大数据时代下软件工程关键技术研讨论文

大数据时代下软件工程关键技术研讨论文（共10篇）

篇1：大数据时代下软件工程关键技术研讨论文

大数据时代下软件工程关键技术研讨论文

摘要：大数据时代背景下，软件工程技术开发成为衡量国家技术能力的标准之一。各国需要致力于信息处理技术开发，提高信息处理速度，优化信息处理能力，进而提高我国国际竞争力。本文针对大数据时代背景下软件工程开发技术进行了分析，并从软件工程中服务工程技术、众包软件服务、密集型数据、企业信息解决四个角度分析了软件工程关键技术。

关键词：大数据时代;软件工程;关键技术;技术开发

引言：

大数据是互联网技术变革所形成的新的社会态势，也是未来社会需要面临的主要社会形态。在大数据时代下，软件工程技术与大数据技术呈现出互相影响、相互促进关系。面临社会对软件工程技术提出的机遇与挑战，相关人士需抓住机遇、迎接挑战，致力于软件工程技术的开发与应用，提高信息数据处理能力，发挥我国各行业技术优势。

一、软件工程技术定义

软件工程技术是指应用计算机基础技术，应用编程语言对软件功能、软件操作等内容进行优化，将其应用在信息处理之中。我国对软件工程基础技术研究起源于上个世纪八十年代，并首次召开了软件工程研讨会，将其作为一个具体学科也在八十年代初。现如今，软件工程技术已经成为一个普遍名词，是各行业、各部门主要研究对象。

二、大数据时代下软件工程关键技术

(一)软件服务工程技术

软件服务开发符合我国当下社会主流需求，也是社会发展的主流需要。其在技术上主要应用在服务功能比较明显的软件开发之中，主要是指以工程化形式，利用计算机系统编程语言、开发程式及步骤、数据系统等内容，实现具备服务功能、应用功能软件的开发。软件工程开发以服务能力为核心，以虚拟特征以及分布样式为基础，对用户具体应用情况进行调试，保障用户应用软件工程系统科学性、稳定性、安全性。与此同时，服务软件工程技术可实现应用数据之间的.整合，提高软件管理操作能力，对各项操作流程等进行明确。在大数据时代背景下，服务软件工程开发技术更加倾向于局域网内部应用，可以保护局域网内部用户不会受到木马病毒恶意袭击，极大程度保障软件工程应用安全性。例如，某企业应用服务软件工程技术，致力于服务与应用效果软件系统开发，将其应用在企业整体业务管理之中，为了提高软件服务工程应用效率，赋予了软件私人订制功能，强化软件服务工程自定义效果。由于该技术应用需要进行大量投资，在我国很多中小型企业中没有得到广泛应用，软件工程开发人员需在深度市场调研基础上，提高该技术应用能力[1]。

(二)众包软件服务工程

在众多软件工程技术中，大多数均具备的功能为处理信息、数据的集中性，可以生成大量数据信息，并呈现出集中性等特征。众包软件工程技术在世界各国均得到了广泛普及，是各国的重点研究对象。该技术在应用过程中可以流式数据、密集数据研究为主，实现系统化服务平台构建，其核心应用价值在于具有很强服务能力，并以群体信息服务等方式，优化自身应用价值。该软件工程技术相比较企业技术而言，具有明显优势，其在数据实质表现上具有真实性特征，忽略了软件形式要点，并不具备单位量化特征，重点突出在集中性上。众包软件工程技术具有很广阔发展空间，在市场有很强的发展前景，其技术能力与软件开发程度、系统管理能力息息相关，开发单位需重视该技术中数据传输有效性，促进软件长久稳定发展。众包软件工程技术以专业理论分析为依据，可从整体角度实现数据信息传输、处理等功能，以全面服务为核心，实现软件系统开发。企业及有关部门需强化众包软件开发技术应用，提高技术应用水平，在技术上进行创新，提高自身竞争实力。

(三)密集型数据科研技术

“第四范式”是密集数据研究一种，在20由吉姆格雷提出。在该技术理论研究过程中，强调大数据储存技术应用价值性，以统一的理论方法作为数据研究主要支撑。在该技术开发与应用过程中，对其传统软件工程中一、二、三范式进行理论与数据分析，提高其短时间内的数据储存与信息处理能力。在经过反复试验对比之后，研究人员改变传统思维模式，首先致力于“第四范式”数据结构研究，在整合驱动大数据基础上，对软件服务价值进行了全面概述。针对密集型数据分析方式，传统的数据周期、信息流程方法已经无法适用，在模型效果上存在滞后性。研究人员以原本数据、信息、模型研究为基础，对其数据服务、信息服务等进行推演，逐渐构建出第四范式模型，对其服务能力、服务价值等进行了全面优化。“第四范式”是大数据时代下，软件工程开发关键技术之一，在不断的研究中得以完善，可以实现密集数据生命周期有效提高，以全新的数据模型，为软件工程开发提供技术保障。有关部门需给予高度重视，使其能够适应未来社会的发展。

(四)软件工程技术在企业中应用

软件工程技术在企业中应用主要体现在两个方面，一是在信息通信中应用，二是在信息解决问题中应用。以某企业发展为例，某企业在运行过程中应用计算机软件工程监测技术，实现用户信息数据有效处理，并对用户信息进行科学保存。软件工程技术在逐渐发展中，其功能也在不断完善，信息通信功能可以为企业留存大量客源，具有十分巨大的行业价值。在信息解决方面应用软件工程技术，其主要应用方向在于系统平台管理，在大数据时代下，软件工程技术需具备以下五个环节，分别为产品抽样、产品样本采集、信息优化修改、构建数据模型、生产效果评定。企业应用软件工程技术进行信息问题解决，可以实现企业整体数据的有效分析与整合，保障企业内部信息准确、全面。所以。企业要重视软件工程关键技术应用，提高自身软件技术应用能力，致力于企业经济效益提高，进而提高自身竞争能力[2]。

结论：

总而言之，大数据时代在不断深入发展过程中，国家以及企业均需要给予高度重视，在软件工程技术开发上进行创新，并强化大数据时代下软件工程理论与实践研究，为企业发展提供更加优质技术服务。在未来发展中，软件工程技术将会越来越完善，其在技术上能给予用户更加优质服务，在信息处理速度与稳定性上均会得到极大程度提高。

参考文献：

[1]刘军.软件工程技术在系统软件开发过程中的应用[J].信息与电脑(理论版)，(11)：35-36.

[2]李锦华.基于计算机软件工程技术的数据处理系统设计研究[J].信息系统工程，2018(05)：28

篇2：大数据时代下软件工程关键技术研讨论文

关键词：大数据时代;信息处理技术;群体软件工程;密集型数据

引言：互联网技术的兴起和计算机科学技术的革命为社会打来了新颖的技术：大数据。从此人们的生活方式和生活理念发生了翻天覆地的变化。以下是对大数据时代下软件工程关键技术的讨论。

一、众包软件服务工程技术

第一，众包软件服务的创新发展形态。众包软件服务工程在国际上重视密集的数据处理，尤其是在线服务过程中产生的数据。如何将这些密集数据进行分析和评价是当前软件工程师所要研究的重点内容。需要从服务方到服务的开发方和运营平台管理方。这些流程中充满了离线密集型数据和在线流量数据。众包用户的在线数据可达到PB级别，在线沟通的数据可以达到TB级别。直接推送的这些密集数据对软件服务有着重要的影响。第二，开发和生产运营管理。密集型数据本身对它们的动态分布形式和价值隐藏等都是大数据的原始形式。从根本上来说缺乏内容含义和语义化单位矢量。要想在研究中有所创新，就需要将思维和研究方法当作研究主体。大数据所在的主体兼具制造并传播密集型数据的功能以及负责消费者和群体运营的功能。将群体的智慧进行汇集形成专业化的知识。并及时处理相应的信息同时进行软件工程的推送。

二、软件服务功能和群体软件工程技术

面向服务的软件工程发展越来越迅速，它以服务为建设目标再具体的实践应用过程中需要面对具体的需求进行相应的调整。维护软件工程主要可以借助虚拟化管理手段。这种手段既可以对软件进行虚拟化使得操作性得到一定的强化，同时又能解决分布和动态变化等问题。同时，该技术也在云计算和大数据等领域应用广泛。软件工程师可以通过网络进行数据共享和学术交流，并进行软件的合作开发计划，结合用户的数据和反馈信息设计出满足用户需求的、性价比高的软件系统。现在的软件开发系统中比较成功的是开源软件，也是学术研究的重点。遗憾的是现在的常规研究方法没能取得突破性的.进展，部分学者尝试用社会网络进行数据分析，并取得了一定的收效。同时开发组成员中外围开发的人员相对较多，模块化的特点较为突出。而且群体软件工程的发展趋势越来越明显，更多的提倡众包形式的开发，因此，众包可以解决大多题。

三、密集型数据科研第四范式技术

数据密集型科研第四范式在首次提出，它表明在进行数据的研究整理时，需要建立一定的理论和研究方法，重视大数据储存应用的重要性。在实践中对传统的第一、二、三范式研究方法的缺陷进行了分析和改进。认为绝大多数的软件没有能在短时间进行有效存储的能力。我国在在对大数据进行研究时发现，不应仅仅局限于计算机的模拟系统，需要加入第四范式来进行对数据的分析。这是由于密集型的数据所要求的研究方法和以往有显著区别。需要在研究方法和思维方式进行一定的改变。因此要建立科学的第四范式，建立完整有效的体系后在转变为第三范式。同时，在对第四范式进行建设的过程中，首先需要对大数据的软件服务价值进行彻底的分析，此时要避免采取原有的分析方式。要从数据和模型的过程变为数据、知识、价值服务的第四范式[1]。

四、计算机信息处理技术

大数据的特点是结构复杂和容量大。在大数据时代下，它比传统的数据形式相比，能更好的联系不同的数据。这些关联的结构特点让计算机信息处理技术难以发挥预期效果。计算机网络由于建立在硬件基础上所以具备着一定的局限性。对互联网的发展造成了一定的制约。所以，这需要相关人员进行技术的更新和对计算机网络架构的创新，从而实现大数据的有效处理。计算机网络需要研究更加开放式的网络传输功能和结构，这要求把计算机的网络处理系统和硬件分离，然后定义特定的网络结构，推动软件朝向更完善的方向发展。

五、计算机软件技术在发展过程中的应用情况

很多企业利用计算软件实现各种功能，除了基本的客户信息资料获取之外，还要对企业工作风险进行分析和评估，统计公司工作人员的流动性问题。在大数据时代下，企业数据开发要经过一个较为复杂的过程。第一，抽样，所谓抽样就是在公司想有的产品中选取出代表性的产品作为样本;第二，开发，开发就是要求公司对相应的数据进行导入、选择、合并等需一系列的处理步骤;第三，修改，修改就是指在数据开发的基础上，对数据进行有效的的选择和创建，保证数据的合理性，需要注意的是，在修改过程中不能够排除产品的编码和变量等内容。第四，模型，模型的主要作用在于对企业决策进行预测，根据具体的数据设计形成不同的模型，保证预测结果科学准确，验证企业决策、方案的可行性。第五，评定，就是将其和模型进行对比，以此通过数据分析和整合，保证信息的准确性。

总结：总而言之，大数据的时代已经到来，社会的各个领域都不同层次的渗透大数据的思想，并积极的进行着软件技术的创新应用。因此大数据将为社会带来巨大的变迁。

参考文献：

[1] 沈海波，周如旗，朱雄泳.大数据时代软件工程专业建设的思考[J].计算机教育，(23)：98-100.

[2] 何雷. 大数据时代下软件工程关键技术探究[J]. 信息系统工程， (2)：47-47.

篇3：大数据时代下软件工程关键技术研讨论文

1 大数据时代下的软件工程服务工程和群体软件工程

在软件工程的发挥在那中, 近几年来面向服务的软件工程越来越多, 即软件服务工程。以服务为建设的基本原则, 根据实际需要进行变化, 通过分布式的应用和互操作性虚拟化管理对对软件工程进行维护。通过这种方式, 能够有效将网络中的软件虚拟化, 强调互操作性, 解决分布、动态变化情境下和异构环境下数据, 解决的系统集成和协作的问题。在多个新兴领域中得到广泛的应用, 例如云计算、移动互联网、大数据等。

随着网络化、服务化的大环境, 软件开发也逐渐变得开放, 通过信息共享、学术交流, 进行协同开发合作, 在用户评价的基础上建设性价比较高的软件。其中, 开源软件是目前较为成功的软件习作模式。因此, 开源社区中的合作模式、结构等, 也是学术界的研究重点。但是, 常规的研究方法并没有较大的突破, 一些学者开始使用社会网的方法对数据进行分析。发现在一些规模较大的项目中, 开发组的结构逐渐从核心成员趋向外围开发者, 并产生了更多模块化的特征。

除了开源软件具备一定的典型性之外, 群体软件工程中更提倡的是建立在众包基础上的开发方式。众包是一种分布式的解决方式和生产模式, 无论是开源软件还是其他的商业软件都可以通过网络进行责任分配、提出创意或解决问题等。因此, 在进行软件设计时, 无论哪个阶段, 都可以通过众包的方式对重难点问题进行分析。

2 众包软件服务工程中的大数据

在软件服务工程中会产生大量的密集型数据, 包括历史密集型数据和流式密集型数据。目前国际上已经有很多学者在关注众包软件服务工程中出现的密集型数据和流式数据, 尤其是在线服务。如何将密集型数据的分析、价值、平台、基础设施等作为服务, 是目前大数据时代背景下软件服务工程的核心问题。从众包软件服务工程来看, 不管是服务消费方、众包服务开发提供方, 还是平台管理和运营方, 都有着离线密集型数据和在线的流式密集型数据。这些数据的传输直接决定了软件的服务寿命, 和众包软件能否进行良好的开发协作、正常运行管理有着重要的关系。这些密集型数据, 本质上仅仅对内容的数量进行了描述, 但是并没有标注出内容的特点, 缺少语义化单位矢量。因此在对密集型数据进行分析时, 不仅仅要对原生数据进行分析, 还要对密集型数据的主体——数据所属领域的专家进行分析。以知识为核心, 对密集型数据进行分析, 保证软件服务的寿命。

3 密集型数据科研第四范式

在2007年, 吉姆·葛雷提出了数据密集型科研发现“第四范式”的愿景。提出在进行密集数据的研究时, 要建立统一的理论和研究方法, 强调了大数据存储在计算机发展中的重要性。在实践研究中, 传统的一、二、三范式的研究方法难以对密集型数据进行有效的分析, 目前大多数的软件也无法在短时间内将这些信息进行有效的存储、管理为有效的服务信息。我国有学者在2012年, 在进行大数据方面的研究时, 不能仅仅局限在计算机模拟, 即第三范式中。要建立独立的科研第四范式对密集型数据进行研究。其主要原因是密集型数据所需的研究方式和传统的研究方式有较大的区别, 不仅要在研究方式上进行转变, 还要转变思维模式。在进行研究时, 首先要建立科学、完整的第四范式, 当有了完整、统一的理论体系之后再逐步转变为第三范式。因此, 在进行大数据的研究时, 首先要确认第四范式的方法以及结构, 并对存在的关键性问题进行分析。

在对第四范式进行研究建设时, 首先要对大数据整合驱动的软件服务价值进行分析。在对密集型数据进分析时, 传统的数据生命期信息学流程已经难以适用, 无法对大数据进行有效的模拟。要由原本的数据、信息、模型、模拟推演的过程逐渐转变为数据、信息、知识、价值服务、策略意义的第四范式模型。在全新的研究模式中, 要对数据整合驱动、需求度量价值、情境约束等进行分析。其中, 知识及价值服务是整个研究的基础和重点, 要针对密集型数据整合服务领域, 对密集型数据将的处理、管理、分析、应用等多个方面进行研究, 建立统一的理论体系和研究方法, 提高密集型数据生命期信息学流程驱动软件的服务生命期, 对目前第四范式建立存在的问题进行针对性的解决, 适应大数据时代的发展。

4 结语

在大数据时代下, 软件工程的发展涉及到多个领域, 需要具备高度的专业性和实践性。在软件工程中, 要在实践中进行研究, 而不是在研究中进行实践, 核心在于如何对传统的软件理论进行创新突破。在其中就涉及到有关大数据第四范式的理论和研究方法的问题, 如何将其和第一、二、三范式的理论、算法、技术标准等进行融合。大数据在最初提出时具备三种特征:体量、增速和多样。随着时代的不断发展, 大数据的特征也越来越多, 如价值、真伪性、可证性、可变性等, 对软件工程的发展有着重要的影响。在软件工程的研究中, 要不断的创新传统的软件技术, 解决限制软件工程发展的客观条件, 结合互联网的发展, 对大数据时代下的密集型数据进行有效的处理, 促进行业发展。

摘要：随着社会经济和科学技术的不断发展, 我国已经开始进入大数据时代。对信息的处理和掌控能力是国家是否强大的标志之一。大数据下不仅需要描述大量的数据, 还对数据的处理速度提出了更高的要求。本文对大数据时代下的软件工程关键技术进行了分析, 旨在促进我国软件工程领域的发展, 提高我国综合国力。

关键词：大数据,软件工程,关键技术

参考文献

[1]韩晶.大数据服务若干关键技术研究[D].北京邮电大学, 2013.

篇4：大数据时代下软件工程关键技术研讨论文

2.1 大数据数据库的特点

传统的关系数据库，从其创立至现在，长期占据数据库的绝对统治地位。但是，数据挖掘、商业智能和可视化技术的发展，特别是它们处理非结构化数据的能力，动摇了传统数据库的牢固地位。于是善于处理非结构化数据的种种数据库工具大量产生，这其中必须优先提及的便是NoSQL（意为Not Only SQL）及NewSQL（意为New SQL）两大数据库阵营。

现在随着大数据时代的到来，由Carlo Strozzi开创的NoSQL以其技术上的先进性、方便性得到了越来越多的认可。NoSQL改变了数据的定义范围，其“数据类型”可以是文本、图片、影像、网页，也可以是整个文件；NoSQL数据库是非关系式的、数据间的关系更加复杂、多样，类型和相互关系具有多种扩展可能、存储方式也多采用分布式结构。经过十多年的发展，NoSQL取得了成功，采用NoSQL技术的产品也不断增长，目前NoSQL网站上（NoSQL-database.org）已经收集了150余个相关产品，人们也把采用类似NoSQL结构和原理的数据库统称为NoSQL数据库。

最初NoSQL有意排斥关系数据库的ACID规则和SQL特性（后发现其弱点又在一定程度和一定范围内支持数据的一致性要求和SQL特性）。NoSQL坚持分布式领域的CAP理论，CAP的含义为：

Consistency，一致性。数据一致更新，所有节点访问同一份最新的数据副本；

Availability，可用性。对数据更新具备高可用性；

Partition tolerance，分区容错性。能容忍网络分区。

CAP理论主张任何基于网络的数据共享系统，都最多只能拥有以下三条中的两条。而这种“三取二”的法则以及具体理解与执行的争论就一直存在。想同时满足三者，或者过分强化割舍三者之间联系均会破坏数据系统的效率和效果。32岁便获得加州大学伯克利分校终身教授的Eric Brewer提出了BASE理论（Basically Available， Soft state， Eventually consistent；基本可用、软状态、最终一致性），它用一种更注重可用性、更便于理解的方式解释分布式系统的特点。

NewSQL注意到关系数据库的灵活性不足、数据库互锁机制效率低下的特点，同时也意识到NoSQL不支持SQL所带来的不便，它采用了一种近似折中的方案，既支持SQL并保证一定程度的数据一致性，同时也提供NoSQL数据库的非关系数据处理的扩展功能，因而从产生之初便受到业界的喜爱，相关产品不断涌现。NoSQL和NewSQL常见产品及其分类情况如图所示。

2.2 NoSQL及其发展趋势

在NoSQL潮流中，最重要的莫过于Apache基金会的Hadoop。它是一个领导者，是一个典型的分布式文件系统，是一个开源系统。用户可以在不了解分布式底层细节的情况下，借助Hadoop开发分布式程序，它取得了成功，成为分布式数据处理界的巨兽（Hadoop的Logo就是只大象）。 现在甚至出来了“无分布不Hadoop”——每个传统的数据库提供商都急切地声明支持Hadoop。关系数据库的传统霸主Oracle公司也将Hadoop集成到自己的NoSQL数据库中，Microsoft、Sybase、IBM也加入了收纳Hadoop功能的竞赛中。

第二位领导者，MongoDB，是一个成功的文档处理型数据库系统，它被称为“非关系式数据库中最像关系式数据库的产品”。MongoDB查询功能强大，特别适合高性能的Web数据处理。

Cassandra是这个领域中的一个另类产品，它兼有键值数据库和列值数据库两者的长处，它的查询功能很优秀。虽然运行Cassandra集群难度较高，但它升级后的分析能力使得很多人感到惊讶。

Redis也是相当好的一个产品。对故障恢复的良好支持以及使用Lua的服务器端脚本语言是明显区别于其他软件之处。使用Lua确实带来了一些震动，因为更多的人喜欢和习惯JavaScript服务器端语言。但是，Lua是一个整洁的语言，它并为Redis开启了潘多拉盒子。

CouchBase在可扩展性和其他潜在因素，使其看起来是一个很好的选择，尽管Facebook以及Zynga面临着关键开发者离开的风波。CouchDB会变得更好抑或相反？只要数据库做得好受众就会欢迎，现在看来，它确实做的很好。

还需要提及的是Riak，在功能性和监控方面它也有了巨大的提升。在稳定性方面，它继续得到大家的赞美：“像巨石一般稳定、可靠且不显眼……”。Riak 数据模块化方面做得很有特色。

在图中，涉及了多个维度：关系型的与非关系型的、分析型的或操作型的、NoSQL类型与NewSQL类型的。最后的两个分类中，对于NoSQL有著名的子分类“键值类数据库、文档数据库、图存数据库和列存数据库。对于NewSQL本已建立“存储引擎、簇享数据、云服务”等类别。

最初，NoSQL破坏并引以为荣的特点是它不满足ACID（原子性、一致性、隔离性和持久性），这是它的优点，也是其问题所在。据美国Forrester的统计数据，在企业中的业务数据将有25%是结构化数据。无论是传统企业，还是引领技术潮流的大型网络公司，其数据库体系中都不可避免的共存着传统的结构化数据（如用户的标准信息，数据库元数据信息等），也存在着图片、视频、文档或网页等非结构化数据，所以关系数据库与NoSQL数据库并存将是数据库技术发展的基本面。另一方面，关系数据库、NoSQL和NewSQL都充分认识到了对方的长处和客户需求，每一个新数据处理技术都在“拼命地集成”其他范围数据库中的特性。NewSQL系统实现NoSQL的核心特性，而NoSQL越来越多地试图实现“传统”数据库的功能如支持SQL或在一定范围内“有保留地支持ACID，至少是可配置的持久化机制”。

篇5：大数据时代下软件工程关键技术研讨论文

2.1教学内容的改革

1)教学内容的设置要紧密贴合行业和技术发展。大数据时代，软件工程专业教育必须适应软件行业和大数据行业的需求，关注大数据系统的建设问题，在大数据统计软件、程序设计、数据库系统等方面对学生进行训练，以满足大数据系统建设与应用的需要。目前行业使用较为广泛的大数据平台是基于Apache开源社区版本的Hadoop生态体系，阿里巴巴、腾讯、百度、网易、Facebook、Twitter等国内外大名鼎鼎的互联网系统的存储及数据处理基本都采用Hadoop生态系统。软件工程专业课程设置应该在原有经典课程体系中加入Hadoop生态系统中使用最为广泛的HBase、Hive、Zookeeper、数据交换、大数据查询、大数据项目实践等核心内容，以电商后端数据贯穿整个课程项目。真正的大数据课程需要有分布式的实验环境支撑，为了达到良好的教学效果，还应该建立拥有大数据实验平台的大数据实验室，供学生完成专业学习和实验。

2)教学内容的设置要与企业的实际需求接轨。在大数据时代，创新型人才是稀缺资源，企业需要员工不仅具备扎实的基础知识和专业理论知识，还具备较强的动手能力以及对新知识、新技术的学习能力和对新产品的开发能力。因此，课程的教学应与企业真实需求接轨，通过融入大量企业实践案例，全方位提升学生解决实际问题的能力。为了确保课程的教学内容根植于企业的真实需求[4]，教师可采取以下4种方式：①作充分的市场调研，了解各大企业真实的岗位需求;②定期到企业技术需求部门走访交流，获得企业人才与技术需求的第一手资料;③邀请知名企业技术总监与学生交流，现场了解企业人才需求;④回访在应聘过程中遇到困难的同学，了解他们遇到的问题，寻找解决方法，及时调整课程教学内容;⑤聘请知名企业优秀的技术专家尤其是企业大数据高级软件工程师授课，这些技术专家来自一线，有丰富的实战经验，非常清楚地知道学生从事与软件和大数据相关工作需要掌握的.知识与技能，这些经验是学生应该学习的精华。

2.2师资队伍的改革

大数据时代，学校需要不断增强师资队伍的实力。软件工程专业的教师不仅需要扎实的理论基础、较强的实践能力和丰富的开发经验，而且需要熟练掌握目前软件项目开发和设计的新技术、新标准。提高师资团队水平可以采取以下几种方式：①轮流选派教师到知名企业实践交流，让教师实际参与企业的项目开发，以便教师能充分了解企业对技术和人才的需求，在教学中引入真实的企业项目和案例，不断调整和更新教学内容，积极主动地培养适应企业需要的人才;②选派教师参加大数据系列课程培训，全面掌握Hadoop的架构原理和使用场景，从产学研角度推进大数据技术的进步与发展。

2.3教学方式的改革

1)改革实践教学方式。

(1)改革实验环境和实验平台。企业在开发、测试、部署实际项目时需要有特定的软件环境。在实践教学过程中，不但要让学生熟悉这些环境，还要特别注意在实际工作中容易出现的各种问题和错误，找到相应的解决方法。为此，教师应该在校内搭建真实的实验环境，采用企业项目案例进行实践教学。真正的大数据课程需要有分布式的实验环境支撑，基于Hadoop搭建大数据实验平台，给学生提供大数据分析、储存、管理的实验环境，让学生掌握Hadoop中HBase、Hive、Zookeeper等关键技术并熟练掌握数据交换、大数据查询、大数据项目实践等核心内容，在此基础上再结合真实的电商企业数据，培养学生分析问题和解决问题的能力。大数据环境下，传统的实验室无法满足教学需要，需要构建云环境下的虚拟实验室，结合云计算和虚拟技术，打破时空限制，为学生提供开放的实验平台，让教师和学生随时随地都能访问和使用实验资源[5]。

(2)加强校企合作。当前，解读大数据已成为时代的任务，利用大数据是时代的机遇。高校和企业虽然担任着不同的社会角色，但是同样肩负着推动社会进步的历史使命。为了更好地促进软件工程专业人才与社会人才需求接轨[6]，与企业紧密合作将更加有利于以理论促进技术，以技术推动产业，实现高校提高教育质量，企业提升产业效益，校企共同谋求人类福祉的长远发展目标。学校拥有大量的人才资源，企业拥有真实的环境和数据资源，学校和企业合作可以为学生提供真实的社会实践机会，一方面可以培养学生的实际操作能力，令学生学以致用;另一方面可以令学生通过企业实践深刻体会企业的需求[7]，促使自己更有目的地学习，激发学习兴趣，提高学习的动力。通过实践还可以培养学生的团队协作精神，帮助学生毕业后更快地融入企业的工作团队。企业在学生实践的过程中选拔优秀人才，树立企业形象，宣传产品，实现校企双赢。

(3)建立在线教学平台。为了让学生充分利用课余时间学习，教师可搭建适合软件工程专业教学的在线教育平台[8]，实现如下功能：①学生留言。学生可以随时向教师留言提问各种问题，并且其他同学也可以看到这些问题以及教师的回复。②在线交流。学生可以利用在线交流平台适时和教师进行交流沟通。③在线微课程。教师将课程内容全部划分成微知识点，录制成微课程，通过考试检测学生学习知识点的盲区;学生通过在线微课程查漏补缺，弥补上课学习的不足。

2)引入分层教学理念。与IT行业其他领域相比，大数据更需要复合型人才。在软件工程相关学科的基础上，具备数学、统计学等专业知识的毕业生在大数据领域有广阔的就业前景[9]。由于学生入学时基础各不相同，同时还存在学习水平和学习能力上的差异，为了达到更好的教学效果，可以采取分层教学方法：软件工程专业学生在经过一年的基础理论知识学习之后，通过分层考试，结合平时的学习状况，分成精英班和普通班;成绩优异的少数学生分到技术较难的大数据高级软件工程师精英班，其余的学生进入软件工程普通班学习。精英班除了学习普通班的软件工程和大数据基础课程之外，还增加Hadoop企业级应用开发技术、Hadoop项目规划部署与企业管理等专业和实践性较强的课程，目标就是培养优秀的大数据软件工程师。

3结语

大数据时代给现有的软件工程技术和软件工程专业教育带来了一系列挑战，高校软件工程专业教学的变革是必然的，培养系统掌握大数据技术的软件人才是软件工程专业改革的趋势。笔者从教学内容、师资队伍、教学方式3方面提出切实可行的软件工程专业教学改革方案。大数据时代背景下，软件工程专业教学改革需要从方方面面入手，循序渐进，最终培养出适应大数据时代需要并能真正为企业和科研作贡献的专业人才。

参考文献：

[1]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,,50(1):146-160.

[2]MinnesotaM.Bigdata:scienceinthepetabyteera[J].Nature,,455(7209):1-136.

[3]李国杰,程学旗.大数据研究:未来科技及经济社会发展的重大战略领域:大数据的研究现状与科学思考[J].中国科学院院刊,,27(6):647-657.

[4]赵毅,朱鹏,迟学斌,等.浅析高性能计算应用的需求与发展[J].计算机研究与发展,,44(10):1640-1646.

[5]张建勋,志民,郑超.云计算研究进展综述[J].计算机应用研究,,27(2):429-433.

[6]王龙,侯爽.从开放教育资源到开放评估资源:访美国开放教育资源知名学者戴维威利博士[J].开放教育研究,,17(6):4-7.

[7]张永强,张墨华.应用型本科软件工程专业的集中实践教学[J].计算机教育,(12):81-84.

[8]周清平,王晓波,徐洪智,等.平台化思维模式助推高校软件工程专业综合改革[J].中国高等教育,2015(8):58-60.

篇6：大数据时代下软件工程关键技术研讨论文

作者：叶巧蕊

于2017年4月发表于《中国信息技术教育》

本文着重分析了高中信息技术教学中的发展问题和发展条件，并结合作者的教学应用来分析当前教师应如何挖掘高中信息技术教学中的“大数据”，为以后高中信息技术教学发展作参考。

一、大数据在高中信息技术教学中的应用与优势

1、大数据的应用现状

当前的“大数据”概念对高中信息技术教学的影响还比较小，很多教师在教学过程中还未产生真正意义上的深度融合，一些“大数据”的应用也未能有效地在教育教学中铺展开来，从而制约着当前高中信息技术教学的发展。

2、大数据的应用优势

“大数据”全数据模式下的总体信息处理能力，极大地提高了教育教学中的信息铺展面，并从样本的研究转向为系统化的总体研究。事实上，大数据的创新，将更为直接地剖析信息技术教学中的问题和现象，深化高中信息技術教学。[1]

二、高中信息技术教学中的大数据

1、教学资源数据

面向“大数据”，信息技术教师教学时能够更加灵活、全面地汲取互联网信息，并通过开放的多样信息库，获取丰富的教学资源数据。同时，教师利用“大数据”能够建立起教育教学过程的数据信息分析，产生更为科学、全面的教育教学过程分析结果，形成自产型教学资源数据。这样，教师在进行高中信息技术教学的过程中，既有了外部信息资源数据进行支援，又有了内部自身的教学信息资源数据作为支撑。这能完善教育教学过程中的教学资源数据需求，产生更加有益于教学质量提高的信息链条。

2、学生信息数据 在教学活动中，教师按照学生自身的学习信息构建学生信息数据，动态地呈现学生自身参与信息技术教学过程中存在的即时性信息，这也是高中信息技术中所能够利用的“大数据”。这一类数据不仅可以反映出学生的学习进度、学习状态、学习问题，还能结合当前教师的教学进度、教学安排、教学内容等，进行科学的个体性调整，及时产生综合全面的个体报告，让教师能够及时有效地掌握学生的信息数据。

三、大数据对高中信息技术教学的影响

1、利用大数据开展个性化、定制化教学（1）个性化教学

“大数据”能够构成基于学生信息数据的多维度动态化信息数据库，在这一数据库的基础上，学生能够更加自主地接收到适合自身学习状况的个性化教学方案，弥补当前自身学习的不足。在教学中，教师可以依据“大数据”分析当前学生完成项目需求的具体情况来构建下一步的教学计划，施行针对具体学生完成情况而设定的教学。

（2）定制化教学

“大数据”构建的数据信息库，能够基于当前的综合信息给出较为精准的前瞻性判断，也为定制化教学和教学引导提供了可能。这意味着学生在学习研究过程中的表现，被“大数据”技术进行积极主动的拓展性分析，并能够结合具体的信息处理感应拟定相关的定制化教学方案。这解决了当前高中信息技术教学中固定标准、统一进度、时间有限、内容重复铺设和教学的发展问题。

2、利用大数据实现优质资源共享（1）构建免费共享的学习资源库

“大数据”一方面降低了资源库建设的成本，另一方面引入互联网、物联网、三网融合等技术，在建设构成学习资源库时，就已经面向开源的数据源，构成了具有很高开放度的信息资源库，并在应用信息、处理信息、反馈信息的过程中，实现学习资源库的建设和拓展。这意味着在未来的信息技术教学中，整个教学过程也将作为学习资源数据库，构成免费共享的学习效果、学习反馈、学习研究模式的学习资源库。[2]（2）实现多学科交叉的资源共享 “大数据”不只局限于高中信息技术教学中，更能够将信息技术应用发散到多学科交叉的资源共享中。在进行高中信息技术教学的过程中，教师通过“大数据”的信息处理，能够服务于多种综合学科的信息处理问题，如应用于数学统计、几何学图形化处理、历史资料信息索引等的建设，并在完成高中信息技术教学的过程中，利用“大数据”结合多学科的信息资料和数据资料，完成这些多学科交叉的资源共享，实现综合利用开发。

3、利用大数据打造学生成长和终身发展的平台（1）构建信息技术学习的平台

作为接触开放信息技术学习的主要课程，当前高中信息技术教学的主要发展目标就是基于“大数据”构建信息技术学习的平台，扩展开源的信息技术学习在线课程内容，通过共享，实现更为全面、强大、综合性高的信息技术学习的平台。

（2）展开网络协调合作学习

“大数据”的信息技术应用为学生在线完成网络协调合作学习提供了可能。今后，更为开放、全面、自主性高的学习模式将在开放性的网络教育平台基础上得以实现，学生将可以拥有更多类型、高层次的网络协调合作学习的机会。

4、利用大数据凝练学科核心素养（1）凝练核心素养

信息技术学科核心信息素养由信息意识、计算思维、数字化学习与创新、信息社会责任四个核心要素组成。学生利用大数据创建的学习的平台，可以创造性地解决问题，养成自主学习、合作探索、不断探究的良好学习方式。在此过程中，教师要不断运用“大数据”来校对学生的任务解决能力，实时反映学生的学习效果，激发学生的学习兴趣，提高他们的思维能力。

（2）实现教学评价

开放、全面、综合性高的信息反馈，能够促成师生更为全面、综合地完成对教学活动的评价，通过“大数据”的信息链条，构成更加平衡的教学关系，使教学活动中的知识能力转化和教学目标的实现更为高效。

综上所述，“大数据”在当前的高中信息技术教学中具有应用优势，能够丰富教学信息资源，并且有助于构建全面系统的学生信息数据。“大数据”对高中信息技术教学具有促进个性定制化教学、提高优质资源共享、构建学生成长和终身发展的平台的作用。利用大数据分析可以比较全面地生成学生的信息技术知识与技能、过程与方法、情感态度与价值观等综合表现方面的数据，进一步为教学活动服务。因此，教师应科学地施行对高中信息技术教学中“大数据”的挖掘和使用。

参考文献：

篇7：大数据时代下软件工程关键技术研讨论文

随着信息技术和计算机网络的发展应用,网络信息系统在各行各业中的作用都越加重要起来。同时网络信息和网络系统已经逐渐深入我们每一个人的生活和工作之中,大到国家的安全建设,企业的生产发展,小到人们平时的生活起居,衣食住行都开始同化到网络信息系统之中来。根据中国互联网信息中心发布的《第31 次中国互联网络发展状况统计报告》显示:在2014 年中国的网络用户已经达到将近6 亿的规模,各行各业也已经明显的开始普及和应用网络信息系统来实现互联网时代的全新经济发展模式。在我们的日常生活中,网络应用开始成为人们最快捷和便利的一种全新生活方式,电子购物、网上银行、旅游网站、视频网站以及网上论坛等等,这些网络信息系统涉及到人们生活的方方面面,也包含了人们非常重要的个人信息和经济财务信息,所以网络的安全性就显得尤为重要了。

1 数据网络安全风险评估技术研究的重要意义

网络安全风险评估技术其实是一种综合全面的预测技术,网络是呈现动态的发展变化趋势,各种入侵检测和安全防御系统只是对已发生网络安全危险的处理手段,对于网络信息这个时刻变化的安全环境,更重要的是通过风险的有效评估技术来研究未来网络安全中潜在的风险,这样才能对各种隐患威胁提前防御,防患于未然。预测未来的不确定事件是人类一生都在研究的重要课题,其实确实是这样,减少危险隐患最关键重要的事情就是预测和评估,所以做好网络安全的风险评估预测意义重大,任重道远。大数据时代,将数据运用到对网络安全风险的评估预测技术之中有着全新的时代意义,数据的统计和整理可以对网络安全风险有个全面的了解和掌控,以历史的数据作为网络安全风险数据库基础,利用相关的预测评估技术来合理预估未来的网络安全隐患,这样的预估评测就更具有真实性和准确性,因为数据是最精准的趋势反映。以数据为重要的基础的网络安全风险评估技术适用于各种网络信息系统,每一个网站可以检测到和测量出的具体情况比如点击率、浏览量、木马类型、攻击次数等等这都是数据指标,在大数据技术有效运用之前,对于这些数据指标研究人员可能只作为一个客观的评估标准,但全新的预测评估技术会有效的利用这些数据指标,以数据为基础来更加科学合理的进行估计。理论上来说,网络安全风险评估关键技术结合数学方法对网络实际情况的已有数据进行研究分析,寻找数据的变化走势和规律方向,进而对未来网络的安全态势做出重要预测,在隐患和安全威胁发生之前进行有效应对,防患于未然,这样的技术数据体系是非常实用和准确的,这种全新的数据网络安全风险评估技术的研究也是有着重要的现实价值和意义的。

2 数据网络安全风险评估的标准

网络信息安全的风险评估和预测是有着相应的标准和方法的,要具体依照相关网络安全的技术要求和管理标准对网络信息系统和系统内储存的重要信息的保密性、完整性和可用性等安全属性进行合理预估评价。网络安全风险的评估的标准要求有五个主要方面:第一,真实性。要全面掌握和统计到网络信息的有效数据作为评估预测的基础,同时还要分析网络数据和信息的渠道来源,过滤掉虚假伪造的数据信息。第二,可用性。要时刻保证网络信息系统的安全可用,对潜在的危险隐患在不妨碍正常使用的情况下进行解决处理。第三,保密性。网络安全风险评估预测的整个过程因为牵涉到许多私密的数据信息整理,对于整个流程一定要确保机密信息不被窃取和不能丢失,整个对信息数据的处理过程要格外注意安全和保密。第四,完整性。因为数据网络安全风险评估是以数据为基础的预测技术,所以一定要保证统计数据的一致性和完整性。第五,不可替代性。数据网络安全风险评估关键技术是对网络未来安全态势的重要唯一评估预测技术,有着很重要的价值和意义,一定程度上说这种技术具有不可替代性。

3 数据网络安全风险评估的关键技术

3.1 安全风险数据库的设计实现

全新的网络安全风险评估基础是建立风险信息的数据库,因为数据库里面存储、输送、获取到的网络安全信息是下一步评估预测中重要的测评基础,如果数据不够全面真实准确,那评估预测的结果也必将失去实际意义。以往的网络安全风险评估也会运用到一定的数据处理,但数据的收集整理没有真正的被重视起来,更没有建立系统正规的数据库来储存分析和整理数据,这样评估预测到的网络安全态势还是会有很大的失真性。全新的安全风险数据库采用B/S(Brower/Sever,浏览器/服务器)三层模式建立。这个数据库由四个终端服务器共同实现解决网络信息数据获取收集,浏览器、Web服务器、应用服务器和数据服务器全面对网络信息系统中的历史数据进行有效收集,这样就实现了更大程度上的信息数据共享,拥有良好的灵活性和可扩展性。四个服务器还会共同维护整个数据库系统的正常运营,比如数据库系统发生变化时,应用服务器就能暂时替代客户端数据系统的部分功能来实现数据库对数据的正常处理和统计。同时,安全风险数据库系统还使用防火墙技术来保证数据库系统在对机密数据进行统计整理的过程中不会受到外部的网络非法入侵,也能有效阻拦数据库子系统在数据库信息重要处理时刻对外部的非法操作,确保了数据库系统极大的安全性。安全风险数据库的平台选择My SQL,这样数据库系统功能更强、使用简单、管理更加方便、可靠性和安全保密性也更高。安全风险数据库系统的设计实现是网络安全风险评估关键技术的第一步,也是最重要的基础,结合数据来分析评价网络安全态势的未来变化走势是大数据时代数据评估全面应用的一个重要方向,所以在对网络安全风险态势的评估体系中利用数据库技术来建立实现一个风险安全的数据库系统是未来评估预测模式的发展基础,以数据库来实现对网络各种数据信息的收集获取,接下来统计整理,利用这些历史统计数据进行科学合理的分析,从而更加精准的实现评价,这才是全新网络安全风险评估关键技术的重要一步。

3.2 危险评估模块技术的预测估计

有了大量数据作为评估基础,接下来就要利用计算机系统技术建立实现安全风险有效评估的模块。危险评估模块取样数据库系统上传的重要基础数据,在体系系统内用专业的评价检测模式对信息进行解读和重新录入,因素内的数据信息会结合IDS系统的历史入侵检测结果来综合分析审核,这样就会选择出隐患危险的数据信息来进一步进行统计趋势技术处理和日志库分析处理,最后得出网络风险安全态势的评价结果。对于预测分析的结果相关的工作人员会拿来与网络信息系统过去一段时间遭受安全入侵攻击或安全破坏的记录情况进行对比,再结合丰富的处理经验和技术方法对未来的安全隐患进行有效处理和风险规避。风险评估模块技术里面采用了层次化的定量和定性相结合的评估分析方法,对LAN、网络主机、网络运营服务器和网络主系统中心进行全面的评估预测,主要对各个系统部分的网络安全漏洞进行检测和预估分析,最后形成数据形式的分析预测评估表,直观的将结果呈现出来。

3.3 云安全检测技术

云安全检测技术是数据网络安全风险评估预测关键技术的最有代表性的数据技术,是云计算技术一个重要实现内容,体现大数据时代的网路信息特征。云安全就是结合云计算的数据处理方法来对风险预测评估模块得出的预测结果进行最后综合的检测分析,同时并行处理潜在的隐患安全、对未知的病毒行为进行判断、进行网络风险安全的云数据测算。云安全检测技术是利用大规模的网络客户端来检测网络信息系统的各个节点的异常行为,与危险评估模块对网络安全态势的未来分析进行数据比对,获取其中可能隐藏的木马、恶意软件等信息,对这些评估信息和风险隐患信息上传到云端计算中心进行云数据的分析和解决处理。利用数据技术来解决网络安全隐患这是全新的技术运用,以往数据对于研究工作人员来说最多只是分析处理的一个衡量测算指标,但全新的云计算数据技术可以利用数据实现对木马病毒和恶意网络软件的密码拆解和数据包破坏,从而解决掉这些网络风险安全的潜在威胁。这就是云安全检测技术的重要作用,它的具体实现机理是利用广域网的数据导向来实现云数据的计算基础,对危险评估模块的预测分析结果进行重新的云数据测评检测,对结果中的未来危险病毒进行云端的数据录入,记录下可能的数据代码,这样一旦危险发生,可以使用云数据进行快速有效的危险码解码和数据包拆除,当然云端还能通过数据的测算和编写来实现未来对危险的阻止进入程序实现,这都是云安全的重要的功能。

4 结语

网络安全形势日趋严峻的今天,有时当网络危险已经入侵和发生时再去寻求相应的解决措施会已经造成难以估量的实际损失,所以对网络安全态势的评估预测就是全新的方法和思路,结合大数据的有效营运,数据网络安全风险评估关键技术就是现在网络技术十分重要的研究热点和防线。全新的数据网络安全风险预测和云数据对潜在危险的高能解决会使未来网络安全评估和安全问题解决的主要发展趋势,这仍然需要我们进行大量的科研投入才行,这样才能长久而稳固的改善网络安全形式。

参考文献

[1]冯妍.网络安全风险评估系统的研究与设计[D].西北大学,2011.

[2]宣蕾.网络安全定量风险评估及预测技术研究[D].国防科学技术大学,2009.

[3]陈丽莎.大规模网络安全态势评估模型研究[D].电子科技大学,2010.

篇8：大数据时代下软件工程关键技术研讨论文

【关键词】大数据时代  初中教学  信息技术

【中图分类号】G633.67 【文献标识码】A 【文章编号】2095-3089（2016）32-0135-01

21世纪用信息引领当代生活，无论是社会团体还是个人都需要熟练掌握并运用信息技术。网络化已经成为各大产业的代名词，与人们生产生活紧密相连，网络电话、智能小区、网上银行等信息产业层出不穷，近几年特别呼吁建立数字化城市、数字化地球。这些都使人们看到：不掌握先进的信息技能，将难以立足信息社会。

1.大数据时代的特点

1.1数据快速增长

大数据时代最显著的特点无疑就是数据的飞速增长，以谷歌公司为代表，谷歌公司无时无刻都需要处理大量的数据，其数据总量超过了24PB。24PB有多大呢？24PB相当于104.8万多个GB，与美国国家图书馆所有的纸质出版物的数据量相比，谷歌公司每天处理的数据量是它的上千倍。由此可见，大数据时代数据的增长量十分惊人。南加利福尼亚大学安嫩伯格通信学院的马丁·希尔伯特曾经做了一项研究，该研究显示全球数据储存量在2007年就已经超过了300EB，把这个数据换算成GB就是3000亿个GB，所有的数据中有高达93%的数据为数字数据，并且随着时代的发展，数字数据还将会持续增长。

1.2带动互联网与行业发展的融合

大数据时代带动互联网与行业发展的融合，各行各业都以此作为新的商机，借助其发展寻求经济新的增长点和创新点，当然我们的教育行业也不例外，要知道大数据本身就与信息技术紧密相连，信息技术借助大数据的发展，可以丰富教学手段，不断推动素质教育的改革和创新。

2.初中信息技术教学问题

现代社会的进步与发展已经与信息技术紧密相连，信息技术成为最先进的社会生产力，并且还在不断的更新，不断地发展进步。而当代的初中生是祖国未来的希望，是民族发展的栋梁，所以必须要充分掌握和运用信息技术知识和技能，基于此，教育部门一定要及时更新和补充信息技术课程教材，可以让学生与时俱进的了解世界信息技术发展的信息，培养自身适应社会发展潮流的能力。但执行的结果却差强人意，很多初中使用的信息技术教材还是一成不变，不但没与科技发展接轨，更没有加强与大数据、云计算等前沿科学的联系，无法提供给学生有用的资源，不利于教学的发展。

3.基于大数据的初中信息技术教学策略

3.1 形成信息化的教学观念

传统的教学模式通常是一师多生，无法完成理想中的因材施教，更加无法去了解每一位学生的原有基础，做到逐一指导。在翻转课堂、MOOC课程以及微课堂的背景下，需要逐步优化教学观念，形成了一对一的人性化教学理念。通过 “人机一对一”教学模式，促使学生精力集中，状态饱满。同时，通过学习信息化管理平台，师生进行一对一的沟通交流，不断强化学生的学习质量，从而表现出大数据时代下教学模式的发展趋势。

2.2 耐心辅导，培养学生的自信心和兴趣感

学生在上机过程中出现问题是无法避免的，当然，问题的深浅度不一，初中生正值青春期，心里是比较敏感和脆弱的，一旦很难理解学习内容，就会失去兴趣和信心，反之，如果对学习内容得心应手，就会倍增信心，兴趣也就回来了。站在教师的角度思考，就是要耐心聆听学生提出的每一个问题，做到具体情况具体分析，并加以延伸，必要的时候要进行实际演示操作，使课堂氛围活跃起来。

2.3 分层次教学

截止到现在，我们国家对于计算机的使用情况，已经处于普及状态，很多学生的家庭都有进行安装，但是，也有一部分同学因为某种原因，没有接触过，这两种情况的出现，不利于初中的信息技术课程的统一教学。基础扎实的学生会因为讲课进度慢和乏味，逐渐失去原有的兴趣，无基础的学生会因为跟不上课程进度而失去学习的信心。所以，开展教学的时候，需要采用分层次教学法。教授新内容之前，需要进行相应的测试，对于基础较差的学生，需要按部就班的按教材学习，从易到难的操作计算机;对于那些已经熟练掌握教材上所要求内容的学生，只要做好本节课的随堂练习，就可以安排一些课外延伸任务，激发他们的学习兴趣;实践证明，这种做法提高了他们学习的积极性，在掌握新知识的同时，也提高了学生获取信息和处理信息的能力。

2.4利用FLASH动画创作教学

以弹球自由落体运动的Flash动画制作为例，笔者在教学实践中发现，虽然学生早在运动规律教学中已经掌握了运动轨迹的相关知识，但当学生借助Flash软件亲手实现弹球自由落体运动的时候，部分学生仍不会运用基本的运动规律，将弹球自由落体运动的Flash动画制作简单地处理成小球匀速下落后停止运动。这不是Flash制作水平的问题，而是动画思维缺失的问题。这就需要教师不断地启发和引导，提高学生的形象思维、抽象思维、灵感思维、假定性思维能力。

综上所述，我们进行学校教育的教师团队，一定要深入分析了解大数据时代的信息产物，认真总结存在的不足，从中吸取经验，做到从理论到实践应用的转化，尽可能运用好大数据技术，对学校现有的教学模式进行改革，发扬教学的多元化理论，不断提高教学的有效性。

参考文献：

[1]靖天中.《中小学信息技术课常见的误区》人民教育出版社网站.

[2]龙江华.大数据时代下初中信息技术教学研究[J].教育科学论坛，2016，10：54-56.

篇9：大数据时代下的安全技术分析

云服务要求部署正确的内外部服务组合, 以建立技术差异化优势。为了支持这一混合服务, 战略和战术应基于整个框架进行考量。云服务框架应能够推动实现联合、自动化云环境, 并提供客户端感知服务。基于云的创新可以从小型关键项目着手, 针对公有云、私有云和混合云系统地制定计划, 业务需求、投资回报 (ROI) 分析、安全需求和管制要求均应在决策中加以考虑。核心竞争力和竞争优势来源仍应置于安全的私有云中, 以便可以保持IT专业知识, 并能够在对业务至关重要的领域实现快速创新。商业化功能是Saa S解决方案的选项, 可以在内部部署, 这种混合方法可帮助云计算更加安全。云框架如图1所示。

2大数据时代下的安全技术

2.1云计算的安全保护技术

云基础架构和服务规划让企业有机会从各个角度重新审视安全保护能力, 增强云计算和非云计算的安全保护能力。 CIO应采取一种全面的方法, 避免片面化, 而转用端到端的多层方法, 策略、技术和控制应包括数据、应用、服务、终端设备和基础架构的各个方面。为了满足业务需求, 这些方法还应平衡主动安全性与灵活性和工作效率的关键需求, 并包括快速响应计划。鉴于威胁和攻击点的多样性, 云安全解决方案也应各式各样。Cl O应将安全保护作为整个解决方案堆栈中购买决策的一个因素, 并创建灵活的安全架构来应对不断演变的主机、服务、企业要求和威胁。开放式数据中心联盟 (COCA) 和云安全联盟 (CSA) 等组织开发了多种标准方法, 可以帮助建立一个开放、灵活的安全架构。

2.2云计算的管理技术

目前, 业界正在不断兴起一个趋势, 即将安全功能迁移至硬件, 以更好地抵御攻击。基于硬件的解决方案能够对在公有云中、私有云中或在客户端设备上驻留或移动的数据进行高速加密, 还可以建立可信的服务器池, 以运行敏感的工作负载, 还能够证明主机软件没有受到入侵。在使用外部云平台和服务时, 缺乏透明度成为企业的一个重要安全顾虑。 CIO必须与服务提供商合作, 以确保提供企业所需的透明度、 控制能力和审计能力。目标应完全透明, 支持IT团队能够如同在企业中一样, 实时、精细地控制云工作负载、安全保护能力和总体拥有成本。这种程度的控制力对于有效管理和满足合规要求至关重要。

2.3高效率客户端技术

消费化正推动IT部门重新考虑客户端计算战略。当今, 技术娴熟的员工已不满足于限制使用个人服务的一刀切式企业客户端或策略。如果IT部门不能快速提供所需的能力, 员工会找到自己的解决方案, 而这会增加管理挑战和安全风险。 然而, 消费化也带来了重要的创新机会, 可帮助提高员工满意度, 精简业务流程, 以及提高IT部门和最终用户的工作效率。云服务作为有效客户端战略的一部分, 能够帮助CIO实现这些目标, 同时最大限度地降低管理和安全缺陷。云计算的目标应是为使用者提供出色的灵活性服务, 让他们能够从多种设备访问企业资源, 以及从企业平台访问个人云解决方案。在数据中心, 云计算的动态边界使得更多系统暴露在外部威胁之下, 硬件增强的安全技术可帮助提高保护能力, 抵御部分威胁。在客户端方面, 借助硬件增强的安全保护技术和本地设备性能, 如客户端托管的虚拟化等基于云的方法能够加强保护, 让员工保持高效工作。除此之外, 环境感知服务能够应用各种不同的安全保护形式, 根据访问时用户的设备、状态和环境, 提供灵活的访问权限。

2.4现代化存储和网络技术

在许多企业中, 存储数据量和网络访问量的增长已带来严峻挑战, 而与此同时需求却仍在不断攀升。思科预测, 到2016年全球数据中心流量将增长四倍, 共计达到6.6ZB4。 云流量是增长最快的领域, 有四分之三的流量源自数据中心内的数据交换请求。大多数企业开始实施服务器虚拟化, 下一步将需要进行网络和存储基础架构的现代化和虚拟化。传统存储解决方案缺乏处理日益增长的云和大数据存储要求所需的性能和灵活性, 同时传统网络也无法支持云服务、分布式分析、更高的虚拟机 (VM) 密度以及其他因素所产生的I/O增长。通过实施支持存储和网络现代化与虚拟化的策略, CIO可以降低数据中心的成本、占地空间和能源要求, 同时实现支持云工作负载所需的速度、灵活性和可扩展性。分层存储架构有助于平衡成本与灵活性, 它将传统存储域网络 (SAN) 、海量存储、横向扩展存储平台和服务器连接固态硬盘 (SSD) 组合在一起, 可支持性能敏感型数据库和应用程序。

2.5数据中心安全架构

云计算的数据中心服务器转变成为安全解决方案堆栈的重要组成部分, 提供硬件增强功能, 可以减少数据丢失, 防御隐藏的恶意软件, 并可以完成其他安全任务。全新处理器和平台架构为IT部门提供了更大的灵活性, 使其能够根据云服务要求更好地匹配基础架构。要降低总体拥有成本 (TCO) 和避免片段化, 需要在一个统一的架构框架内部署这些异构技术, 这将使IT部门能够从专业化中获益, 同时保持一个一致、可管理的IT环境, 并增强业务灵活性。支持采用开放行业标准的策略, 同样可为企业带来助益, 可支持灵活地采用广泛选项组合基于云的创新与最佳外部服务。此外, 通过充分利用更大规模的开发人员的丰富经验, 制定基于标准的解决方案可帮助加快创新速度, 创建差异化服务。

3结语

目前, 随着互联网技术发展, 企业信息、个人信息等都可在网上实现运算存储, 但是数据存储往往存在很大的安全隐患。安全技术是云基础架构的基础, 因此, 要继续开发必要的功能, 采用端到端安全架构、多层分层处理方法, 不断采用新的架构和技术手段, 为企业的发展提供强有力的保障。 除此之外, 还要还要解决云计算存在的其他问题, 优化用户体验, 使云计算更加开放和安全, 用户可以根据自己的需要扩展云存储的内容。

摘要：随着信息技术以及互联网技术的飞速发展, 在大数据时代, 云计算的变革需要新的技能和态度, 要求更加深入地参与解决安全问题, 同时这一转变还要求围绕业务目标保证网络数据的安全性。云计算借助出色的灵活性、创造力和庞大规模的创新云服务, 其已从一种优化数据中心的方法快速演变为变革业务的主要途径。

关键词：大数据,云计算,安全技术

参考文献

[1]吴华芹.基于云计算背景下的数据存储技术[J].计算机光盘软件与应用, 2013 (7) .

[2]孟小峰, 慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展, 2013 (1) .

篇10：大数据时代下软件工程关键技术研讨论文

摘 要：每年边坡失稳给国家的财产和人民的生命安全带来巨大的危害，而合理的监测技术是边坡预防和治理的关键所在。但是目前的技术手段缺乏系统性和实时性，远远不能够达到良好的监测效果。物联网由于具有实时性、智能化、精细化等特点，近几年被广泛的运用到建设领域。大数据思想的产生是让人们如何重新认识数据，如何挖掘数据背后的价值。在阐述物联网和大数据的基础上，介绍物联网和大数据在工程监测上的运用，最后展望该技术在边坡监测上的前景。

关键词：边坡监测；物联网；大数据；展望

中图分类号： TP391 文献标识码： A 文章编号： 1673-1069（2016）18-158-2

0 引言

作為全球性三大地质灾害之一的边坡失稳塌滑严重危害国家财产和人民的生命安全。随着我国基础建设的大力发展，在矿山、水利、交通、建筑等各个建设领域将出现大量的边坡工程，这样不可避免的涉及一系列由边坡所产生的问题。因而要全面的认识边坡，从而达到有效的预防、治理边坡。其中，边坡监测是认识和治理边坡的关键，合理的监测是边坡整治的可靠技术保障。

目前，我国的边坡监测方法由过去的简易工具测量向自动化、精密化发展，其监测方法主要有简易监测法、设站观测法、仪表观测法和远程监测法[1]。虽然边坡监测手段众多，但是目前的边坡监测仍存在以下几个主要不足之处：①工作量大，消耗大量人力、财力、物力；②监测不够频繁，不能获得精确的边坡变化规律；③观测受外在因素影响，比如气候条件；④观测项目相互独立，不能将各种数据融合分析。

物联网技术是继计算机、互联网和移动通信网之后的新一轮技术革命浪潮[2]，它通过感知、通信和智能信息处理，实现物理世界的智能化感知、管理与控制[3]。物联网技术的兴起，为边坡监测提供全新的方法与手段。大数据是继云计算、物联网之后IT产业又一次颠覆性的技术变革，技术是大数据价值的手段，而大数据思想就是从很多“毫无关联”的数据中找到它们的相关性。这种思想类似于混沌理论，但是比混沌理论更为简洁的认识事物。对于由多种因素控制的边坡稳定性而言，大数据思想可以很好的发现边坡变化的相关性。

本文首先详细的介绍物联网和大数据的概念，在此基础上再介绍国内外物联网技术在边坡监测上的应用，最后指出目前物联网技术存在的一些不足之处并提出相关的解决办法。

1 物联网概述

物联网，简单的说就是实现物与物相连接的网络。其实现途径是通过装置在各物体之间的传感设备，比如有射频识别（RFID）装置、二维码、红外线感应器、全球定位系统等。传感器把收集起来的信息通过网络传送到信息承载体（云计算平台），然后实现人与物之间的智能化感知。

2 物联网技术构架

从物联网的概念可以得知，物联网的实现应该具有三个要求：①全面感知；②可靠传递；③智能处理。从技术层面上讲，即感知层、网络层和应用层。

感知层作为收集物体信息的来源，它的多样化与否直接影响到识别物体的准确性和全面性，感知层由各种传感器组成，有温度、湿度、二氧化碳浓度传感器、摄像头、GPS、RFID等等。这些传感器将从不同角度去识别物体。

网络层由互联网，私有网与云计算平台构成的，负责传递数据。其中云计算平台是其核心组成，它可以实现海量信息的智能处理。

应用层就是针对不同行业的各种应用，提取出同专业的信息并进行数据整合，达到智能化应用。

3 物联网的特点

从物联网的概述和技术构架可以看出，物联网具有如下特点：①实时性。它能不间断的收集、传递信息。②远程监控。传感器能够将采集来的信息通过网络传递，这样就可以达到远程监控的效果。③全面性。不同的传感器从多方面识别物体，能够充分的认识物体的变化情况。④统一决策。将不同的信息整合起来，充分认识到物体变化的主次矛盾，从而有针对性的采取相应措施。⑤创新性。物联网让我们从更多的角度认识世界。

4 大数据

4.1 大数据概念

物联网技术的广泛实现必须依靠云计算平台的应用，云计算平台能够存储海量的数据，而大数据技术又是云计算的核心，它能够从海量的数据中提取有价值的数据，然后进行处理。这种技术的存在能够快速的、有效地发现数据的价值和事物的本质。简言之，大数据思想是让人们认识到如何正确、有效地使用数据的理念。

4.2 大数据特点

大数据开启了一次重大的时代转型，改变了人们认识和理解世界的方式[4]，即世界就是数据，大数据被广泛的应用到各行各业。其主要特点有以下几个方面：①大量。②高速。③多样。大数据接收包括文档、音频、图片、视频等各种不同类型的信息。④价值。大数据的本质就是预测，从相关性的数据中发现问题的原因。

5 物联网技术在边坡监测的研究进展

随着物联网技术的兴起，物联网在建设行业得到很好的运用，比如桥梁健康监测、大坝安全监测、隧道变形监测、智能建筑安全系统等，然而在边坡等地灾的运用还是比较少。

5.1 国内外的研究与应用

目前，国内外对边坡监测研究主要集中在对其监控上，主要手段是通过“3S”技术和DDRS技术。“3S” 技术是遥感技术、地理信息系统、全球定位系统这三种技术的统称[5]。DDRS指的是数字减灾系统，利用遥感技术、全球定位系统、地理信息系统和计算机网络技术，用数学和物理模型来数字仿真，模拟灾害发生传播的全过程[6]。国内曹诗咏提出了将ZigBee无线传感器网络技术和北斗卫星通信技术相结合对滑坡的状态进行远程实时监测的方案[7]。何文娜首次系统化地提出了大数据时代物联网、云计算等技术在地质调查领域的融合性技术框架，探讨了物联网技术在地质资料管理、地质装备管理方面的应用方案，将其具体应用到公路高边坡地质灾害监测系统建设项目中[8]。

5.2 物联网技术在边坡监测上的不足

综上所述，虽然物联网技术在实际建设中得到了广泛的运用，特别是它具有远程操作、连续观测、自动采集、存储等优点，但是该技术在目前阶段还没有被成熟的运用。其原因有如下几个方面：①现有的一些操作仅仅涉及物联网技术上的感知阶段，没有真正意义上达到数据的整合处理。②对边坡的监测也仅仅是局部的监测，缺乏相关性的大数据，不能系统地认识边坡失稳的原因。③传感器没有达到技术要求。边坡所处环境比较恶劣，这就要求传感器具有耐腐蚀、防水、抗电磁干扰、低耗能、抗压等性能。④缺乏典型试验，没有统一的技术规范做指导。这样导致每个地方的数据不能够相互借鉴，从而丧失了大数据的意义。⑤缺乏监控预警临界点，容易错失治理的最佳时机。

6 物联网技术在边坡监测中的展望

毫无疑问，物联网技术和大数据思想是当前和今后一个时期监测边坡的重要方向，未来的监测手段会越来越丰富，监测精度也会越来越高，物联网技术的发展也会带动监测仪器的发展。可以预见，物联网技术在边坡监测有如下趋势：①传统技术和物联网技术的融合。以物联网技术为主，传统技术为辅，充分发挥各自的优点，达到全面监测的效果。②智能传感器的蓬勃发展。一些造价低、性能好的传感器将得到研究、开发和运用。③大数据会得到全面的认识。边坡失稳由内因和外因共同作用，传统的判断方法只是从单一的角度分析，而对大数据的分析就可以简化认识边坡失稳，因为所有的因素都体现在数据上，从数据中提取价值便是大数据思想的核心。④科学、系统的边坡监测体系的建立。从系统上考虑边坡问题，而不是从边坡的某个局部因素考虑问题。随着物联网技术的成熟，未来会从区域性的角度考虑边坡问题。⑤物联网规范的制定。统一技术指标，让各种各样的数据实现全面无缝对接，从而使物联网达到安全运营，信息化管理的要求。

参 考 文 献

[1] 罗志强.边坡工程监测技术分析[J].公路，2002，05：45-48.

[2] 王保云.物联网技术研究综述[J].电子测量与仪器学报，2009，12：1-7.

[3] 杨正洪.智慧城市：大數据、物联网和云计算之应用[M].北京；清华大学出版社，2014.

[4] 陆梦寒.针对地震大数据的分布式文件系统的研究与设计[D].中国科学技术大学，2014.

[5] 赵修雪.基于现代信息技术的开放式地理教学实践研究[D].山东师范大学，2009.

[6] 卢宪雨.基于网络地理信息系统的灾情查询系统[D].吉林大学，2006.

[7] 曹诗咏.基于无线传感器网络的滑坡监测研究[D].西南石油大学，2012.