大学云架构与大数据处理建模研究.doc

大学云架构与大数据处理建模研究-

摘要：本文简要介绍了大学云架构与大数据处理的目的与意义。以山西师大园区云为例，概要介绍了大学云架构的方法，提出了一种支持大数据处理的校园云模型。重点讨论校园大数据处理建模，大数据分析在学生成长、教师发展，以及提升学校服务能力等方面的作用。

关键词：云计算;大数据;学生成长;教师发展;智慧校园

一、引言

大学云（Universities Cloud）是一种采用云计算技术，对教学、科研、行政、后勤等各种业务流程办理和职能服务的园区云，也是学校各级部门可靠的基础信息化服务平台。大学云服务将产生大量的各种数据，云计算目前是大数据处理的基础技术[1]，采用云计算处理海量数据，提高管理与决策水平，是大学云架构的重点工作。

显然，云计算、大数据等技术已成为高校生存与发展的基础。大学云架构采用统一标准[2]，不仅利于各种业务网络与应用系统互连互通，避免产生“信息孤岛”，也利于避免计算、存储及网络资源重复建设[3]，节约资金及提高收益，还利于大数据处理，改善办学绩效及增强高校创新能力。

因此，大学云架构的关键问题是全面整合资源，优化云计算模型。也就是构建一种支持资源集约、信息共享、应用协同，以及大数据存储管理及检索使用的大学云。最优架构的大学云，是云计算、大数据与教育信息化的融合。这种融合，一方面规定了智慧校园高层划分及各部分间的交互[4]，另一方面决定了智慧校园应用系统的实施能力和发展空间。本文以山西师大园区云建

设为背景，重点讨论大学云架构与大数据处理建模等问题的解决方法。

二、大学云计算体系结构与功能

大学云是智慧校园建设的核心部分，是一个复杂的系统工程。该工程侧重六个方面：第一，优化整合学校各种管理信息系统和协同办公系统，建立统一基础数据库、数据交换系统、统一信息门户及统一身份认证等[5]，消除信息孤岛。第二，完善高校决策支持系统的模型库、数据库和知识库建设，通过大数据分析，实现学校发展的智能决策。第三，优化整合网络课程、精品资源共享课和视频公开课及微课等资源，构建网上网下有机协同的智慧学习环境。第四，优化整合饭卡、洗浴卡、水卡、门禁卡、借阅证、上机卡等校园各类卡片，实现校园一卡通。第五，完善图书馆资源数字化管理，支持师生泛在数字化阅读与在线讨论。第六，优化整合多媒体视听教学与微格教学设施，支持MOOC的开发与应用。按照以上要求，大学云计算体系结构与功能，如图1所示。

从图1可以看出，大学云主要由基础设施、资源平台、应用平台和服务门户构成。基础设施包括了各种服务器、存储器、网络设备（交换、路由、安全等）和操作系统及工具软件等设施。采用虚拟化软件（如VMware vSphere 5.5），对云基础设施进行集群架构与管理[6];按照业务所需资源量，将虚拟服务器与虚拟存储器弹性适配与调度[7]，由此形成大学云资源平台。在资源平台部署校园应用软件，包括教务管理系统、学生管理系统、科研管理系统、教工管理系统、资产设备管理系统、财务管理系统、后勤服务管理系统、图书文献管理系统、教学信息化与网络学习系统、协同办公系统、平安校园监管系统、校园一卡通系统、统

一身份认证系统、上网行为管理系统、网络运维支持系统等。这些校园应用系统，构成了大学云应用平台。

大学云应用平台，通过数据交换系统（多个虚拟主机）接口，将各种数据库与各种应用系统适配连接，实现了资源集约、信息共享及应用协同。云应用，一方面通过面向师生信息服务接口，建立了一站式校园信息服务门户。师生可通过该门户，依据本人权限进行各种功能操作。另一方面，通过面向大数据分析与智能决策服务接口，建立了一站式校园决策支持门户。学校各级领导（或相关责任人），依据本人权限进行各种大数据分析操作。通过大数据分析，实施教学、科研与后勤服务等事务处理的决策支持。

三、校园大数据特征与处理方法

随着大学云建设与应用，大量数据来源于管理信息系统数据库与日志库、图书文献库与日志库、校园一卡通数据库与日志库、网络行为与管理日志库、平安校园视频库与日志库、多媒体及微格教学视频库与日志库、网络学习资源库与日志库、办学决策知识库和模型库及决策支持日志库等。数据类型繁多，主要有文本、数值、图形、图像、标签等。数据处理速度快，如管理信息系统数据库、一卡通数据库等，数据处理均有较高时效性。很多数据表现出低价值密度，如各种视频库、日志库等。这些数据完全符合大数据的4V（V olume，Variety，Velocity和Value）特征[8]。

校园大数据可分为结构化数据与非结构化数据两类。结构化数据主要包括各种管理信息系统数据库（关系数据模型）、能够变换为关系数据表单的各种日志库。非结构化数据主要包括图形图像、音视频（微格教学视频、精品资源共享视频课、微课程

视频、校园监控视频等）、Web文档（HTML与XML网页）、课件文档（浏览器可打开的Word、PPT、PDF等）、工作文档（如年度计划、工作总结、项目研究、成果报告等电子文档）。结构化数据处理，常用数理统计模型与算法（如回归分析，最小显著差数法、最小显著极差法等）。非结构数据处理，常用文档语义表示与索引、文本处理与分析[9]、内容摘要等工具。校园大数据处理建模，直接影响着学校发展决策的水平。

四、支持学生成长的大数据分析

在校园云的环境中，如数字化迎新、数字化学习（网上选课、学籍管理、网络学习、在线讨论等）、数字化生活（校园刷卡吃饭、洗浴、用水、进门、借书、上机、体育运动，以及社团与学术活动等）的每一个过程中，均有大量的数据记录了学生成长。如图2所示。对这些数据进行深入分析，对学生成长及改善学校决策绩效[10]，具有以下作用。（1）学生入学与学习数据分析。整合学生入学情况和在校学习情况等数据，深入分析与了解不同生源地、不同单科成绩、不同专业、不同个性特征的学生在校期间学习表现，为招生部门优化招生措施提供决策支持。

（2）学生专业学习数据分析。整合能够反映学生在校的学习、研究和参加活动（如课程学习、校园学术活动等）等多种数据，持续、系统地分析每个学生的专业学习行为、课程测验与作业完成、课程考试成绩、项目申请与结题、学习兴趣与意见等数据，深入了解学生专业学习中的问题，为学习绩效改善提供个性化服务，为优化人才培养方案提供决策支持。

（3）学生在线学习与图书借阅数据分析。完善“在线学习管理系统”的学习轨迹记忆功能，能够跟踪学生的学习轨迹。深入分析学生在观看课程视频、网络课程学习、网络资源浏览、在