第一篇:基于绿色云计算的能耗优化与资源分配研究论文
近年来,物联网、车联网、云计算、大数据、量子通信、深度学习等新技术层出不穷。据权威杂志统计,数据中心的能耗成本已经占到运营成本的50%。云计算数据中心设施具有高弹性和虚拟化等特征。数据中心能量消耗严重,已经成为影响云计算技术大面积推广的主要障碍和难题。通过应用云计算虚拟化技术,可以极大降低主要设备能耗。
云计算平台是一种基于云计算基础设施和并行架构、通过互联网部署的、以服务形式交付的IT资源池。云计算用户可以在任何时间、任何地点,随时随地按需获取计算、存储、软件、应用、网络等各种IT资源。
1云计算基本特征及应用
云计算是在网格计算技术的基础上逐渐发展起来的,在全球范围内已经得到广泛应用。云计算是大数据在21世纪的典型应用,其以IT资源交付、共享为核心,是一种IT资源配置、交付和管理模式的创新,其资源的汇聚、交付、共享、管理都是基于云计算平台展开。云计算技术是以服务为导向的商业模式创新,以服务模式创新为核心理念和发展模式。
云计算若按照行业应用分类可以归纳为:教育云、医疗云、金融云、工业云、政务云等。教育云是指在教育领域,以云计算技术为依托,在现代远程网络教育的基础上,通过构建区级/县级数据中心,而构建起来的一种新型泛在学习模式。教育云通过有效整合软硬件教育资源,对教师的教学能力和学生的学习方式都是一个巨大的变革。医疗云是在医疗护理领域采用云计算相关技术和服务理念构建医疗保健服务系统。政务云是云计算在政府站建设、政务领域应用的系统建设。金融云是指利用云计算技术将金融机构的数据中心与客户端应用整合到云计算体系架构之中,达到降低运营成本的目的。
2能耗优化与资源分配
云计算的对象规模大,资源与用户需求各异,且数量巨大,所以系统每时每刻都要处理海量数据,任务调度和资源分配是云计算的重点和难点,更是云服务质量高低的重要影响因素。云计算中的资源分配和调度是云计算研究的关键问题之一。
云计算资源调度通常根据一定的资源使用规则,在不同资源使用者之间进行资源调度和任务分配。目前,资源调度策略大多数通过虚拟机级别上的调度技术结合一定的调度策略为虚拟机内部应用作资源调度。由于这些调度算法的时间复杂度和空间复杂度比较高,导致算法运行效率比较低,算法整体性能不理想。传统资源分配方法大都采用预分配的静态资源调度算法,这种算法已经不适应云计算资源的异构性、动态性等特征,而且资源负载能力是动态变化的。国内外云计算资源分配领域研究主要集中在启发式仿生算法、负载均衡机制与时间跨度最小化原则、能耗最小化与能耗均匀化管理等方面。图1为Map Reduce调度模型。
资源管理器将系统调度过程中的所有资源进行全局管理,并对所有资源进行分配,每一个应用的Application Master主要负责相应的资源调度和协调等基本工作。一个应用程序是一个单独的传统的Map Reduce任务或者是一个DAG(有向无环图)任务。
每一个应用的Application Master是一个详细的框架库,它结合从Resource Manager获得的资源和Node Manager协同工作来运行和监控任务。
Resource Manager支持分层级的应用队列,这些队列集群一定比例的资源,根据资源的计算能力和动态负载能力分配适量的计算任务到该节点上,分配结束后将自动从任务等待队列中删除任务。同样,它不能重启因应用失败或者硬件错误而运行失败的任务。Resource Manager是基于应用程序对资源需求进行调度,每一个应用程序需要不同类型的资源,因此需要不同的容器。
3实验测试与结果分析
针对绿色云计算中资源管理与调度过程,在Map Reduce调度模型基础上,本文设计了一种并行Map Reduce资源分配算法。PMRRAA算法的实现步骤如下:
步骤1获取云计算系统中计算节点相关性能参数;步骤2:根据用户访问请求获取资源需求参数;
步骤2:利用Map Reduce资源分配过程,并发访问云计算系统各个计算节点;
步骤3:在云计算系统中选择计算节点参数符合资源需求参数的计算节点,并将所选计算节点的资源分配给所述用户,用于执行相应的访问请求。
步骤4:将用户请求从等待队列中删除,资源分配结束。
本文利用Cloud Sim澳大利亚墨尔本大学网格实验室云计算仿真软件Cloud Sim,对PMRRAA算法和Map Reduce算法者性能进行比较。
图3为两种算法的能耗对比,图4为两种算法系统执行时间比较。通过图3实验结果,不难看出:本文设计的PMRRAA算法的能耗少于Map Reduce算法。图4中,PMRRAA算法的执行时间也比Map Reduce算法少,当系统的任务数量急剧增大后,这种优势表现得更加明显Job Tracker两个主要的功能分离成单独的组件,分别用来进行资源管理和任务调度/监控。
资源管理器将系统调度过程中的所有资源进行全局管理,并对所有资源进行分配,每一个应用的Application Master主要负责相应的资源调度和协调等基本工作。一个应用程序是一个单独的传统的Map Reduce任务或者是一个DAG(有向无环图)任务。
每一个应用的Application Master是一个详细的框架库,它结合从Resource Manager获得的资源和Node Manager协同工作来运行和监控任务。
Resource Manager支持分层级的应用队列,这些队列集群一定比例的资源,根据资源的计算能力和动态负载能力分配适量的计算任务到该节点上,分配结束后将自动从任务等待队列中删除任务。同样,它不能重启因应用失败或者硬件错误而运行失败的任务。Resource Manager是基于应用程序对资源需求进行调度,每一个应用程序需要不同类型的资源,因此需要不同的容器。
4结语
随着我国云计算产业的日渐发展,市场需求和行业覆盖将曰趋完善,并带动我国市场经济的快速转型和高速发展,尤其是以物联网为技术支撑的战略新兴产业将迎来行业的春天。云计算将得到充分应用,是未来网络大发展的有力支撑。通过对比实验,显示在系统执行时间和能量消耗两方面,PMRRAA算法都要比传统的Map Reduce算法表现出更佳的性能。
第二篇:大数据与云计算论文
大数据与云计算
摘 要:大数据(Big Data)这个概念近年来在越来越多的场合、被越来越多的人提及,并且经常和云计算联系在一起,云计算与大数据之间到底是什么关系成为热点话题。本
专题报告包含以下四个方面内容:1.大数据的价值;2.大数据带来的挑战;3.大数据研究成果;4.云计算是大数据挖掘的主流方式。通过本报告阐述我们对大数据的理解,以及对大数据的价值的认识,探讨大数据处理与挖掘技术,大数据主要着眼于“数据”,提供数据采集、挖掘、分析的技术和方法;云计算技术主要关注“计算”,提供IT 解决方案。大数据、云计算技术可以促进持续审计方式的发展、总体审计模式的应用、审计成果的综合应用、相关关系证据的应用、高效数据审计的发展和大数据审计师的发展。强化大数据、云计算技术审计应用的措施包括制定长远发展战略、加快审计法规建设、建立行业平台、加强研发和提高利用能力。关键词:大数据 云计算 数据挖掘 对审计影响 政策建议 引言
目前,大数据伴随着云计算技术的发展,正在对全球经济社会生活产生巨大的影响。大数据、云计算技术给现代审计提供了新的技术和方法,要求审计组织和审计人员把握大数据、云计算技术的内容与特征,促进现代审计技术和方法的进一步发展。
一、大数据、云计算的涵义与特征
随着云计算技术的出现,大数据吸引了全世界越来越多的关注。哈佛大学社会学教授加里·金(2012)说: “这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论学术界、商界还是政府,所有领域都将开始这种进程。”(一)大数据的涵义与特征
“数据”(data)这个词在拉丁文里是“已知”的意思,也可以理解为“事实”。2009 年,“大数据”概念才逐渐开始在社会上传播。而“大数据”概念真正变得火爆,却是因为美国奥巴马政府在2012 年高调宣布了其“大数据研究和开发计划”。这标志着“大数据”时代真正开始进入社会经济生活中来了。“大数据”(big data),或称巨量资料,指的是所涉及的数据量规模大到无法利用现行主流软件工具,在一定的时间内实现收集、分析、处理或转化成为帮助决策者决策的可用信息。互联网数据中心(IDC)认为“大数据”是为了更经济、更有效地从高频率、大容量、不同结构和类型的数据中获取价值而设计的新一代架构和技术,用它来描述和定义信息爆炸时代产生的海量数据,并命名与之相关的技术发展与创新。大数据具有4 个特点: 第一,数据体量巨大(Volume),从TB 级别跃升到PB 级别。第二,处理速度快(Velocity),这与传统的数据挖掘技术有着本质的不同。第三,数据种类多(Variety),有图片、地理位置信息、视频、网络日志等多种形式。第四,价值密度低,商业价值高(Value)。存在单一数据的价值并不大,但将相关数据聚集在一起,就会有很高的商业价值(金良,2012)。大数据时代,不仅改变了传统的数据采集、处理和应用技术与方法,还促使人们思维方式的改变。大数据的精髓在于促使人们在采集、处理和使用数据时思维的转变,这些转变将改变人们理解和研究社会经济现象的技术和方法。
(1)是在大数据时代,不依赖抽样分析,而可以采集和处理事物整体的全部数据。19 世纪以来,当面临大的样本量时,人们都主要依靠抽样来分析总体。但是,抽样技术是在数据缺乏和取得数据受限制的条件下不得不采用的一种方法,这其实是一种人为的限制。过去,因为记录、储存和分析数据的工具不够科学,只能收集少量数据进行分析。如今,科学技术条件已经有了很大的提高,虽然人类可以处理的数据依然是有限的,但是可以处理的数据量已经大量增加,而且未来会越来越多。随着大数据分析取代抽样分析,社会科学不再单纯依赖于抽样调查和分析实证数据,现在可以收集过去无法收集到的数据,更重要的是,现在可以不再依赖抽样分析。
(2)是在大数据时代,不再热衷于追求数据的精确度,而是追求利用数据的效率。当测量事物的能力受限制时,关注的是获取最精确的结果。但是,在大数据时代,追求精确度已经既无必要又不可行,甚至变得不受欢迎。大数据纷繁多样,优劣掺杂,精准度已不再是分析事物总体的主要手段。拥有了大数据,不再需要对一个事物的现象深究,只要掌握事物的大致发展趋势即可,更重要的是追求数据的及时性和使用效率。与依赖于小数据和精确性的时代相比较,大数据更注重数据的完整性和混杂性,帮助人们进一步认识事物的全貌和真相。
(3)是在大数据时代,人们难以寻求事物直接的因果关系,而是深入认识和利用事物的相关关系。长期以来,寻找因果关系是人类发展过程中形成的传统习惯。寻求因果关系即使很困难且用途不大,但人们无法摆脱认识的传统思维。在大数据时代,人们不必将主要精力放在事物之间因果关系的分析上,而是将主要精力放在寻找事物之间的相关关系上。事物之间的相关关系可能不会准确地告知事物发生的内在原因,但是它会提醒人们事情之间的相互联系。人们可以通过找到一个事物的良好相关关系,帮助其捕捉到事物的现在和预测未来。(二)云计算的涵义与特征
“云计算”概念产生于谷歌和IBM 等大型互联网公司处理海量数据的实践。2006 年8 月9 日,Google首席执行官埃里克·施密特(Eric Schmidt)在搜索引擎大会首次提出“云计算”的概念。2007 年10 月,Google 与IBM 开始在美国大学校园推广云计算技术的计划,这项计划希望能降低分布式计算技术在学术研究方面的成本,并为这些大学提供相关的软硬件设备及技术支持(Michael Mille,2009)。目前全世界关于“云计算”的定义有很多。“云计算”是基于互联网的相关服务的增加、使用和交付模式,是通过互联网来提供动态易扩展且经常是虚拟化的资源。美国国家标准技术研究院(NIST)2009年关于云计算的定义是: “云计算是一种按使用量付费的模式,这种模式提供可用的、便捷的、按需的网络访问,进入可配置的计算资源共享池(资源包括网络、服务器、存储、应用软件、服务等),这些资源能够被快速提供,只需投入很少的管理工作,或与服务供应商进行很少的交互。”根据这一定义,云计算的特征主要表现为: 首先,云计算是一种计算模式,具有时间和网络存储的功能。其次,云计算是一条接入路径,通过广泛接入网络以获取计算能力,通过标准机制进行访问。第三,云计算是一个资源池,云计算服务提供商的计算资源,通过多租户模式为不同用户提供服务,并根据用户的需求动态提供不同的物理的或虚拟的资源。第四,云计算是一系列伸缩技术,在信息化和互联网环境下的计算规模可以快速扩大或缩小,计算能力可以快速、弹性获得。第五,云计算是一项可计量的服务,云计算资源的使用情况可以通过云计算系统检测、控制、计量,以自动控制和优化资源使用。(三)大数据与云计算的关系
从整体上看,大数据与云计算是相辅相成的。大数据主要专注实际业务,着眼于“数据”,提供数据采集、挖掘、分析的技术和方法,强调的是数据存储能力。云计算主要关注“计算”,关注IT 架构,提供IT 解决方案,强调的是计算能力,即数据处理能力。如果没有大数据的数据存储,那么云计算的计算能力再强大,也难以找到用武之地;如果没有云计算的数据处理能力,则大数据的数据存储再丰富,也终究难以用于实践中去。
从技术上看,大数据依赖于云计算。海量数据存储技术、海量数据管理技术、MapReduce 编程模型都是云计算的关键技术,也都是大数据的技术基础。而数据之所以会变“大”,最重要的便是云计算提供的技术平台。数据被放到“云”上之后,打破了过去那种各自分割的数据存储,更容易被收集和获得,大数据才能呈现在人们眼前。而巨量的数据也只能依靠云计算强大的数据处理能力,才能够“淘尽黄沙始得金”。
从侧重点看,大数据与云计算的侧重点不同。大数据的侧重点是各种数据,广泛、深入挖掘巨量数据,发现数据中的价值,迫使企业从“业务驱动”转变为“数据驱动”。而云计算主要通过互联网广泛获取、扩展和管理计算及存储资源和能力,其侧重点是IT 资源、处理能力和各种应用,以帮助企业节省IT部署成本。云计算使企业的IT 部门受益,而大数据使企业的业务管理部门受益。
从结果看,大数据与云计算带来不同的变化。大数据对社会经济带来的变化是巨大的,涉及到各个领域。大数据已经与资本、人力一起作为生产的主要因素影响着社会经济的发展。数据创造价值,而挖掘数据价值、利用数据的“推动力”就是云计算。云计算将信息存储、分享和挖掘能力极大提高,更经济、高效地将巨量、高速、多变的终端数据存储下来,并随时进行计算与分析。通过云计算对大数据进行分析、总结与预测,会使得决策更可靠,释放出更多大数据的内在价值。
二、大数据、云计算技术对审计的影响分析
审计技术和方法的发展是随着科学和管理技术的发展而发展的。现代审计技术和方法体系是在原始的查账基础上从低级向高级、从不完备到比较完备发展起来的。在业务和会计处理手工操作阶段,审计实施的是账表导向的审计技术和方法;当内部控制理论和方法全面应用于业务和会计处理时,审计实施的是系统导向的审计技术和方法;当风险管理理论和方法全面应用于业务和财务管理时,审计实施的是风险导向审计技术和方法;与风险导向审计技术和方法并行的是,计算机技术广泛应用于业务和会计处理时,审计实施的是IT 审计技术和方法。目前,面对大数据、云计算技术的产生和发展,审计人员需要应时而变来适应由此而带来的变化,分析大数据、云计算技术对审计方式、审计抽样技术、审计报告模式、审计证据搜集等技术和方法的影响。(一)大数据、云计算技术促进持续审计方式的发展
传统审计中,审计人员只是在被审计单位业务完成后才进行审计,而且审计过程中并不是审计所有的数据和信息,只是抽取其中有的一部分进行审计。这种事后和有限的审计对被审计单位复杂的生产经营和管理系统来说很难及时做出正确的评价,而且对于评价日益频繁和复杂的经营管理活动的真实性和合法性则显得过于迟缓。随着信息技术迅速发展,越来越多的审计组织对被审计单位开始实施持续审计方式,以解决审计结果与经济活动的时差问题。但是,审计人员实施持续审计时,往往受目前业务条件和信息化手段的限制,取得的非结构化数据无法数据化,或者无法取得相关的明细数据,致使对问题的判断也难以进一步具体和深入。而大数据、云计算技术可以促进持续审计方式的发展,使信息技术与大数据、云计算技术较好交叉融合,尤其对业务数据和风险控制“实时性”要求较高的特定行业,如银行、证券、保险等行业,在这些行业中实施持续审计迫在眉睫。如审计组织对商业银行的审计,实行与商业银行建立业务和数据系统的接口,在开发的持续审计系统中固化了非结构化数据结构化和数据分析模块,该模块可以在海量贷款客户中挖掘、分析出行业性和区域性贷款风险趋势,实现在线的风险预警,并将发现的风险数据、超预警值指标及问题登记为疑点,并建立实时审计工作底稿,按照重要程度进行归类、核实或下发给现场审计人员进行现场核实,以较好处理非结构化数据的利用和数据的实时分析利用问题。(二)大数据、云计算技术促进总体审计模式的应用
现时的审计模式是在评价被审计单位风险基础上实施抽样审计。在不可能收集和分析被审计单位全部经济业务数据的情况下,现时的审计模式主要依赖于审计抽样,从局部入手推断整体,即从抽取的样本着手进行审计,再据此推断审计对象的整体情况。这种抽样审计模式,由于抽取样本的有限性,而忽视了大量和具体的业务活动,使审计人员无法完全发现和揭示被审计单位的重大舞弊行为,隐藏着重大的审计风险。而大数据、云计算技术对审计人员而言,不仅仅是一种可供采用的技术手段,这些技术和方法将给审计人员提供实施总体审计模式的可行性。利用大数据、云计算技术,对数据的跨行业、跨企业搜集和分析,可以不用随机抽样方法,而采用搜集和分析被审计单位所有数据的总体审计模式。利用大数据、云计算技术的总体审计模式是要分析与审计对象相关的所有数据,使得审计人员可以建立总体审计的思维模式,可以使现代审计获得革命性的变化。审计人员实施总体审计模式,可以规避审计抽样风险。如果能够收集总体的所有数据,就能看到更细微、深入的信息,对数据进行多角度的深层次分析,从而发现隐藏在细节数据中的对审计问题更具价值的信息。同时,审计人员实施总体审计模式,能发现从审计抽样模式所不能发现的问题。大数据、云计算技术给审计人员提供了一种能够从总体把握审计对象的技术手段,从而帮助审计人员能从总体的视角发现以前难以发现的问题。
(三)大数据、云计算技术促进审计成果的综合应用
目前,审计人员的审计成果主要是提供给被审计单位的审计报告,其格式固定,内容单一,包含的信息量较少。随着大数据、云计算技术在审计中广泛应用,审计人员的审计成果除了审计报告外,还有在审计过程中采集、挖掘、分析和处理的大量的资料和数据,可以提供给被审计单位用于改进经营管理,促进审计成果的综合应用,提高审计成果的综合应用效果。首先,审计人员通过对审计中获取的大量数据和相关情况资料的汇总、归纳,从中找出财务、业务和经营管理等方面的内在规律、共性问题和发展趋势,通过汇总归纳宏观性和综合性较强的审计信息,为被审计单位投资者和其他利益相关者提供数据证明、关联分析和决策建议,从而促进被审计单位管理水平的提高。其次,审计人员通过应用大数据、云计算技术,可以将同一问题归入不同的类别进行分析和处理,从不同的角度、不同的层面整合提炼以满足不同层次的需求。再次,审计人员将审计成果进行智能化留存,通过大数据、云计算技术,将问题规则化并固化到系统中,以便于计算或判断问题发展趋势,向被审计单位进行预警。最后。审计人员将审计成果、被审计单位与审计问题进行关联,并进行信息化处理,在进行下次审计时,减少实地审计的时间和工作量,提高审计工作的效率。(四)大数据、云计算技术促进相关关系证据的应用
审计人员在审计过程中,应根据充分、适当的审计证据发表审计意见,出具审计报告。但是,在大数据、云计算环境下,审计人员既面临巨量数据筛选的考验,又面临搜集适当审计证据的挑战。审计人员在搜集审计证据时,传统的思维路径都是基于因果关系来搜集审计证据,而大数据分析将会更多地运用相关关系分析来搜集和发现审计证据。但从审计证据发现的角度来看,由于大数据技术提供了前所未有的跨领域、可供量化的维度,使得审计问题大量的相关信息能够得以记录和计算分析。大数据、云计算技术没有改变事物间的因果关系,但在大数据、云计算技术中对相关关系的开发和利用,使得数据分析对因果逻辑关系的依赖降低了,甚至更多地倾向于应用基于相关关系的数据分析,以相关关系分析为基础的验证是大数据、云计算技术的一项重要特征。在大数据、云计算技术环境下,审计人员能搜集到的审计证据大多是电子证据(秦荣生,2013)。电子证据本身就非常复杂,云计算技术使获取有因果关系的证据更加困难。审计人员应从长期依赖因果关系来搜集和发现审计证据,转变成为利用相关关系来搜集和发现审计证据。(五)大数据、云计算技术促进高效数据审计的发展
直到今天,审计人员的数字审计技术依然建立在精准的基础上。这种思维方式适用于掌握“小数据量”的情况,因为需要分析的数据很少,所以审计人员必须尽可能精准地量化被审计单位的业务。随着大数据、云计算技术成为日常生活中的一部分,审计人员应开始从一个比以前更大、更全面的角度来理解被审计单位,将“样本= 总体”植入审计人员的思维中。相比依赖于小数据和精确性的时代,大数据更强调数据的完整性和混杂性,帮助审计人员进一步接近事情的真相,“局部”和“精确”将不再是审计人员追求的目标,审计人员追求的是事物的“全貌”和“高效”。围绕大数据,一批新兴的数据挖掘、数据存储、数据处理与分析技术将不断涌现。在实施审计时,审计人员应利用大数据、云计算技术,使用分布式拓朴结构、云数据库、联网审计、数据挖掘等新型的技术手段和工具,以提高审计的效率。
(六)大数据、云计算技术促进大数据审计师的发展
大数据、云计算时代,数据的真实、可靠是大数据发挥作用的前提。这客观上要求专业人员来对大数据的真实性、可靠性进行鉴证,审计人员可以扮演这种角色,或者称为数据审计师。能对大数据真实性、可靠性进行鉴证的数据审计师应该是计算机科学、数学、统计学和审计学领域的专家,他们应有大数据分析和预测的评估能力。数据审计师应恪守公正的立场和严守保密的原则,面对海量的数据和纷繁复杂的相关关系,选取分析和预测工具,以及解读数据及数据计算结果是否真实、可靠。一旦出现争议,数据审计师有权审查与分析结果相关的运算法则、统计方法以及数据采集、挖掘和处理过程。数据审计师的出现是为满足以市场为导向来解决数据真实性、可靠性问题的需求,这与20 世纪初期为了处理财务信息虚假而出现的审计人员一样,都是为了满足新需求而出现的。
三、大数据挖掘
数据的价值只有通过数据挖掘才能从低价值密度的数据中发现其潜在价值,而大数据挖掘技术的实现离不开云计算技术。在业界,全球著名的Google、EMC、惠普、IBM、微软等互联网公司都已经意识到大数据挖掘的重要意义。上述IT 巨头们纷纷通过收购大数据分析公司,进行技术整合,希望从大数据中挖掘更多的商业价值。数据挖掘通常需要遍历训练数据获得相关的统计信息,用于求解或优化模型参数,在大规模数据上进行频繁的数据访问需要耗费大量运算时间。数据挖掘领域长期受益于并行算法和架构的使用,使得性能逐渐提升。过去15 年来,效果尤其显著。试图将这些进步结合起来,并且提炼。GPU平台从并行上得到的性能提升十分显著。这些GPU平台由于采用并行架构,使用并行编程方法,使得计算能力呈几何级数增长。即便是图形处理、游戏编程是公认的复杂,它们也从并行化受益颇多。研究显示数据挖掘、图遍历、有限状态机是并行化未来的热门方向。MapReduce 框架已经被证明是提升GPU 运行数据挖掘算法性能的重要工具。D.Luo 等提出一种非平凡的策略用来并行一系列数据挖掘与数据挖掘问题,包括一类分类SVM 和两类分类SVM,非负最小二乘问题,及L1 正则化回归(lasso)问题。由此得到的乘法算法,可以被直截了当地在如MapReduce 和CUDA 的并行计算环境中实现。K.Shim 在MapReduce 框架下,讨论如何设计高MapReduce 算法,对当前一些基于MapReduce 的数据挖掘和数据挖掘算法进行归纳总结,以便进行大数据的分析。Junbo Zhang 等提出一种新的大数据挖掘技术,即利用MapRedue 实现并行的基于粗糙集的知识获取算法,还提出了下一步的研究方向,即集中于用基于并行技术的粗糙集算法处理非结构化数据。F.Gao 提出了一种新的近似算法使基于核的数据挖掘算法可以有效的处理大规模数据集。当前的基于核的数据挖掘算法由于需要计算核矩阵面临着可伸缩性问题,计算核矩阵需要O(N2)的时间和空间复杂度来计算和存储。该算法计算核矩阵时大幅度降低计算和内存开销,而且并没有明显影响结果的精确度。此外,通过折中结果的一些精度可以控制近似水平。它独立于随后使用的数据挖掘算法并且可以被它们使用。为了阐明近似算法的效果,在其上开发了一个变种的谱聚类算法,此外设计了一个所提出算法的基于MapReduce 的实现。在合成和真实数据集上的实验结果显示,所提出的算法可以获得显著的时间和空间节省。Christian Kaiser 等还利用MapReduce 框架分布式实现了训练一系列核函数学习机,该方法适用于基于核的分类和回归。Christian Kaiser 还介绍了一种扩展版的区域到点建模方法,来适应来自空间区域的大量数据。Yael Ben-Haim 研究了三种MapReduce 实现架构下并行决策树分类算法的设计, 并在Phoenix 共享内存架构上对SPRINT 算法进行了具体的并行实现。F.Yan 考虑了潜在狄利克雷分配(LDA)的两种推理方法——塌缩吉布斯采样(collapsed Gibbssampling,CGS)和塌缩变分贝叶斯推理(collapsedvariational Bayesian,CVB)在GPU 上的并行化问题。为解决GPU 上的有限内存限制问题,F.Yan 提出一种能有效降低内存开销的新颖数据划分方案。这种划分方案也能平衡多重处理器的计算开销,并能容易地避免内存访问冲突。他们使用数据流来处理超大的数据集。大量实验表明F.Yan 的并行推理方法得到的LDA 模型一贯地具有与串行推理方法相同的预测能力;但在一个有30 个多核处理器的GPU 上,CGS 方法得到了26倍的加速,CVB 方法得到了196 倍的加速。他们提出的划分方案和数据流方式使他们的方法在有更多多重处理器时可伸缩,而且可被作为通用技术来并行其它数据挖掘模型。Bao-Liang Lu 提出了一种并行的支持向量机,称为最小最大模块化网络(M3),它是基“分而治之”的思想解决大规模问题的有效的学习算法。针对异构云中进行大数据分析服务的并行化问题G.Jung 提出了最大覆盖装箱算法来决定系统中多少节点、哪些节点应该应用于大数据分析的并行执行。这种方法可以使大数据进行分配使得各个计算节点可以同步的结束计算,并且使数据块的传输可以和上一个块的计算进行重叠来节省时间。实验表明,这种方法比其他的方法可以提高大约60% 的性能。在分布式系统方面,Cheng 等人 提出一个面向大规模可伸缩数据分析的可伸缩的分布式系统——GLADE。GLADE 通过用户自定义聚合(UDA)接口并且在输入数据上有效地运行来进行数据分析。文章从两个方面来论证了系统的有效性。第一,文章展示了如何使用一系列分析功能来完成数据处理。第二,文章将GLADE 与两种不同类型的系统进行比较:一个用UDA 进行改良的关系型数据库(PostgreSQL)和MapReduce(Hadoop)。然后从运行结果、伸缩性以及运行时间上对不同类型的系统进行了比较。
四、总结 大数据的超大容量自然需要容量大,速度快,安全的存储,满足这种要求的存储离不开云计算。高速产生的大数据只有通过云计算的方式才能在可等待的时间内对其进行处理。同时,云计算是提高对大数据的分析与理解能力的一个可行方案。大数据的价值也只有通
过数据挖掘才能从低价值密度的数据中发现其潜在价值,而大数据挖掘技术的实现离不开云计算技术。总之,云计算是大数据处理的核心支撑技术,是大数据挖掘的主流方式。没有互联网,就没有虚拟化技术为核心的云计算技术,没有云计算就没有大数据处理的支撑技术。
参考文献
秦荣生.大数据、云计算技术对审计的影响研究 何清.大数据与云计算
张为民.云计算: 深刻改变未来
文峰.云计算与云审计———关于未来审计的概念与框架的一些思考
Big data and cloud computing Big Data(Big Data)in recent years, more and more occasions, the concept is mentioned more and more people, And often, and cloud computing together, what is the relationship between cloud computing and big data become a hot topic.this Special report contains the following four aspects: 1.The value of big data;2.Big data challenge;3.Big data research;4.Cloud computing is the mainstream way of data mining.Through this report on our understanding of big data, as well as the understanding of the value of big data, large data processing and mining technology, large data mainly focus on “data”, provide the technology and methods of data collection, mining and analysis;Cloud computing technology focusing on “computing”, providing IT solutions.Big data and cloud computing technology can promote the development of continuous audit mode, the overall audit mode of application, the audit results of comprehensive application, the application of related evidence, the development of efficient data audit and the development of large data auditor.Strengthen big data and cloud computing technology measures of audit applications include set up long-term development strategy, accelerate the construction of the audit regulations, establish a platform, to strengthen research and development and improve the utilization ability.Keywords: big data cloud computing data mining impact on the audit policy Suggestions
第三篇:高职实践教学资源的开发与优化论文
职实践教学资源主要包括实践教学及管理的人才资源、仪器设备资源、教材资源、教学资金、教研教改经验与成果等。这些资源是高职实践教学的基础,也是高职教育办出特色的重要条件。本文从充分利用高职实践教学资源出发,对开发与优化高职实践教学资源的必要性,应遵循的原则及主要方法进行讨论。
一、开发与优化高职实践教学资源的必要性
开发与优化高职实践教学资源是当前大多数高职院校面临的的重要问题之一,亟待解决。而形成这种状况的原因主要有三个方面:一是高职院校大都是在最近几年组建起来的,办学历史不长,实践教学基础薄弱,其资源明显缺乏;二是高职教育为我国新兴的教育事业,至今还没有形成统一模式的高职实践教学及其管理体系。
虽然各高职院校的实践教学及其管理各具特色,但是大多数院校将本应集中管理的实践教学资源由各系进行分割与分治,使资源的有效利用率维持在一个低水平状态。三是某些优势资源被闲置。如某高职院校花了8O余万元购买的数控加工中心设备,由于缺少必要的夹具和刀具,只能用于教师演示,不能由学生动手操作。一些学校用货款购置的设备,甚至仅作为上级领导或校外人员参观的“景点”。上述三个问题的存在,使高职实践教学资源更感不足。对此,高职院校不仅要加大人力、物力、财力和智力的投入,还要大幅度提升高职实践教学资源理念,充分开发和优化高职实践教学的各种资源。
二、开发与优化高职实践教
学资源的原则开发与优化高职实践教学资源应遵循四条原则:
1.最大效能原则
最大效能原则就是要使高职实践教学资源最大限度地得到利用。坚持最大效能原则不仅能在一定程度上减少资源的浪费,同时还能使许多资源发生共振效应,从而使高职实践教学资源的开发和利用达到最佳状态。如有的学校为充分利用实践教学资源,将校内实训基地定位于教学、科研与技术服务、小型生产和职业资格技能鉴定四个功能,很好地发挥了这些基地的效能,大幅度提高了基地的教学、社会和经济效益。
2.兼收并蓄原则
校企结合是办好高职教育的成功经验之一。因此,高职实践教学资源不仅指高职院校内部的各种资源,同时还要包括厂矿企业及校外所有可开发和利用的资源。在高职实践教学资源开发和优化中,应当采用开放和广集的策略。采用开放策略时,高职院校可请厂矿企业中有丰富实践经验的一线高级技术人员及管理人员来校兼课或担任专业顾问委员会成员,还可利用厂矿企业的生产设备及其它条件对学生进行专业实践技能实训和培养。高职院校利用厂矿企业现成的教学资源,不仅可大量节省购置实践教学仪器设备的资金,还能增强实践教学的针对性、实用性和技能综合性,更能突出高职实践教学特点。坚持高职实践教学资源兼收并蓄原则的重要工作之一,是不断开拓高职实践教学资源的来源渠道。这些渠道不能仅限于厂矿企业单位,应当欢迎和接纳社会或个人提供实践教学资源,同时还要走教育国际化道路。
3.整合原则
高职实践教学资源也是人力、物力、财力等方面资源的有机组合。整合高职实践教学资源,就是集中优势资源,形成资源合力,使这些资源整体功能的发挥达到最佳状态。坚持整合原则最重要的是要更新传统观念,冲破小团体的束缚,避免资源分割与流失。目前,国内许多高职院校都在努力探索实践教学资源整合问题。如一些学院为了整合实践教学资源,分别在学院内部设置了实验实训中心和工业中心。在这种实践教学集中管理的模式下,他们的实践教学资源使用率平均达到98%以上。而少数分散管理院校的实践教学资源利用率仅为30-40%。
4.可持续发展原则
高职实践教学资源需要不断积累和发展,任何急功近利、违背高职教育规律的资源膨胀和扩张,必然对后续发展不利,甚至带来危害。如个别高职院校近两年盲目扩大招生,而师资队伍、教学仪器设备、教学场地及学生的生活设备设施都远远达不到扩大招生的要求。这样,校内学生人满为患,师生员工的工作生活质量受到严重影响。更重要的是教学质量得不到保障,更遑论办出高职教育特色,因此,高职院校不能仅贪图短期效益而放弃可持续发展的战略。而在高职实践教学资源开发与优化中,坚持可持续发展原则的重点是培养优势资源。这种资源应是高职实践教学资源的主体和核心,不仅要严格符合可持续发展原则的各项要求,还必须具有较强的先进性、集成性和实用性。
三、开发与优化高职实践教
学资源的方法
1.整合校内资源
整合高职校内实践教学资源,就是将学院内各系分散管理的实践教学资源尽量集中管理。这种管理可由学院设置的专门机构实施。实践证明,高职实践教学资源集中管理有利于人才资源、物力资源和财力资源最大限度的开发和利用。国内办学较早,且已取得某些特色的高职院校都采用了这种实践教学资源集中管理的模式。
2.开拓校外资源
在高职教育中,校内的实践教学资源往往难以满足教学要求,也就是说没有校外实践教学资源对高职实践教学的支持,高职教育往往难以维持生计,更谈不上发展和壮大。开拓校外实践教学资源主要有如下一些方式:在厂矿企业建立学生实习基地;聘请厂矿企业内实践经验丰富的专业技术或管理人员为学校兼职教师;聘请校外专家、学者为学院专业顾问委员会成员;将省内外大中型企业作为学院董事会成员单位;利用校友会,组织校友为母校广集实践教学资源。上述五种方式虽各有特色,但有一个共同目的,即广集高职实践教学资源。校外实习基地菹藏着高职实践教学的丰富宝藏,高职院校可根据实践教学需要对其进行有效的开采和利用。高职院校聘请校外高级工程技术人员和高级管理人员来校兼课不失为聚集校外专业人才资源的好方式。由于这些人员大都具有丰富的实际工作经验和很强的专业实践能力,他们往往能讲授校内专职教师无法胜任的应用性课程。据权威资料介绍,美国社区学院兼职教师是校内专职教师的1.9倍,这一点值得我们借鉴。高职院校的专业顾问委员会可将校外的这些“专业技术精英”为“我”所用。对于校外的专家学者,应当树立“不求拥有,重在使用”的理念,发挥他们审定教学方案与教学计划,促进专业建设和发展等方面的作用。广集高职实践教学资源除上述五种方式外,还可采用校际间资源共享,积极引进国际资源等方式,使高职实践教学资源的积累形成一个全面开放、生气勃勃的局面。
3.培植优质资源
高职实践教学的优质资源是保障高职实践教学质量的重要条件。为此,高职院校必须十分重视和大力加强高职实践教学优质资源的培植。目前,大多数高职院校在培植优质资源方面都存在一些问题。首先是优质资源观念不强。他们虽对本校实践教学资源数量概念清晰,但质量概念模糊,在增长资源时没有明确的目标和方向。其次是某些优质资源被埋没浪费。如虽有资源主体,却缺少辅助资源,使这种本应成为优质资源的资源不能很好地发挥效能。第三是培植优质资源时忽视了几个问题。其中主要是忽视了优质资源在学校所有资源中的中心地位。这个中心地位不明确,学校在各种资源建设中就会出现主次不分,平均投入,优质资源和不良资源同时发展,有时甚至使不良资源畸形发展的现象。针对上述问题,首先要树立牢固的高职实践教学优质资源观念,在实际条件允许的情况下,大力发展优质资源。第二要遵循优质资源建设的科学规律。不能急功近利,防止个别领导利用资源建设搞个人形象工程、政绩工程。第三要建立和实施资源质量评估体系。凡优质资源,要使其拥有更大的发展空间和机会;凡不良资源,不仅不能让其发展,还要采取切实有效的措施予以约束或消除。
第四篇:酒店绿色管理现状与评价研究论文
摘要:随着绿色时代的悄然来临,各行各业纷纷将绿色管理视为一种新型管理模式并加以应用,酒店行业也不例外。但当前酒店在绿色管理工作中仍存在很多问题,严重制约了酒店行业的可持续发展。因此,本文结合我国酒店的绿色管理现状,探讨了其中存在的主要问题,并制定了一套绿色管理评价体系,以便为酒店绿色管理工作的顺利开展与完善提供依据。
关键词:酒店;绿色管理;评价
当前,酒店绿色管理已经成为大势所驱,但由于我国酒店行业实施绿色管理的时间较短,因而管理中依然存在很多问题,如配套设施不完善,评价不科学、评定标准不统一等,不利于酒店的长足发展。
一、酒店绿色管理现状分析
全球范围内所掀起的一场“绿色”浪潮,对我国酒店行业绿色管理模式的发展起到了巨大的促进作用,但依然存在诸多问题。
1.绿色管理水平参差
对于不同酒店而言,其绿色管理水平方面存在着较大的差异,这主要是由于酒店的实力不同,高星级酒店更关注“绿色形象”与品牌的塑造,也构建了较为完善的绿色管理机制。例如,青岛星级酒店所打造的“绿色客房”,极大地满足了客人渴望贴近大自然的消费观念。但仍有很多酒店还未意识到绿色管理的重要性和必要性,仍未全面推行绿色管理机制,有些甚至对绿色管理的经济绩效质疑,导致绿色管理在国内酒店行业普及难。此外,由于地域差异明显,因而沿海城市酒店绿色管理较其他城市更具成效。例如,首都北京的涉外、旅游酒店均具有极强的环保意识,旅游行业的发展也逐步提升了酒店的绿色化程度。但其他地区酒店绿色管理水平普遍不高,没有配备相应的节电、节水基础设施。
2.未构建起完善的绿色管理体系
对于我国酒店行业,对于绿色管理的探索仍然停留在照搬国外经验方面,缺乏与我国酒店行情相适应的绿色管理模式。一方面,多数酒店缺乏应有的绿色理念与完善的制度保障。经营管理人员缺乏足够的绿色意识,也未设置完善的绿色管理机构,加上缺乏指导与监督,员工在与消费者沟通中无法宣传绿色消费理念。绩效考核中没有引入绿色绩效,导致各员工对于绿色管理的执行力不足。另一方面,多数酒店未建立完善的绿色环保设施。受到资金的制约及绿色技术改造速度的限制,很多酒店均缺乏完善的环保设施,也无法有效推行绿色管理,导致资源浪费严重。例如,部分酒店电梯昼夜运行,消耗了大量的电能,洗手间仍采用传统水龙头,无节水功能。如此种种都极大地增大了酒店的能源成本。此外,很多酒店不注重产品的循环使用。例如为消费者提供的牙膏、牙刷、洗发液、沐浴液等多为一次性产品,缺乏可添加式产品,致使废弃物处理难度增大,产品循环使用率低,也对周边环境带来了污染。
二、酒店绿色管理评价体系的构建
为了促进酒店行业树立起绿色管理理念,加快推动绿色酒店的构建,必须构建完善的绿色管理评价体系。
1.明确绿色管理评价标准
对于酒店而言,绿色管理的核心在于将环保理念运用到管理中来,实现酒店的绿色、环保、可持续发展。也就是说,酒店绿色管理的终极目标,在于构建绿色酒店。结合国家的有关标准,绿色管理是绿色酒店的重要组成部分,是以环保、资源节约作为基本理念,为了促进绿色管理的全面实施,必须依托绿色酒店建构标准及相关指标。根据酒店在环保、资源节约、产品安全徤康、服务等各方面所取得效果的不同,将绿色酒店划分为5个等级,即A、AA、AAA、AAAA、AAAAA级,并利用“银杏叶”作为标识,A级为一叶,AA级为二叶,依此类推。对于开业一年以上的酒店,均可申报绿色酒店,需要向有关评定机构提交申请,待其审核材料并同意受理后,由该机构向待评定酒店发放相应的评定标准及材料,酒店可以根据这一标准进行自查,若发现问题及时进行整改,满足评定标准后向评定机构提出申请,由中国饭店协会组织成立绿色酒店指导委员会评审机构,对酒店进行现场评审,评审通过则颁发证书,作为绿色酒店的凭证,顾客对酒店凭证享有知情权,其评定有效期为4年,每2年需进行复核,若不达标准会予以通报、降级、取消“绿色酒店”称号。
对于酒店绿色管理而言,其评定细则包括基础要求,绿色设计,安全、健康、节能管理,环保,绿色宣传等,一共300分,每部分均有十分明确的评分规定,得分超过270的酒店可被评为五叶级,得分超过240分可被评为四叶级,得分超过210分的为三叶级,得分超过180分的为二叶级,超过160分的为一叶级。
2.绿色管理量化评价指标体系的构建
为了构建酒店绿色管理评价指标体系,应遵循如下基本原则:(1)动态原则。应注重绿色酒店影响因素的动态变化性,环境问题是提升生产力、提高经济收益的副产品,为了解决环境问题,酒店必须对现行生产、经营、服务方式进行重新思考,关注各环节对环境带来的影响。因此,所构建的酒店绿色管理评价指标体系并非一成不变,而是动态化的体系。(2)可行性原则。构建评价指标体系是为了指导实践,因此,所构建体系必须具备足够的可行性、可操作性,能够应用于酒店绿色管理实践中。为实现该目标,必须紧密结合酒店实际情况,采用现代化方法构建适用于酒店实际情况的绿色发展指标体系。(3)发展性原则。该体系应在实践中逐步完善,因此在构建中应为功能升级提供足够的空间,确保体系的与时俱进。(4)系统性原则。由于酒店绿色管理需要各部门之间的协调、配合,还需要借助于外界力量,因而该体系必须将各部门、人员视为一个统一的整体,并加强与大众和政府、媒体的沟通。(5)具体化原则。作为相应的评价标准,所提供的指标应具体化,可操作化,在评定指标的设置中,应结合投资情况、实施程度、对环境影响情况,明确轻重缓急,彰显指标体系的前瞻性。
在构建评价指标体系时,笔者采用了文献法、理论实际结合法、调研法、定性定量结合分析法等对指标进行确立。同时,参考了国内外有关研究成果,明确了酒店绿色管理评价指标体系。调研专家包括旅游部门4人、高校专家学者15人、酒店管理人员60人、顾客120人,对调查数据进行分组统计,计算组内的平均数,再对组件平均数进行求取,结合调研结果进行得分排序,借助于帕累托排列图理论,当累计频数超过80%时,所对应因素属于“主要影响因素”,当累计频率大于80%,小于90%时,所对应因素为“次要影响因素”,当大于90%,小于100%时,对应因素为“次次要影响因素”,选取80%作为评价指标,获取相应的指标体系,包括工程系数、环境控制、日常运营、绿色用品、资源利用、环境安全、制度管理、企业文化。其中,工程系统项目评价层包括建筑的设计工程、装饰用材等;环境控制项目评价层包括光、气、水、声、绿化环境等;日常运营涉及到客房、餐饮、康乐、会议及其他服务;绿色用品涉及到环保用品的使用、采购等;资源利用包括节约能源、节约水、缩减用品、废物利用等;环境安全项目评价层包括安全系统、有害有毒物的检测、化学品及危险品监管等;制度管理项目评价层涉及到环保数据库、相关规章制度、日常管理与持续改善措施、现代化设备及技术应用等;企业文化主要包括教育培训、社会公益等评价指标。
三、结束语
一言以概之,通过对酒店绿色管理进行评价,可以揭露出其中所存在的各种问题,并结合所发现问题制定完善的解决对策。对于政府而言,应尽快出台完善的绿色政策支持,同时,注重加强从业者的绿色管理培训,提高其对于绿色管理的认识,借助于各种媒体的宣传和推广,促进绿色管理理念更加深入人心,从而推动酒店绿色管理工作逐步走向规范化、科学化。
参考文献:
[1]李健,邱立成,安小会.面向循环经济的企业绩效评价指标体系研究[J].中国人口·资源与环境,2014,33(04):345-348.[2]余蓉,陈昌权,吴健.绿色管理:企业实现可持续发展的新战略[J].西南民族大学学报(自然科学版),2011,21(05):149-151.[3]马蓓,马金莲.兰州市酒店业创建绿色酒店--实施IS014000环境管理体系指导原则的建议[J].才智,2012,22(34):284-285.
第五篇:基于云计算的综合学习的平台的研究与设计
基于云计算的数字化综合学习的平台的研究与设计
陈宏扬 刘丹欣
[摘 要]目前,大部份职业院校的院系或者部门各自为营,单独建立自己的线上学习的平台和教学管理系统,阻碍了学习数据的互融共通及互用。本文结合云计算技术,提出数字化综合学习的平台的建设,一体化解决学校信息化教学的所有需求,对职业院校需要开展线上学习和教学管理业务系统进行整合建设、全部打通,实现基于云平台的移动学习、学习行为大数据分析与检索、资源共建共享等多种功能,以期能摒弃信息孤岛、降低学校建设成本、为学校提供数据决策以及提升学生的学习体验,进一步提高学生的学习效果。
[关键词]移动学习;云计算;数字化学习的平台;研究与设计
Research and Design of Digital Integrated Learning Platform Based on Cloud
Computing
CHEN Hongyang LIU Danxin(Guangdong Industry Polytechnic,Guangzhou 510300,China)
Abstract:Abstract:Currently, most faculties or departments in vocational universities are managed independently while they establish their online learning platforms and tutoring management systems individually.It highly hinders the interaction, integration and common accessibility of students’ learning data.This article, in combination with the cloud computing technology, puts forward the construction of digital integrated learning platforms to meet all needs of information-based instructions in universities.Furtherer, vocational universities must integrate their online learning platforms and tutoring management systems and ensure the common accessibility, which results in the cloud-based mobile learning, the big data analyses and retrieval of learning behaviors, the co-building and sharing of resources and etc.Therefore, we can avoid inconsistent information, reduce the construction cost of universities, provide data-based decision suggestions to schools, improve students’ learning experience and further enhance their studying results.Key Words:Mobile Learning;Cloud Computing;the Digital Learning Platform;Research and Design
2015年,教育部办公厅在关于建立职业院校教学工作诊断与改进制度的通知(教职成厅[2015]2号)中提出,建立常态化的职业院校自主保证人才培养质量的机制,全面开展教学诊断与改进工作。强调了职业院校要充分利用信息技术,建立教学质量管理与诊断平台,为教育教学质量保证体系提供支撑。该平台的建立,需要对学校的教学管理部门系统以及数字化学习系统数据进行整合,而目前学校大部分的系统多是画地为牢,各个部门建立自己的系统,阻碍了各个系统之间的互享共通与融合。以广东轻工职业技术学院为例,由学校教务处牵头,前后建立了网络课程系统、精品课程系统、专业资源库系统以及轻工在线慕课学习系统,教学管理系统则采用正方集团的教务系统。这些系统的数据由于企业层面或技术层面存在问题无法打通,填写学校基础数据表的时候,只能单独从每个系统导出数据再进行人工匹配,从而整理出有效的数据,极大地加大了老师们的工作量。另外,我校的创新创业学院、教师发展中心、成人继续教育学院都有搭建线上学习功能的需求,为了避免信息孤岛,降低学校教学数据和学习数据的整理难度以及减少学校后期的平台建设或整合费用,是以有必要搭建一个全新学习的平台体系,一体化解决学校信息化教学的所有需求,对需要开展线上学习和教学的业务系统进行整合建设,实现多个资源平台共享互通与融合,最终建设成一个理念领先、技术先进、国际化特色突出的云计算数字化综合学习的平台。1 基于云计算的数字化综合学习的平台的优势及意义
云计算(Cloud Computing)是一种资源交付和使用模式,指通过网络获得所需的资源(硬件、平台、软件)。提供资源的网络被称为“云”,“云”中的资源在使用者看来是可以无限拓展的,并且可以随时获取,这种特性经常被比喻为像水电一样使用的硬件资源,可以按需购买和使用。计算结合了虚拟化、分布存储、海量数据管理等技术,利用互联网将分散的、动态的、异构的信息资源和计算能力有效整合起来[1]。
使用云计算搭建学习的平台具有以下几大优点:
(1)整个学习的平台架构主要以云计算为架构、集中托管提供平台,资源共建共享摒弃信息孤岛。(2)降低学校成本。云平台可以让所有资源得到充分利用,其中包括价格昂贵的服务器以及各种网络设备等支持平台运行的基础设施,企业技术人员的共享更使得成本降低。
(3)强大计算能力。云平台有着强大的计算能力,无论是在处理海量数据,还是提升知识服务等方面,在云上能够更好地进行学习行为数据存储、挖掘、分析等工作。
(4)简化维护。云学习的平台的使用,使软硬件设施和管理数据不必再花费更大的精力以及担忧病毒引起的数据丢失,也不必对平台版本进行维护升级。这样管理人员可以省出更多的时间和精力投身于服务创新中。
(5)远程异地备份和恢复功能。使用云平台能够实现对存储数据的异地容灾保护,消除安全策略的地域限制,从而构建全面的、完整的数据安全策略。
(6)使用云平台,由于资源服务器和平台服务器都可以部署在校外,当学生访问学习的平台时,直接通过互联网访问云学习的平台,不需要占用学校的出口带宽,大大缓解了学校的带宽压力。而且不存在并发数的问题,云学习的平台可以支持几十万人同时在线学习。2.1系统总体架构
平台的整体架构包括基础设施层、资源层、应用层和用户层四大层次,通过管理机制、服务机制和评价机制的制度建设保障,构建完整的在线教学平台。总体框架(如图1所示)。层次之间的功能通过接口相互调用,每个层次的模块既可以独立使用,也可以结合其它模块使用。
图1 云计算数字化综合学习的平台框架模型
在整个平台系统模型中,用户层包括本校学生、本校教师、联盟学校、社会学习者、企业员工以及管理机构人员等,在后台中管理员可以对不同身份的用户赋予不同的学习和管理权限,还可以进行用户审核、添加、删除。
应用层是为用户层与资源层的交互提供相互通信的一系列图形UI,平台中所有交互的流程均可在应用层上面实现。应用层内容分为两部分,一是开发系统应用,包括数字化学习门户、移动学习的平台、学习行为数据分析平台、专业教学资源库平台、继续教育平台、教师发展中心平台、数字创新创业平台、通识课 程平台、教师和学生学习空间平台以及数据共享中心的开发,在这个层次上,采用B/S结构,基于J2EE架构,页面采用Web2.0 AJAX结合HTML5的DOM元素(文档对象模型)来设计和开发整个系统的功能模块,并采用扁平化设计,让“信息”本身重新作为核心被凸显出来,提供丰富的媒体交互性,使用AJAX技术来实现整个平台子系统数据的及时更新,按需读取,减少屏幕的刷新和闪烁,不需要另行安装插件就可以支持IE9及以上版本、safari、Firefox、chrome等浏览器。二是与学校原有的信息系统进行整合,整合的平台主要有数字化校园门户,继续教育学院平台、教务系统以及数字图书馆等。
资源层主要由数据库系统、文件系统、课程资源库、试题库、企业信息库、培训库、教学资源库、通识课、慕课微课、精品课、商业数字资源、学习期刊等资源及其数据接口API构成,本文数据库采用MysqL数据库系统,创建平台系统所需的实体表。
基础设施层主要是本地硬件、校园网络、云平台以及CDN技术组成。平台采用“云端+本地化”相结合的部署方式,如图2所示。整个数字化学习的平台部署在云端上,资源也部署在云端,由企业提供云端远程数据异地备份和恢复功能,本地化部署则主要是在学校南海校区数据中心建立视频资源和教学资源镜像备份,并通过数据中心接口,与学校的数字化校园门户、超星数字图书馆、教务系统进行数据整合打通,进一步扩大数据的共享范围。
图2 云计算数字化综合学习的平台拓扑结构
2.2 系统模块设计
本平台把多个有线上教学需求的平台融合进行融合建设,比如数字化创新创业平台,教师发展中心和数字化学习门户、移动学习的平台,打造综合学习的平台体系,实现课程建设、移动学习、教学互动、教学监控、资源共享、在线考试、在线作业课前,课中和课后整个过程管理、学习行为大数据分析等功能;与学校教务系统和成人继续教育学院的教学运行和管理数据进行对接,方便教师和学生查课程表、上课课室、考试成绩、考勤签到等情况;对学校数字化校园门户进行整合,实现系统的单点登录功能,不需要二次身份验证,实现学生和老师用户数据的集成,新生和新入职的教师信息能自动同步到数字化学习中心平台等功能;与数字图书馆进行整合,教师可以从图书馆中查找并添加课程相关的电子参考书或教学视频,推荐给学生进行在线阅读,学生可实现对超星数字图书馆资源的各种检索等功能,一体化地解决学校的信息化教学所有需求,可实现所有数据的整合,最终建设成一个理念领先、技术先进、国际化特色突出的基于云 计算的综合学习的平台。系统模块详细设计分为以下几个部分:
1.数字化学习门户。包含学习空间、教学互动、课程建设、网络教学、教学监督、教学管理评估等多个模块。教师能够应用教师空间进行校本课程建设、在线备课、教学监控、资源共享,可进行对教学的课前、课中和课后整个过程管理,完整记录学生学习历程,解决师生全面的教学互动管理功能,互动,作业,考试,答疑等所有教学环节问题。平台支持网络有偿教学,在学校支持的情况下,教师可利用课余时间进行有偿兼职,针对社会学习者在团队的校本课程上开设收费网络教学班,实施有偿教育。学生能够应用学习空间自主学习和协作性学习,并可充分利用碎片化时间实现移动式学习。
2.移动端平台。包含六大子系统:“移动课堂互动系统”、“移动修学分系统”、“移动阅读系统”、“移动开放课程”、“移动教务系统”、“移动社交系统”。在课堂互动中可以进行签到、抢答、投票、投屏等互动功能,同时在移动端的学习进度要自动同步到PC端,学生在任何终端上,都可以实现学习记录的持续性。支持iOS和Android两大在主流操作系统,同时满足手机、平板电脑智能移动终端使用。
3.学习行为大数据平台。采用海量存储技术,记录用户的学习轨迹、学习期间、学习内容、学习效果,展现用户的学习过程,提供统计分析和预测的数据;采用数据挖掘技术,根据用户的学习轨迹,在整个系统中快速联想式的检索相关数据资源,实现学校和教师各方面信息的多维关联,建设有关学校发展和教师成长的信息化档案,从而为教学质量管理与诊断平台的建设提供海量的、种类繁多的数据支持,进一步提高学校管理者和教师的数据意识和技术。
4.专业教学资源库。包含专业管理、专业建设、资源建设、资源检索、资源审核、后台管理、在线学习等多个模块。按照国家职业教育专业教学资源库的技术标准打造平台,构造能够满足教学资源建设长期持续发展的应用框架。以专业为基础进行数字化教学资源的建设和组织,并实现院校级各专业的资源共建、共享、共用,实现学校软资产的不断积累。
5.教师发展中心平台。包含教师在线学习、教师在线学习档案、课程中心、学分管理、教学评价、教学监督、咨询交流、数据统计等多个模块。采用“引入+自建”课程资源的模式为广大教师提供校本培训、继续教育服务、技能与手段培训服务,利用云端数字化学习的平台实现教师充分交流、相互合作与资源共享,促进教师提升教学质量。
6.数字创新创业平台。包含创业比赛、移动创业学院、课程中心、网络创业实训、在线学习、作业考试、教学监督、数据统计等多个模块。采用“引入+自建”课程的模式为搭建完整的创新创业课程体系。配备先进的网络教学平台,提供包含移动创业学院、在线学习、学习行为分析、课程监控、创业项目展示、创业大赛、网络创业实训、协作交流等功能。
7.通识课程平台。包含课程资源、在线学习、学习过程管理、移动学习、教学监督、在线作业、作业考试等多个模块。课程资源内容重点涵盖人文情怀、社会科学、科学素养、社会责任、通用能力、教师培训、国际视野、创新创业和国防等领域课程,课程高清拍摄、广播级制作,配备完整字幕,配套相关教参书、作业、试题,以及包含继续教育学院通识课程选修等。
3结语
基于云计算的综合学习的平台,打破时空限制,有效地将设备环境、时空环境和人文信息环境融合在一起,优化了教学流程,一体化解决了学校信息化线上教学的所有需求,提升了用户体验,同行如果能够潜心研究,必能有很大的收获。参考文献
[1]李楚贞,吴新玲·基于云计算的图书智能推荐系统研究[J]·计算机科学与应用,2013,(3):257-261.[2]王松禹·基于云计算的全民终身学习的平台设计与实现[J]·中小学电教,2013,(11):76-77.基金项目:1广东轻工职业技术学院教改项目“基于校企共建的网络视频公选课平台的移动学习研究”(项目编号:粤轻院高【2016】2号JG201615)