主要有：Java/Python語言編程基礎、計算機網絡、MySQL數據庫以及Linux操作系統。在搭建Hadoop分布式集群之前，首先要安裝配置好集群的基礎環境，這涉及Linux系統的網絡配置、防火墻配置、SSH遠程登錄配置、SELinux（Security-Enhanced Linux）配置及時鐘同步，此外還需配置Java、Scala、Python的運行環境，配置環節多且復雜，任何環節的配置錯誤都會影響后續Hadoop集群的搭建及應用軟件的開發。在部署使用Hive組件時，由于Hive使用類SQL語句實現對數據的操作，因此要求學生熟練掌握SQL語句，這對于關系型數據庫知識掌握不牢固的學生而言無疑是一個難點。由此可見，“Hadoop平臺及運維”課程對部分前置課程的知識要求較高，對學生的實操能力也有一定的要求。

1.2 ?涉及知識面廣

大數據運維不同于傳統的IT運維，運維人員不僅要掌握大數據平臺維護管理技巧，利用監控分析工具掌握系統運行狀態，還要具備分析運維日志并通過運維數據挖掘價值的能力。該課程涉及計算機、數學、統計學等學科知識，交叉性強，涉及知識面廣，對學生學習此課程帶來了不小的難度。此外，Hadoop生態體系龐雜，除分布式文件系統HDFS、分布式計算框架MapReduce及列式存儲數據庫HBase三大核心組件外，還包括數據倉庫Hive、分布式協調服務ZooKeeper、ETL工具Sqoop、Flume等，圖1展示了本課程要學習的Hadoop生態體系中的關鍵組件框圖。

1.3 ?運行機制理解難度大

作為一名合格的大數據運維人員，不僅要能夠搭建配置Hadoop生態體系中的各類組件，更應具備快速排除系統故障，保障業務穩定運行的能力，這就要求學生對大數據組件知識的理解不能僅僅停留在表面，而是要進行更深層次的學習，理解其底層運行機制。但是Hadoop生態系統中的大部分組件都是分布式系統，底層邏輯復雜，運行流程難以理解。

1.4 ?對實踐環境要求高

以在單臺計算機上搭建包含3個節點的Hadoop分布式集群為例，計算機硬件配置的最低要求為：4核心CPU，16 GB內存，50 GB硬盤，對實驗計算機硬件配置有一定要求，學生個人電腦可能無法勝任部分實驗。此外，部分院?？赡軟]有云計算實驗室，只能在傳統單機上利用VMware、VirtualBox等虛擬化軟件模擬搭建集群環境，學生無法真正地感受到大數據時代云計算和大數據與普通數據的不同。

1.5 ?缺乏真實演練環境

大數據運維崗位既要滿足業務快速上線的需求以保障系統安全可用，又要求從業人員有較豐富的實踐經驗，因此在真實工作環境中的演練，才能真正提升能力和素質。然而由于大數據運維的特殊性，很多問題場景不能重現，學生無法從相同場景中模擬演練，無法積攢排錯經驗，實踐能力得不到提升。

2 ?高職學生學習特點分析

隨著我國高等教育由英才教育向大眾教育的轉變，高校招生規模逐年擴大，高職高專教育也得到了迅速的發展[1]，高職院校的擴招使得生源結構多樣化，生源質量層次不齊。各類生源中，普通高中畢業生基礎相對較好，學習能力相對較強，中職類畢業生次之，擴招生源相對較弱[2]。通過調研及教學實踐過程發現，高職院校大部分計算機專業學生在學習上存在以下共性特點：

1）學習目標不明確，缺乏學習動力。對于高職學生來說，由于在前期的學習階段沒有打好基礎，缺乏學習熱情，加之大學課程多、難度大，更讓他們應接不暇。學生沒有明確的學習目標，對自我認知存在偏差，缺少自信，執行力弱，失去了學習動力。

2）學習意志力薄弱。高職的學生在學習中表現出來的往往是意志比較薄弱的現象[3]，遇到學習困難時，缺乏克服困難的信心和勇氣，因而常常退縮，致使學習半途而廢。

3）缺少良好的學習習慣。良好的學習習慣是保證學有所獲的前提，由于高職學生在以往的學習經歷中沒有養成好的學習習慣，導致學生學習專注力低，依賴心理嚴重，普遍缺乏提問意識和獨立解決問題的能力。

4）更偏向于實踐教學。相比于枯燥的大數據技術理論教學，高職學生對實踐教學的接受程度更高，實踐教學更能吸引學生的注意力，提高學生的學習體驗，同時也激發了學生的自主合作意識，培養了團隊協作能力。

3 ?課程教學方法探索

3.1 ?持續優化課程教學模式

針對“Hadoop平臺及運維”課程特點和高職學生學習特點，構建“做學合一、工學結合”的理實一體化課堂教學模式[4]，將“耳聽為虛”的Hadoop組件運行機制轉化為“眼見為實”的實操過程，猶如單步調試程序一般，盡量攤開底層細節，通過實踐驗證理論，幫助學生實現由感性認知到理性理解的轉變，激發學生的學習興趣。以任務驅動教學，設計難度適當的任務模塊，設定明確的任務目標，讓學生在任務過程中實現“學中做”“做中學”，鍛煉學生的思考能力和動手能力，圖2為本課程的教學設計架構圖。對學生在任務實現過程中遇到的問題，要求以Markdown（https：//www.markdownguide.org/）方式做好有圖有文的電子筆記，在個人思考、借助搜索引擎、互相討論等方式均不能解決的前提下，將問題反饋記錄在本課程的“常見問題解決共享知識庫”內，由授課教師和學生共同解答，提供解決思路和關鍵步驟，而不是現成答案。針對一些重難點問題，在問題解決知識庫中標以重點標記，啟發遇到類似問題的學生嘗試自己解決，如此不僅可以促進學生學習的主動性，提升其獨立解決問題的能力，也避免了學生養成遇到困難就打退堂鼓的不良習慣。在結束一個模塊的教學內容后，針對學生遇到的重難點問題及共性問題，在課堂上再次復盤總結，加深理解。同時作為平時成績的考評項，要求學生對重點知識、學習心得和問題解決方法及時記錄在電子筆記中，學會持續的復盤總結改進，實現知識的學習應用由量變到質變。圖3是基于Baklib（https：//www.baklib.com/）知識庫軟件搭建的課程“問題解決共享知識庫”，可以邀請所有學生一起在線為知識庫貢獻內容，并設置站點僅限內部人員查看權限。針對課堂知識難沉淀、難共享、難利用的問題，借助知識庫類軟件可以有效解決此類問題，幫助學生養成良好的知識管理習慣。

結合課程特點和高職學生學習特點，借鑒吸收省內外其他院校的經驗做法，持續優化改進課程教學模式，形成“教、學、做、評”的閉環教學系統，持續改進教學質量，讓學生在邊學邊練的理實一體的教學模式中強化理論學習，鞏固技能本領，真正成為知識的主動獲得者和技能的積極操作者[5]。

3.2 ?不斷充實教學內容

本課程以培養大數據平臺運維能力為中心，以企業需求為核心，將職業認證資源課程化，融入職業院校技能大賽拓展內容，構建了從初級到中級職業能力遞進式的課程內容體系，使學生實現技術技能的階梯式提升。整個課程內容包括Hadoop大數據平臺集群部署、大數據組件（Hive、HBase、Zookeeper、ETL）的維護、大數據平臺優化、大數據平臺的診斷與處理4個部分，其中前兩個部分為初級內容，后兩個部分為中級內容，具體內容安排如表1所列。

本課程以獲取“大數據平臺運維”1+X職業技能證書為導向構建課程教學內容，同時對接全國職業院校技能大賽標準，適當調整更新部分課程內容，例如2022年全國職業院校技能大賽中Hadoop集群是基于Docker（https：//www.docker.com/）容器部署使用的，則在后續的課程中及時更新了基于Docker容器快速構建Hadoop集群的內容。通過以上方式，有序實現課證賽融通，促進了學生專業能力和職業素養的提升。但受制于課時數，本課程的缺陷在于缺少綜合性實戰運維項目，對學生的技能培養達不到高級難度級別，這也是今后課程改革的主要方向。

3.3 ?靈活運用實踐教學平臺

在學校建設大數據實訓室之前，本課程主要利用VMware/VirtualBox虛擬化軟件在單臺計算機上構建3個CentOS 7操作系統虛擬機，在虛擬機中安裝部署Hadoop集群及相關組件，圖4是在VMware中同時部署運行3個Hadoop節點的界面。這種實踐方式的特點是對計算機硬件的配置要求較高，同時要求學生的實操能力必須過關，有利于培養學生的動手能力和問題排查能力。

隨著大數據實訓室的建成，大數據專業的部分核心課程開始逐步采用新引進的在線大數據實驗教學系統和大數據技能演練與實戰系統，該系統以云平臺架構為基礎，以虛擬機形式為工具，為學生提供大數據實驗環境，可同時容納60人進行線上實驗。圖5是大數據實驗教學系統的課程資源界面，該系統實驗案例豐富，實驗步驟詳盡，學生只要按部就班地操作就能夠完成實驗，但不利于學生獨立思考能力的培養和解決問題能力的提升，比較死板，不靈活[6]。

鑒于此，本課程將兩種實踐平臺有機結合起來，按需使用。大數據實驗教學系統教學資源豐富，利用該平臺可有效降低教師備課難度，學生可借助此平臺完成課后拓展練習，拓寬技術視野。尤其是在準備職業院校技能大賽時，大數據技能演練與實戰系統上真實的行業數據集和場景可作為學生模擬演練的競賽環境，提高競賽技能。在虛擬機中部署配置集群的方式則作為上課的主要實踐演練平臺，鍛煉學生解決問題的能力，培養工程師思維。

3.4 ?改進考核評價方式

相比于以往平時成績占30%，期末考試占70%的考核評價方式，本課程加大了平時成績的占比到60%，平時成績主要有以下部分組成：學習的電子筆記質量（占20%）、課堂實踐任務完成度（占20%）、“問題解決共享知識庫”貢獻度（占10%）、課后作業完成情況（占10%）。其中電子筆記質量的評閱由全體同學共同參與打分，評選出條理清晰、圖文并茂的筆記在班級內展示；“問題解決共享知識庫”貢獻度主要看學生的有效提問記錄數目、回答數目和質量，對于活躍度高、互動高頻的學生，教師打較高分。

通過上述課程考核方式的改進，不再是僅僅關注結果，而是更加注重考核的過程性和有效性，由“重知識、輕能力”的考核方式轉變為“重技能、重職業素養”的方式，為學生畢業后正式走上工作崗位打好基礎。

4 ?結 ?論

在2020和2021級兩屆學生的教學實踐過程中，根據課程特點和高職學生學習特點，本課程持續優化，加之隨著校內實踐條件的不斷完善，在課程結束后，學生的實操技能和職業素養普遍得到了較大的提升，在職業院校技能大賽中也取得了較好的成績，具有較好的現實意義。但也存在著需進一步改進的問題，例如受制于課時少，課程缺少綜合實戰運維項目，學生對所學內容在實際工程中的應用缺乏深層次的認識；Hadoop生態體系內的技術組件繁多且更新迭代快，課程內容的更新速度趕不上技術工具的變革速度，因此如何平衡這兩者之間的關系，也是值得思考的問題。今后的課程改革中，應“以崗位能力為課程目標，以工作過程為課程模塊，以實訓項目為課程內容，以最新技術為課程視野，以職業能力為課程核心”為宗旨，思考大數據技術類課程的發展方向，切實培養基礎實、能力強、素質高的職業技能人才。

參考文獻：

[1] 施衛民.芻議高職學生學習特點及分析 [J].科技視界，2019（33）：184-185.

[2] 張麗景，張文川.基于對比分析法的高職“MySQL數據庫”課程設計——以蘭州石化職業技術大學為例 [J].現代信息科技，2022，6（21）：188-191.

[3] 郭婷，夏瑜.對高職學生學習心理特點的分析及教育策略探究 [J].教育現代化，2017，4（38）：282-283.

[4] 劉雪玉，沈潔惠，陸炎，等.基于“做學合一”的理實一體化城軌信號教學方案 [J].創新創業理論研究與實踐，2022，5（15）：27-29.

[5] 覃容飛，鄭夏燕，姚明泉.基于工作手冊式活頁教材應用的理實一體化教學實踐——以《茶樹優質高產栽培（南方本）》為例 [J].福建茶葉，2022，44（7）：78-80.

[6] 曹素麗，楊延廣，張翠軒.以學生為中心的“Hadoop大數據平臺”課程的教學設計 [J].微型電腦應用，2019，35（11）：11-14.

作者簡介：高龍（1992—），男，漢族，甘肅蘭州人，助教，碩士，研究方向：自然語言處理、大數據技術。