（一）课程性质
《云计算技术》课程是计算机科学与工程学院平台必修课程。该课程的先修课程有《Java程序设计》、《操作系统》和《计算机网络基础》等。
云计算技术是一门与大数据处理紧密相关的前沿性课程。该课程主要介绍云计算的技术、概念、基本原理和实现方法与发展等，可以以Hadoop为主线，系统阐述该开源云框架下的核心设计理念和技术。该课程的开设能够使学生在学习了计算机专业基础知识后，对云计算技术的基本原理和方法进行全面的了解，使学生熟悉和理解云计算的核心思想，掌握Hadoop开源平台的安装和使用方法，初步掌握MapReduce编程的基本方法和原理。课程旨在开拓学生专业视野，提升大数据背景下的专业素养，同时也为将来在大数据处理等领域学习和工作的学生提供专业导引。
（二）教学目的
通过本课程的学习，使学生能够对云计算的由来、概念、原理和实现技术有基本的认识，了解支持云计算的主要产品和工具以及掌握其技术原理和应用方法，了解云计算的主要研究热点与应用领域，认清云计算的发展趋势和前景；另外，通过基于Hadoop等开源工具的相关实验，让学生亲身体验分布式文件系统、分布式计算和分布式数据库的应用及实现，从而加深所学的理论知识的理解，为今后处理实际的问题打下基础。
（三）教学内容
本课程的教学内容围绕操作系统的资源管理功能展开，主要包括以下内容：云计算的概念、发展历史、分类、基本机制等基本知识、Google云计算原理及应用、Hadoop开源云框架、虚拟化技术，云计算数据中心以及云计算核心算法等。此外，还可以对云计算技术发展过程中的关键技术、核心算法、 主流的国内外云计算技术等进行介绍，让学生对云计算学科发展整体上有所了解。
（四）教学时数
本课程的总时数为54学时，其中，课堂教学时数为36学时，实验教学时数为18学时。
（五）教学方式
本课程的教学方式主要采用课堂讲授和实验操作。包括：课堂讲授、多媒体教学、实验操作、算法分析与设计、习题解析、课堂讨论、批改作业、课外辅导等多种形式相结合，并配合网络教学等教学手段，保证学生掌握云计算的基本知识，理解核心算法的原理，培养学生的自学能力、分析问题和解决问题的能力。
教学方法：采用启发式教学和探究式教学，以学生为主体，鼓励学生自己针对当前的云计算技术进行分析和研究，培养学生的自学能力，以“少而精”为原则，精选教学内容，精讲多练，调动学生学习的主观能动性。
教学手段：充分利用电子教案和网络教学平台等多种教学手段和资源。
考试环节：考试形式采用笔试和讨论的形式，考试题型包括简答题和分析设计题等多种题型，力争做到对学生学习水平和能力的综合评价。
张国治，工学博士，计算机科学与技术专业，研究方向：计算机网络与安全、未来网络体系结构、移动网络，大数据、云计算。先后在国内外期刊发表论文多篇，参与和主持项目多项。
该课程的先修课程有《Java程序设计》、《操作系统》和《计算机网络基础》等。
理论部分
第一章 概述
教学要点：
本章是对课程介绍及云计算技术概述，包括云计算的由来、概念、发展现状、服务类型、典型的技术方案以及云计算的特点与优势，目的是帮助学生对云计算形成一个初步认识。教学重点是基本概念的掌握和理解。教学过程中要强调这门课程的重要性，强调分布式算法与传统方式的不同之处和特点。
本章要求学生掌握云计算基础所要解决的核心问题和基本解决思路。
教学时数：
2学时。
教学内容：
大数据的概念；大数据时代背景下对大数据和云计算之间的关系；云计算技术的基本概念和分类。
第二节 云计算的形成与发展 （0.5学时）
云计算的演变发展；当前主流的云计算技术；国内的云计算技术；
第三节 云计算的实现机制 （0.5学时）
云计算的体系结构；
第四节 云计算的优势 （0.5学时）
云计算在硬件成本，电价，管理费用等方面的优势。
考核要求：
1. 识记：云计算的定义和主要特性。
2. 领会：云计算在在大数据背景下的作用和地位；不同类型云计算技术的特点；云计算技术带给当前开发模式方面的影响；云计算的基本实现机制；云计算的优势。
第二章 Google 云计算
教学要点：
本章介绍Google云计算的背景、技术体系及应用场景：详细讲解四种核心技术，包括分布式文件系统GFS、分布式计算编程模型MapReduce、分布式锁服务Chubby和分布式结构化存储系统Bigtable:介绍Google的应用程序开发平台Google App Engine及Google云计算应用场景分析。
本章的内容和Hadoop有紧密关系，因此需要比较深入的理解Google云计算的核心思想和基本方法。
教学时数：
4学时。
教学内容：
Google云计算的的背景；Google云计算的技术体系；Google云计算的应用场景。
第二节 分布式文件系统GFS（1学时）
Google文件GFS的系统构架；了解Google文件GFS的容错机制； Google文件GFS的系统管理技术。
第三节 分布式计算编程模型MapReduce（1学时）
MapReduce产生背景； MapReduce产生背景； MapReduce编程模型；MapReduce实现机制；
第四节 分布式锁服务Chubby和分布式结构化数据表Bigtable（1学时）
考核要求：
1.识记：
2.掌握：
3.熟练掌握：
4.综合应用：
第三章 Hadoop 2.0 开源框架
教学要点：
本章详细讲解Hadoop开源项目的HDFS、MapReduce和HBase,并通过上机实验对相关技术进行使用和验证。
本章是课程重点，要求学生数量掌握Hadoop的基本框架结构和核心思想，熟悉Hadoop的部署，搭建Hadoop平台，并能够初步利用MapReduce模型编程。
教学时数：
6学时。
教学内容：
第一节 分布式系统与Hadoop简述 （1学时）
针对特定问题，传统解决方案和分布式解决方案的不同之处；Hadoop2.0项目的来源和现状；Hadoop2.0的相关项目；Hadoop2.0的应用。
第二节 Hadoop 2.0 部署 （1学时）
Hadoop的部署方案，掌握不同部署方案的区别；Hadoop2.0的传统解压包部署方式。
第三节 Hadoop 2.0体系结构 （2学时）
Hadoop 2.0公共组件的作用；分布式文件系统HDFS的原理；分布式操作系统；Hadoop2.0的安全机制。
第四节 Hadoop2.0访问接口（1学时）
了解Hadoop访问的浏览器接口和命令行接口，理解其使用方法。
第五节 Hadoop2.0编程接口 （1学时）
理解并掌握Hadoop的HDFS编程和Yarn编程的基本方法，原理和步骤。
考核要求：
1.识记：分布式系统与Hadoop的特点。
2.掌握：Hadoop 2.0公共组件的作用；分布式文件系统HDFS的原理；分布式操作系统；Hadoop2.0的安全机制。
3.熟练掌握：Hadoop 2.0 部署方式；
4.综合应用：Hadoop的HDFS编程和Yarn编程的基本方法，原理和步骤。
第四章 Hadoop 2.0家族组件介绍
教学要点：
本章主要介绍分布式环境下除Hadoop外的其他组件，包括Zookeeper, HBase, Pig, Hive, Oozie, Flume, Mahout等组件。教学重点是Zookeeper和HBase。
本章要求学生对Zookeeper和HBase。等技术有比较深入的理解，其他技术基本了解即可。
教学时数：
6学时。
教学内容：
Hadoop 2.0 家族构成和演变，不同组件的作用，体系结构。
第二节 Hadoop分布式组件和部署（5学时）
Zookeeper初步掌握其使用； HBase并初步掌握其基本使用；Pig并初步掌握其使用；Hive并初步掌握其使用；Oozie并初步掌握其使用；Flume并初步掌握其使用；Mahout并初步掌握其使用。
考核要求：
1.识记：
2.掌握：Hadoop 2.0 家族构成和演变，不同组件的作用，体系结构。
3.熟练掌握：Zookeeper初步掌握其使用； HBase并初步掌握其基本使用；Pig并初步掌握其使用；Hive并初步掌握其使用；Oozie并初步掌握其使用；Flume并初步掌握其使用；Mahout并初步掌握其使用。
4.综合应用：
第五章 虚拟化技术
教学要点：
本章主要讨论虚拟化技术。虚拟化技术的核心思想是利用软件或固件管理程序构成虚拟化层，把物理资源映射为虚拟资源。在虚拟资源上可以安装和部署多个虚拟机，实现多用户共享物理资源。
本章要求学生掌握虚拟化技术的基本类型，实现方法，分类和一般模型。
教学时数：
3学时。
教学内容：
第一节 虚拟化技术简介 （1学时）
虚拟化技术的概念；虚拟化技术的特点；虚拟化技术给云计算带来的好处。
第二节 服务器虚拟化 （0.5学时）
服务器虚拟化的层次；服务器虚拟化的底层实现；虚拟机迁移技术；虚拟机隔离技术。
第三节 存储虚拟化 （0.5学时）
存储虚拟化的一般模型；存储虚拟化的实现方式。
第四节 网络虚拟化 （0.5学时）
核心层网络虚拟化；接入层网络虚拟化；虚拟层网络虚拟化；VMware的网络虚拟化技术。
第五节 桌面虚拟化 （0.5学时）
桌面虚拟化；桌面虚拟化技术现状。
考核要求：
1.识记：虚拟化技术的概念；虚拟化技术的特点；虚拟化技术给云计算带来的好处。服务器虚拟化的层次；服务器虚拟化的底层实现；虚拟机迁移技术；虚拟机隔离技术。存储虚拟化的一般模型；存储虚拟化的实现方式。桌面虚拟化；桌面虚拟化技术现状。
2.掌握：虚拟化技术的核心思想虚拟化技术与云计算的关系。
3.熟练掌握：
4.综合应用：
第六章 OpenStack
教学要点：
本章主要讨论OpenStack；
本章要求学生对OpenStack的背景，基本概念和功能，工作原理和应用场景等有一个基本的了解。
教学时数：
6学时。
教学内容：
第一节 OpenStack背景 （1学时）
OpenStack的基本概念；OpenStack的主要服务。
第二节 计算服务Nova （2学时）
Nova基本构成组件。每部分组件的基本功能；Libvirt的基本功能和体系结构。AMQP和RobbitMQ的基本原理；Nova中RabbitMQ的应用；
第三节 对象存储服务Swift （2学时）
Swift的基本功能和特性。Swift的应用场景；Swift的主要组件；Swift的基本原理。
第四节 镜像服务Glance （1学时）
Glance的作用；Glance的组成部分；
考核要求：
1.识记：OpenStack的基本概念；OpenStack的主要服务。
2.掌握：Nova基本构成组件。每部分组件的基本功能；Libvirt的基本功能和体系结构。AMQP和RobbitMQ的基本原理；Nova中RabbitMQ的应用；Swift的基本功能和特性。Swift的应用场景；Swift的主要组件；Swift的基本原理。Glance的作用；Glance的组成部分；
3.熟练掌握：
4.综合应用：
第七章 云计算中心
教学要点：
本章主要讲授云计算中心在网络管理方面的一些特征和方法，包括部署，节能，自动化管理，容灾备份等机制。
本章要求学生对云数据中心的特征、网络部署、节能技术、自动化管理技术和容灾备份机制有一个基本的了解。
教学时数：
3学时。
教学内容：
第一节 了解云数据中心的特征 （0.5学时）
第二节 了解云数据中心网络部署 （1学时）
改进型树结构；递归层次结构；光交换网络；无线数据中心网络；软件定义网络。
第三节 了解绿色节能技术 （0.5学时）
配电系统节能技术；空调系统节能技术; 集装箱数据中心节能技术；数据中心节能策略和算法研究；新能源的应用；典型的绿色节能数据中心。
第四节 了解自动化管理（0.5学时）
自动化管理的特征；自动化管理实现阶段；Facebook自动化管理。
第五节 了解容灾备份（0.5学时）
容灾系统的等级标准；容灾备份的关键技术；云存储在容灾备份中的应用。
考核要求：
1.识记：云数据中心的特征；云数据中心网络部署；配电系统节能技术；空调系统节能技术; 集装箱数据中心节能技术；数据中心节能策略和算法研究；新能源的应用；典型的绿色节能数据中心；容灾系统的等级标准；容灾备份的关键技术；云存储在容灾备份中的应用。
2.掌握：
3.熟练掌握：
4.综合应用：
第八章 云核心算法
教学要点：
本章主要介绍云中心三个最核心的算法：Paxos算法、DHT算法和Gossip协议。
掌握和理解Paxos算法需要解决的问题；DHT算法的目标；Gossip协议的目标；要求学生理解 Paxos算法数据的一致性的实现机制、DHT协议的应用场景。掌握 Gossip协议中消息传播的三种方式；CoolStreaming系统中消息传播的机制。
教学时数：
6学时。
教学内容：
第一节 Paxos算法 （2学时）
Paxos 算法背景知识； 理解并掌握Paxos 算法；理解Paxos 算法举例。
第二节 DHT算法 （2学时）
DHT原理介绍； Chord中DHT的具体实现；Pastry中DHT的具体实现；CAN中DHT的具体实现；Tapestry中DHT的具体实现。
第三节 Gossip协议 （2学时）
Gossip协议的特点；Gossip协议的通信方式及收敛性；Gossip节点管理算法；Cassandra中Gossip协议的具体实现方式；CoolStreaming系统中Gossip协议的具体实现方式。
考核要求：
1.识记：
2.掌握：DHT原理介绍； Chord中DHT的具体实现；Pastry中DHT的具体实现；CAN中DHT的具体实现；Tapestry中DHT的具体实现。
3.熟练掌握：Paxos 算法背景知识； 理解并掌握Paxos 算法；理解Paxos 算法举例。Gossip协议的特点；Gossip协议的通信方式及收敛性；Gossip节点管理算法；Cassandra中Gossip协议的具体实现方式；CoolStreaming系统中Gossip协议的具体实现方式。
4.综合应用：
实验部分
（一）基本要求
《云计算实验》是《云计算技术》课程教学中不可分割的重要组成部分。实验课程设计的思想是帮助学生理解和掌握操作系统的基本概念、算法、技术和原理，熟练掌握Hadoop为主的开源平台的搭建和使用方法，并通过适当的编程让学生了解MapReduce编程的基本方法以及实践动手能力，提高学生对课程的学习兴趣，加强创新精神与综合素质的培养。
（二）实验项目总表
序号 | 实验项目名称 | 学时数 | 项目类别 | 项目类型 |
1 | Linux基础 | 2 | 基础 | 必做 |
2 | Hadoop 安装与测试 | 4 | 基础 | 必做 |
3 | 在Hadoop环境下编写MapReduce程序 | 4 | 设计 | 必做 |
4 | Spark安装 | 2 | 基础 | 必做 |
5 | Flume+Kafka+Spark streaming综合设计 | 6 | 综合 | 必做 |
（三）实验项目内容及要求
实验一 Linux基础
实验内容：
以ubuntu16.04 LTS为例，掌握linux系统在虚拟机的安装使用方法；掌握linux系统的基本命令，文件操作，系统配置的使用方法；掌握linux下编辑和编译文件的基本方法，熟悉nano/vi/vim等编辑工具的使用。
实验目的：
熟悉Linux操作系统的环境，学会Linux操作系统的基本使用。熟悉Linux的常用命令，包括系统及用户管理命令、设备管理命令和目录及文件操作命令等。如man、passwd、mount、ls、cd、more、rm、mv、cp、mkdir、rmdir等。
实验要求：
掌握Linux操作系统的使用。
实验二 Hadoop 安装与配置
实验内容：
在ubuntu16.04 server LTS 上安装hadoop系统；启动和配置Hadoop集群系统；使用Hadoop集群系统存取文件。
实验目的：
掌握Hadoop在Linux操作系统上的安装和配置方法。
实验要求：
熟练掌握Linux的常用命令，熟悉Linux的命令操作界面；在实验报告中列出命令的格式和常用参数。
实验三 Map Reduce编程
实验内容：
分布式并行编程。MapReduce模型简介。Map和Reduce函数。实例分析：WordCount
实验目的：
熟练掌握Map Reduce 的编程思想和基本编程方法。
实验要求：
掌握MapReduce编程的基本方法；运行示例程序， 检查实验结果并撰写实验报告。
实验四 Spark安装调试
实验内容：
Spark安装；Spark RDD基本操作
实验目的：
掌握Spark在linux下的安装方法和基本使用方法。
实验要求：
搭建成功的Spark环境；运行Spark示例程序， 检查实验结果并撰写实验报告。
实验五flume+kafka+spark streaming综合设计
实验内容：
Flume安装并利用Flume抓取日志；Kafka安装；整合Kafka与Flume。
实验目的：
掌握Flume组件的安装方法和基本使用方法。了解并掌握消息中间件Kafka的使用方法。安装Kafka、Flume和spark streaming；整合flume+kafka+spark streaming,实现flume+kafka+spark streaming的整合，实现一个实施的消息流处理机制。；
实验要求：
成功安装Flume组件；成功安装kafka组件； 实例测试kafka，检查实验结果并撰写实验报告。
（四）考核要求
1. 能够安装Linux操作系统，并安装Hadoop环境；
2. 能够独立熟练使用Hadoop环境；
3. 能够编写简答的Map Reduce程序；
4. 能够使用基本的Hadoop组件；
5. 实验报告中能对问题和现象进行解释，对设计和综合类的实验项目，要有分析、设计以及测试的过程说明。
A4纸考试法
1.《云计算（第三版）》电子工业出版社 刘鹏 主编
2.《Hadoop 权威指南》（清华大学出版社 Tom White[美] 著）