课程标准和教学目标	大数据处理的基本思想与架构
	教材内容：第四章第2.1节
	适应的课程标准： 1.3针对具体学习任务，体验数字化学习过程，感受利用数字化工具和资源的优势。 1.4通过典型的应用实例，了解数据采集、分析和可视化表达的基本方法。
	教学目标： ●通过分析大数据处理案例，了解的大数据处理的“分治”思想。 ●通过对大数据实例的分析，了解静态数据、流数据和图数据及其处理架构。		指向的核心素养： ●计算思维：总结利用计算机解决问题的过程与方法，并迁移到与之相关的其他问题解决中。 ●数字化学习与创新：在解决生活和学习中的问题时，能评估常见的数字化资源与工具对特定学习任务的价值，对其做出合理的选择。 ●信息意识：能够根据解决问题的需要，自觉、主动地寻求恰当的方式获取与处理信息；在合作解决问题的过程中，愿意与团队成员共享信息，实现信息的更大价值。
	教学环境：有教学控制软件的多媒体机房。
	建议课时：1课时
教学活动设计	教学环节	教学过程		设计意图
	新课导入	分析生活中的分治思想应用，理解“分治”思想。		引导学生从生活体验中提炼思想。
	自主学习	指导学生沿问题线索自主阅读教材中“处理大数据的分治思想”案例，适时讨论。问题1：该案例中，如何使用10台计算机统计10G微博数据中出现频率最高的词汇？问题2：该案例中，按问题1方法，使用100台计算机处理100G数据时，遇到了什么问题，如何解决的？问题3：该案例中，按问题2方法，使用1000台、1万台、10万台计算机处理更大量数据时，为什么行不通了？如何解决的？		促使学生在问题引领下，层层深入的分析案例、思考问题，理解大数据处理基本思路。问题设计思路：数据量和实时性的增长→单台计算机不能满足处理要求→需要采用多台计算机进行处理→从多台计算机结构的管理引出大数据处理的分治思想。创设安静的环境，支持学生自主学习，同时控制节奏。
	学习评价	学生总结问题答案及大数据处理基本思路，教师点评。		通过交流与点评，帮助学生理解大数据处理中的“分治”思想。
	知识讲解	教师使用PPT，从“大数据处理类型”图示展开，列举、分析大数据应用实例中静态数据、流数据、图数据的不同特征；讲解静态数据的批处理计算架构Hadoop，从组成与功能的层面，讲解分布式文件系统HDFS、分布式数据库HBase和分布式并行计算模型MapReduce。		静态数据的批处理计算架构是难点，教师可以结合“Hadoop的组成”“MapReduce的工作流程”图示进行分析讲解，帮助学生化解学习中的难点。
	拓展学习	布置任务，要求：阅读教材中流计算、图计算及实时处理与批处理的整合容后，按小组分工，通过互联网针对流计算、图计算进行拓展性学习，并选择合适的方式将关键性学习资源分享给全班同学。		流计算、图计算及实时处理与批处理的整合内容教材中只是简单介绍，在批处理计算的基础上，学生可以通过自主阅读，顺利完成学习。同时，流计算、图计算也是大数据处理的重要内容，鼓励学生进行拓展性学习。
	学习评价	通过过程观察，选择完成好的流计算、图计算小组各一，进行学习交流，教师点评。		通过交流与点评，促进学生较为全面、深入的了解流计算、图计算处理架构。
	反馈	每人一个小便签，在便签上请同学们写上今天的收获、困惑，并用一句话说明大数据处理思想与类型（至多20个字）。贴在黑板上。		常规活动，每次下课前让学生完成“收获-困惑-理解”的便签，以便及时掌握学情。
	作业布置	基础作业（面向所有学生）：完成本条目课后练习的1-6题。提升作业（面向学有余力学生）：结合教材上的拓展连接“分布式计算与并行处理”“Hadoop的发展历史”“主要的流计算软件系统”“Hadoop应用实例”，通过互联网开展较为深入的拓展学习。		通过课后作业，促进学生对课堂内容进行反思、整理，以便加深和巩固学习效果、促进思维发展。根据学生的基础、能力及兴趣布置作业，满足不同层次的学生需求。
教学设计思路	按本章第一节课前对全章的整体规划和设计，本条目1课时，内容为大数据处理的分治思想和三种类型数据（静态数据、流数据、图数据）的处理架构。 “大数据处理的分治思想”部分的内容，教材通过“统计过去一年微博数据中出现频率最高的100个词”案例的分析深入浅出的进行了描述，较易理解。因此，我设计了问题链引领的自主学习活动。问题链的设计由浅入深，层层递进。学生通过自主阅读、讨论后，可以逐个解决问题，逐步加深对大数据处理中“分治”思想的理解。 “大数据处理类型”内容理论性强，较难理解。因此，我采用了讲授法、讨论法：从“大数据处理类型”“Hadoop的组成”“MapReduce的工作流程”图示开始，列举大数据应用实例中静态数据、流数据、图数据的不同特征；讲授三种类型大数据处理的方法和架框：静态数据的批处理、流数据的实时计算、图数据的图计算及流计算与批处理的整合。其中，重点讲授“分治”思想和静态数据的批处理计算架构Hadoop，从组成与功能的角度，讲解分析分布式文件系统HDFS、分布式数据库HBase、分布式并行计算模型MapReduce。教材中流计算、图计算及实时处理与批处理的整合容只是简单介绍，简单易懂。同时，流计算、图计算也是大数据处理的重要内容。因此，我针对这部分，开展了拓展性学习：布置任务，要求：阅读教材中流计算、图计算及实时处理与批处理的整合内容后，按小组分工，通过互联网针对流计算、图计算进行拓展性学习，并选择合适的方式将关键性学习资源分享给全班同学。最后通过问题与讨论中的第1题、思考与练习中的第1题、巩固与练习中的第2和3题，巩固、深化对大数据处理思想与架构的认知。
针对核心素养培养的设计考虑	本条目核心素养的具体落点如下：计算思维：主要落点在“总结利用计算机解决问题的过程与方法，并迁移到与之相关的其他问题解决中”。为此，特别设计了学生自主学习大数据处理的“分治”思想的问题链，促使学生在问题引领下，层层深入的解决问题，理解大数据处理中的分治思想，发展思维。在Hadoop架构组成及MapReduce工作流程教学活动中，设计教师通过结合“Hadoop的组成”“MapReduce的工作流程”图示，结合相应案例分析，层层推进的进行分析讲解，引领学生掌握Hadoop在处理大数据时的整体布局架构；MapReduce工作流程中的分布式并行计算方法。数字化学习与创新：主要落点在“在解决生活和学习中的问题时，能评估常见的数字化资源与工具对特定学习任务的价值，对其做出合理的选择”。信息意识：主要落点在“能够根据解决问题的需要，自觉、主动地寻求恰当的方式获取与处理信息；在合作解决问题的过程中，愿意与团队成员共享信息，实现信息的更大价值”。为此设计了“按小组分工开展的流计算、图计算的拓展性学习”活动，要求学生借助互联网针对流计算、图计算主题，主动地寻求恰当的方式获取有效的数字化资源进行学习，并选择合适的方式将关键性学习资源分享给全班同学。