摘要：為進一步改進云計算導論課程中存在的問題，增強學生實操能力和團隊合作能力，同時控制課程費用，文章以成都信息工程大學云計算導論課程為例，重點分析課程實操環節的設計與改革。重新設計的實驗和測試環節以安裝有遙測和評測程序的特殊虛擬機鏡像為基礎，要求學生以自身計算機作為核心計算資源，搭建真實集群，并在接近真實生產環境的條件下進行云計算技術的實操與實驗。

關鍵詞：云計算；編程實驗；虛擬機遙測

中圖分類號：G642" " " 文獻標識碼：A

文章編號：1009-3044（2025）23-0166-04

開放科學（資源服務） 標識碼（OSID）

0 引言

2024年，美國持續加強云計算應用，以鞏固其在該領域的領先地位。同時，歐盟將云計算服務的使用率視為提升國家競爭力的關鍵績效指標，并確認其為國家科技創新的重要支撐[1]。國家發展和改革委員會也于年底明確表示將大力推動云邊端計算技術協同發展，支持云原生等技術模式創新[2]，以更好服務國民經濟發展，確保完整準確全面貫徹新發展理念。云計算導論課程是高校為社會培養大數據時代新型人才的重要課程之一。該課程涵蓋Linux基礎知識、操作系統、計算機網絡基礎及運維實踐等較為復雜的技能。同時，在成都信息工程大學，云計算導論本身還是大數據方向后續課程的支撐性前導課程，于本科大二第一學期開設。除了理論知識的講授，這門課程還必須結合實操實驗，確保學生掌握必要的技能，避免出現紙上談兵的情況。目前，大部分國內院校的同類課程也都采用“理論+實操”的布局方式，例如南京航空航天大學采用了線上線下混合教學模式，課程實驗在實驗報告之外附帶現場驗收方式[3]；海河大學則將實驗部分全部遷移至阿里云平臺，要求學生完成從Docker到可視化數據分析的一系列操作[4]。為了進一步深入推進課程建設，為行業輸送高質量人才，加強云計算實驗建設是必不可少的重要一環。

1 云計算導論課程實驗現存的問題

經過長期的教學實踐發現，目前云計算導論課程建設仍存在不少亟待解決的問題。例如，在理論教學方面，課程難以全面反映云計算技術的最新進展，所涉及的技術許多已經被業界淘汰，而最新的技術又因前置知識門檻和課時問題難以講授[3]。在實驗教學方面，主要體現出如下亟待解決的問題。

1.1 教學和考評中的實驗環境與真實生產環境差距過大

云計算技術涉及機房內大量計算資源和存儲資源，將物理資源整合為資源池是其基本邏輯。例如，Hadoop的HDFS分布式存儲系統本身對標了Google開發的GFS系統，在系統構成上會統合多個節點的存儲資源，同時利用節點本身的計算資源，構成以名節點（namenode） 和數據節點（datanode） 組成的主從關系集群。然而在實際教學中，受限于計算機資源，實驗教學和考試環境無法模擬生產環境中眾多節點。一般而言，學生的自用計算機和機房的計算機都無法支持3～4臺虛擬機同時運行，也無法為多臺虛擬機提供足夠的存儲空間以支持必要軟件的運行。鑒于此客觀現實條件，現有教材、實驗指導書多以脫機（standalone） 模式提供Hadoop安裝指導，或者至多在2臺虛擬機上以偽分布（pseudo-distributed） 模式運行[5]。在這個過程中，網絡地址編排、服務器硬件差異、全分布式（full-distributed） 模式下Hadoop的配置使用等諸多問題都難以得到再現。不只是教材，許多在線考試平臺對實驗的考查也僅限于在脫機模式下進行。從成都信息工程大學的長期教學實踐結果來看，偏離生產環境的實驗使學生在技術操作上難以建立良好的大局觀，具體表現為：完成實驗操作后，仍然不清楚自己的具體操作內容；即便以高分通過考試，在實際項目中甚至無法正確配置SSH登錄，沒有真正掌握所學技術。因此，以盡可能模擬接近真實生產環境的方式組織和編排實驗與考試，是培養高質量人才亟須改進的根本問題。

1.2 算力資源、存儲資源與有限經費的矛盾

在采用Hadoop作為云計算教學平臺的高校普遍注意到實驗和真實生產環境間的差異，因而提出了不同的解決方案并開展各自的嘗試。重慶郵電大學采用華為云ECS主機編排課程實踐[6]，廣州城市理工學院云計算課程的配套實驗則全部在AWS（Amazon Web Service） 云平臺上進行。但是，若需貼近真實生產環境，則搭建集群需要多臺計算機或虛擬機，這樣做將產生一筆不小的費用。以4GB內存2個vCPU的計算實例為基準。

若以貼近生產環境為標準，要求學生自行完成從安裝系統、配置集群到解決課程實驗題目并形成報告的全過程，成都信息工程大學學生普遍需要數十個小時以上的操作時間，相應的費用也不低。如再考慮伴隨計算資源產生的其他必要開銷，例如IP資源、網絡流量、磁盤存儲費用等，課程每年的實際開銷將對學院產生較大的經濟負擔。這一點在成都信息工程大學采用的某在線考試平臺的使用規則上也有所體現：該平臺對涉Hadoop實驗會給出單獨提示并嚴格限制提交頻率。因此，如何在貼近真實生產環境的前提下設計、實施實驗和考試的同時，構建長期健康的經費支出體系，是我們需要思考并解決的客觀問題。

1.3 學生協作性差，無法解決涉及集群運維和編程中出現的問題

現代計算機行業需要高度的團隊合作，尤其在云計算領域，涉及Linux系統管理、服務、集群運維、數據庫、網絡工程及應用開發等方向，需要多種人才協同合作，以應對復雜的軟硬件問題[7]。由于各種限制，成都信息工程大學該課程實驗長期使用虛擬機或Docker鏡像，基于脫機或偽分布模式設計實驗和考核。因此，大部分學生都可以在自己的計算機上單獨完成所有實驗。雖然課程設計上從最初就考慮了分組，且基于團隊給出的考核分數占較大比重，但由于實驗設計的基準問題，導致大多數學生實際上各自為戰，缺乏小組內的合作。此外，由于虛擬機和Docker提供了一個相對穩定的開箱即用環境，實際工作中需進行排查的那些網絡工程問題、系統故障（failure） 與恢復，以及面對不同架構機器和存儲時需考慮的諸多異常，學生既不會也沒有機會進行處理。實際上，在成都信息工程大學使用的在線實驗平臺上也會遇到類似的問題，但考試平臺的策略僅僅是重置被損壞的鏡像，使學生能夠迅速恢復到可“繼續做題”的狀態。

2 實驗改革的探索與實踐

探究如何在受限經費下破除前述桎梏，搭建一個接近真實生產環境的實驗實踐環境并讓學生參與其中，是成都信息工程大學近年來在大數據方向重點探索的課題。云計算導論作為該方向的前導性課程，站在了成都信息工程大學教改的最前沿。新的實驗和考察體系在設計之初便充分考慮了前述所有問題，并作出了有針對性的改進和創新。

2.1 在可持續經費下設置接近真實生產環境的實驗環境

充足的經費可以使設置一個接近真實生產環境的實驗和測試環境成為可能，例如可以在公有云供應商處申請數量足夠的服務器、存儲，并在特定要求的網絡架構下搭建集群。課程組瞄準了學生自己的計算機，將其作為算力和存儲資源，若以4人組成小組進行實驗，則一個小組將有4個節點資源。由于機器通信必然會使用網絡，因此每個集群若能正常運行，必然是在“真實”網絡環境下進行，從而設計網絡拓撲、排查通信錯誤自然成為完成實驗過程中必須解決的問題之一。同時，由于小組內每位同學只提供1/4的算力，構筑1/4的系統，團隊協作便成了一個必需的要求。與傳統組隊使用虛擬機的情況不同，每位學生都不愿“出借”自己的計算機，因此由組內“高手”一人包辦所有實驗內容的情況在實踐中幾乎消失。

2.2 實驗的標準化

盡管使用學生自己的計算機是一種經濟且接近實際生產的選擇，但標準化教學和考核一致性必須加以解決。云計算導論課程的實驗主要集中在Hadoop的基礎及HDFS、Yarn、MapReduce的搭建與使用上。因此，實驗設計考慮以特殊設計的虛擬機鏡像來規范實驗和考試。使用虛擬機、Docker的手段本身在成都信息工程大學早期教學實踐中已有嘗試，其他院校也在早期進行過類似嘗試[6，8]。由于支持虛擬機算力的真實節點——即學生自己的計算機——在小組集群中只做出1/4貢獻，因此虛擬機的規范也遵從這一原則。實驗僅要求同學在自己的計算機上使用一臺虛擬機參與集群建設，基于特制鏡像的虛擬機只要求2個vCPU和4 GB內存配置，這在如今的計算機硬件配置下不會出現任何問題。

對技術的掌握是一個逐步試錯、改正、進步的過程。對于云計算這樣綜合程度要求較高的課程實驗，大部分學生無法在規定的三個小時（4課時） 內完成平臺搭建并調試程序通過考核。在課程設計上此時不得不面臨選擇：要么保證相對公平，嚴格要求學生在受限環境（如機房） 下完成實驗；要么允許學生在課外進一步完成實驗。前者會使4學時的實驗時間被進一步拉長，對于Hadoop這一系列內容而言顯然過長，不符合課程設計的一般常識；而后者則帶來嚴重的公平性問題，加重抄襲和舞弊現象。在早期教學實踐中，這兩種做法所暴露出的問題導致成都信息工程大學最終放棄了以虛擬機和Docker為基礎的實驗設計，轉而在在線考試系統上加大投入。

2.3 深度定制鏡像、遙測與評測數據收集

為了讓學生有充足的實驗和試錯時間，以便深入理解云計算技術，學校決定安排學生在課外持續進行實驗課程。為配合學生在課后——即缺少監督的時間段——的學習，需要保證：1）學生真正完成了實驗和學習，而非敷衍了事或直接捏造答卷；2）對于涉及評分的部分，要盡可能做到公平公正，杜絕學生簡單復制粘貼答案的行為；3）要有一個高效、合理回收學習結果的途徑。在新系統投入使用后，教學中曾出現過一個班級，其中許多同學根本沒有進行任何實驗內容，這是一個真實存在的情況，因此我們需要一個檢測手段。大多數在線考試平臺采用多組測試數據與點位的方式對編程題目進行評測，但這種方式僅在受控環境中有效，如限時、限機房的考試。因此，評測部分的公平公正是改革中必須解決的問題。標準化虛擬機定制鏡像的分發較易實現，在實際操作中，壓縮后的實驗鏡像大小可控制在4 GB以下，因此可通過QQ群、網頁等方式分發。但考試結束后“收作業”則面臨諸多挑戰。若只是簡單回收鏡像壓縮文件，一個50人的教學班將需要約200 GB存儲空間；更為困難的是需要一條能適應200 GB流量的網絡線路，讓任課教師下載200 GB文件進行評分是極不合理的設計。

本次教改的核心創新點在于：編制了一套遙測、評測系統并整合到虛擬機鏡像中，最大限度地解決了學生課后持續學習中暴露出的上述三個問題。新系統與定制鏡像深度結合，本文中“新系統”與“定制鏡像”兩個概念可互換使用。下面，將對本次改革的核心——新系統進行詳細描述。

3 新系統的構成與實戰投入的融合

整體設計中，新系統定制了兩套虛擬機鏡像：教師用鏡像和學生用鏡像，并部署了非對稱加密框架。學生用鏡像將分發給每位學生，因此在其上設置了多項限制。首先，學生鏡像中預裝了實驗所需的軟件包和新系統，軟件包包括必要的文字編輯軟件（如Emacs） 、Hadoop所需的OpenJDK等，并通過白名單和shell腳本的方式對sudo命令進行嚴格管理。其次，由于分發的鏡像并無區別，為了精確定位每位學生，新系統要求學生在使用時首先創建唯一的身份文件（下稱身份標識符） ，該文件包含學生自己的信息和全組其他成員信息。身份標識符為加密信息，學生用鏡像中不包含解密私鑰，身份標識符將在后續學習和測驗中用于生成個性化題目和信息遙測收集。如果身份標識符發生變化，原有信息將無法解讀，僅僅拷貝替換內容無法生效，因此新系統是安全的——即有效信息的產生必須依附特定的身份標識符。教師鏡像中包含解密私鑰和評測程序，評測程序將結合身份標識符提供精確到每位學生的評測數據。當學生拿到標準化分發鏡像并開始實驗后，該鏡像將在其身份標識符下成為其唯一特定的鏡像。

遙測子系統是控制學生在非受控環境下學習的“風箏線”，也是持續跟蹤學生行為的子系統。各種信息將被采集并最終反饋給教師，包括已執行shell命令歷史記錄、Hadoop集群信息、MapReduce執行歷史記錄、SSH日志中的關鍵信息等。所有遙測信息均經身份標識符加密，保證信息的產生和歸屬明確且無法捏造。遙測信息最終反饋至教師，經測評程序評判。與普通在線考試平臺不同，由于評測信息不僅限于編寫程序的輸出，我們設計的考評可結合遙測信息進行更為全面的綜合研判。例如，成都信息工程大學實施的評分充分考慮了集群搭建是否成功、MapReduce執行結果是否異常、SSH是否異常等信息，最終給出綜合判斷。綜合研判的優點在于能更真實地發現各類異常，并以更加立體和精確的方式描述學生的行為。例如，白卷和零分卷可通過shell命令歷史記錄進行精準區分；編程零分卷可以根據集群信息、SSH記錄和Map?Reduce歷史記錄判斷是由于傳錯文件而導致的零分，還是考生完全未做，具體嘗試過程一目了然。在實踐中，我們曾成功判斷某教學班大面積白卷和零分的情況，并及時通報學院、黨委，從而督促學生認真實驗。遙測子系統的設計與教學實踐充分說明，我們的設計能夠放得開且管得住。

評測系統的功能與多數在線考試系統類似，對每個編程題目可以設置不同的考察點和測試點。但不同于傳統系統的是，在出題階段，題目數據的生成結合了唯一身份標識符，從而保證每位考生都擁有獨一無二的工作數據集。以MapReduce詞頻統計為例，評測系統自帶一個大文本庫，考生在自身搭建的集群上生成考題時，將使用其身份標識符在特定算法下提取大文本庫的一個子集。后續考察和測試也將使用學生的唯一身份標識符進行程序正確性判斷。

數據必須經過收集后才能最終進入教師鏡像進行評測。鑒于學生課后實驗環境的不可控性，我們并不要求學生在實驗過程中使用公共互聯網，也不要求訪問特定服務器。評測程序最后一個環節是將遙測數據和包括編程實驗結果在內的數據打包，同時，實驗數據也將全部加密并壓縮。壓縮后的數據量在2 MB以下，實驗手冊上要求學生再創建一個4 MB大小的空磁盤鏡像，測評程序將自動完成數據拷貝。這樣，我們同步解決了“收作業”問題——學生無需上傳整個鏡像文件，只需要上傳包含遙測結果、測評程序關鍵結果和記錄的小型鏡像即可。

4 改革成效與結語

新系統已應用于教學兩年，學生和教師反饋均良好。學生普遍反映這是他們入學以來最花精力的一門課程，是難度較大但成就感極高的一門課程。這從根本上扭轉了之前在線考試中學生僅用10分鐘就抄完答案的情況。92.9%的同學對課程成績及評價方式給予肯定。大數據后續課程的教師反饋，接手的學生適應得更為順利，基礎得到了顯著提高。學院教務對改革成果高度認可，期待有序推進并進一步開發為Web應用。

參考文獻：

[1] 中國信息通信研究院. 云計算白皮書（2024年）[R/OL].[2025-01-11].http：//www.caict.ac.cn/kxyj/qwfb/bps/202407/P02024 0723334151523502.pdf.

[2] 中華人民共和國國家發展和改革委員會.關于促進數據產業高質量發展的指導意見：發改數據〔2024〕1836號[A/OL].[2025-01-11]. https：//www.ndrc.gov.cn/xxgk/zcfb/tz/202412/t20241230_1395341.html.

[3] 張彤，許娟，陳兵.基于線上線下混合式教學的云計算課程教學改革[J].計算機教育，2023（4）：97-101.

[4] 金永霞.云計算技術與應用課程線上線下混合式教學改革與實踐[J].計算機教育，2022（11）：92-96.

[5] 劉鵬.云計算[M].3版.北京：電子工業出版社，2015.

[6] 段小林，李鴻健，吳思遠，等.華為“智能基座” 項目背景下的大數據實踐課程改革[J].軟件導刊，2023（6）：75-79.

[7] 鄧一星，王芳，黎雪，等.融合云計算的軟件工程專業課程體系建設探索與實踐[J].計算機教育，2022（7）：67-70，74.

[8] 孫濤，繆麗萍，邵國強，等.基于線上線下+虛擬仿真的多元化實驗教學實踐[J].電腦與電信，2024（9）：83-88.

【通聯編輯：唐一東】