云计算大数据实验室建设解决专项方案

易霖博云计算大数据试验室建设处理方案北京易霖博信息技术5月目录概述 4第一章、 云计算与大数据的发展趋势 41.1. 云计算与大数据 41.2. 云计算与大数据的关系 51.2.1. 当大数据遭遇云计算 51.2.2. 云计算环境作为大数据处理平台 61.3. 发展趋势：大数据逐步“云”化 7第二章、 云计算大数据人才现状分析 92.1. 我国云计算大数据人才紧缺 92.2. 云计算大数据人才培养情况 102.3. 云计算大数据人才培养面临的问题 102.3.1. 高职实验室设备落后，教学资源无法合理分配 112.3.2. 教学资源分散，共享程度低 112.3.3. 对云计算大数据技术认识不够，无法有效运用 11第三章、 云计算大数据人才培养需求分析 123.1. 云计算大数据岗位需求 123.2. 云计算大数据人才培养策略 133.2.1. 根据就业前景,加大人才培养力度 133.2.2. 德才兼修,开拓新型教学方式 133.2.3. 选择以工作过程为向导的教材 133.3. 云计算大数据带给高职实验室建设的前景 143.3.1. 建立统一信息平台来管理海量教学资源 143.3.2. 云计算降低维护和运营成本 143.3.3. 整合教学资源，加强资源共享，提高教学质量 153.3.4. 促进教师和学生的信息交互，进一步促进教学相长 153.3.5. 借助云计算大数据技术可以提升科研实力 15第四章、 云计算大数据实验室建设原则 164.1. 方便扩展 164.2. 自身安全 164.3. 业务高可用 164.4. 统一管理与自动化 174.5. 开放接口 174.6. 丰富、清晰的培训教材 174.7. 师资培训新技术交流 174.8. 技术服务保障 18第五章、 云计算大数据实验室建设目标 195.1. 建设目标 195.1.1. 培养学生云计算大数据职业技能 195.1.2. 提供独立的用户实验环境 195.1.3. 提高系统资源的利用率 195.1.4. 系统具有良好扩展性 205.2. 建设内容 205.2.1. 云计算大数据实验平台部署 205.2.2. 云计算大数据实验环境学习及搭建 20第六章、 云计算大数据实验室解决方案 226.1. 云计算大数据实验室整体架构 226.2. 云计算大数据实验室物理布局 236.3. 云计算大数据实验平台部署 246.3.1. 实验平台基础设施 256.4. 云计算大数据实验环境学习及搭建 286.4.1. 云计算基本架构安装和部署 286.4.2. 云计算中间件环境部署 296.4.3. 基于分布式文件系统的大数据部署、挖掘和分析 306.4.4. 云计算应用层安装及使用 316.4.5. 云安全加固和防护 31第七章、 云计算大数据实验室课程体系 33第八章、 云计算大数据实验室方案优势 358.1. Web形式开展实验，实现无所不在的网络访问 358.2. 基于资源的负载均衡，实现实验资源弹性分配 358.3. 增量存储技术，实现用户实验环境的独立性和延续性 368.4. 项目驱动式实验设计，培养学生的综合云能力 368.5. 资源的开放性及复用性，可支持科研等其他用途 368.6. 完善的课程体系丰富的教学内容 36第九章、 云计算大数据实验室校企合作 389.1. 课程与教材服务 389.2. 师资培训服务 399.2.1. 双师型教师培养 399.2.2. 企业讲师计划 399.3. 学生实习就业服务 39第十章、 云计算大数据实验室配置清单 41第十一章、 北京易霖博信息技术有限公司 42

概述云计算大数据技术是当今信息技术发展一个关键方向，云计算大数据技术一经提出就得到大家追捧，其应用领域也得到了快速发展，已经在商业、政府、金融、教育等领域得到广泛应用。中国高职院校需要建设专业云计算大数据试验室，尤其是要满足当下学生需求实训系统，是一个比较关键和紧迫工作。依据云计算和大数据行业对人才培养需要，易霖博推出了一套面向高职院校云计算大数据试验室建设处理方案，试验内容设计起源于社会需求调研和云计算业界专业人士提议，试验内容涵盖技术知识点能够和现在云计算大数据人才技能需求贴合，试验设计以真实工作场景为背景，培养学生综合能力，增强学生对真实工作环境体验感，适应社会人才发展需要。云计算和大数据发展趋势云计算和大数据云计算和大数据是一个硬币两面，云计算是大数据IT基础，而大数据是云计算一个杀手级应用，云计算是大数据成长驱动力，而其次，因为数据越来越多、越来越复杂、越来越实时，这就愈加需要云计算去处理，所以二者之间是相辅相成。30年前，存放1TB也就是约1000GB数据成本大约是16亿美元，现在存放到云上只需不到100美元。但存放下来数据，假如不以云计算进行挖掘和分析，就只是僵死数据，没有太大价值。现在，云计算已经普及并成为IT行业主流技术，其实质是在计算量越来越大、数据越来越多、越来越动态、越来越实时需求背景下被催生出来一个基础架构和商业模式。个人用户将文档、照片、视频、游戏存档统计上传至“云”中永久保留，企业用户依据本身需求，能够搭建自己“私有云”，或托管、或租用“公有云”上IT资源和服务，这些全部已不是新鲜事。能够说，云是一棵挂满了大数据苹果树。大数据出现，正在引发全球范围内深刻技术和商业变革。在技术上，大数据使从数据当中提取信息常规方法发生了改变。在技术领域，以往更多是依靠模型方法，现在我们能够借用规模庞大数据，用基于统计方法，有望使语音识别、机器翻译这些技术领域在大数据时代取得新进展。在搜索引擎和在线广告中发挥关键作用机器学习，被认为是大数据发挥真正价值领域在海量数据中统计分析出人行为、习惯等方法，计算机能够愈加好地学习模拟人类智能。伴随包含语音、视觉、手势和多点触控等在内自然用户界面越来越普及，计算系统正在含有和人类相仿感知能力，其看见、听懂和了解人类用户能力不停提升。这种计算系统不停增强感知能力，和大数据和机器学习领域进展相结合，已使得现在计算系统开始能够了解人类用户意图和语境。“这使得计算机能够真正帮助我们，甚至代表我们去工作”。以往，移动运行商和互联网服务运行商等拥有着大量用户行为习惯多种数据，在IT产业链中含有举足轻重地位。而在大数据时代，移动运行商假如不能挖掘出数据价值，可能彻根本底被管道化。运行商和更懂用户需求第三方开发者互利共赢模式，已取得一定共识。云计算和大数据关系本质上，云计算和大数据关系是静和动关系；云计算强调是计算，这是动概念；而数据则是计算对象，是静概念。假如结合实际应用，前者强调是计算能力，或看重存放能力；不过这么说，并不意味着两个概念就如此泾渭分明。大数据需要处理大数据能力（数据获取、清洁、转换、统计等能力），其实就是强大计算能力；其次，云计算动也是相对而言，比如基础设施即服务中存放设备提供关键是数据存放能力，所以可谓是动中有静。假如数据是财富，那么大数据就是宝藏，而云计算就是挖掘和利用宝藏利器！当大数据遭遇云计算从技术上看,大数据和云计算关系就像一枚硬币正反面一样密不可分。大数据肯定无法用单台计算机进行处理,必需采取分布式计算架构。它特色在于对海量数据挖掘,但它必需依靠云计算分布式处理、分布式数据库、云存放和虚拟化技术。

云计算为何能盛行呢?在互联网领域应用系统构建：用户群体是不确定、系统规模不确定、系统投资不固定、业务应用有很清楚并行分割特征、数据仓库系统构建、数据仓库规模可估算、数据仓库系统投资和业务分析价值和回报相关、商业智能应用属于整体应用、Saas模式构建数据仓库系统。大数据管理，分布式进行文件系统，如Hadoop、Mapreduce数据分割和访问实施;同时SQL支持，以Hive+HADOOP为代表SQL界面支持，在大数据技术上用云计算构建下一代数据仓库成为热门话题。从系统需求来看，大数据架构对系统提出了新挑战：

1、集成度更高。一个标准机箱最大程度完成特定任务。

2、配置更合理、速度愈加快。存放、控制器、I/O通道、内存、CPU、网络均衡设计，针对数据仓库访问最优设计，比传统类似平台高出一个数量级以上。

3、整体能耗更低。相同计算任务，能耗最低。

4、系统愈加稳定可靠。能够消除多种单点故障步骤，统一一个部件、器件品质和标准。

5、管理维护费用低。数据藏常规管理全部集成。

6、可计划和预见系统扩容、升级路线图。云计算环境作为大数据处理平台云计算环境中基础计算单元分化企业云计算平台上即使有多个并行计算CPU，但并没有发明出含有超强数据处理能力超级CPU，所以云计算平台需要是有并行运算能力软件系统。同时，当全部用户数据全部放在云端时，即使存放容量能够很方便地扩充，但面对大量用户同时提议海量数据处理请求，简单数据处理逻辑已经无法满足需要。

能够看到，中国有相当多电商企业，用小型机和Oracle扛了好几年，并请了全国最牛Oracle教授不停优化她Oracle和小型机，早期发展可能很快，不过以后因为数据量激增，业务开始受到严重影响，最经典例子无疑是京东商城前段时间发生大规模访问请求宕机事件，所以她们开始逐步放弃了Oracle或MS-SQL，并逐步转向MySQL+X86分布式架构。

现在基础计算单元常常是一般X86服务器，它们组成了一个大云，而未来云计算单元里有可能有存放单元、计算单元、协调单元，总体效率会更高。对系统稳定性需求在应对大规模访问时候有部分系统稳定性追求，来自很多方面，来自网络稳定性、数据库稳定性。对系统而言，需要把握一个大标准，需要消除任何单点故障。不光是网络上单点故障，还有来自你呼叫中心里单点故障，只要有单点故障一定要消除掉。因为对于电商行业而言，每一秒全部是钱，电子商务业务假如宕机一个小时，损失多少是能够算出来，电商行业需要很全方面技术系统监控报警系统。有时候你会发觉你假如经过技术系统监控去推导出你技术发生问题已经晚了。发展趋势：大数据逐步“云”化纵观历史，过去数据中心不管应用层次还是规模大小，全部仅仅是停留在过去有限基础架构之上，采取是传统精简指令集计算机和传统大型机，各个基础架构之间全部相互孤立，没有形成一个统一有机整体。在过去数据中心里面，多种资源全部没有得到有效充足地利用。而且传统数据中心资源配置和布署大多采取人工方法，没有对应平台支持，使大量人力资源花费在繁重反复性工作上，缺乏自助服务和自动布署能力，既花费时间和成本，又严重影响工作效率。而当今越来越流行云计算、虚拟化和云存放等新IT模式出现，又再一次说明了过去那种孤立、缺乏有机整合数据中心资源并没有得到有效利用，并不能满足目前多样、高效和海量业务应用需求。

在云计算时代背景下，数据中心需要向集中大规模共享平台推进，而且，数据中心要能实现实时动态扩容，实现自助和自动布署服务。从中长久来看，数据中心需要逐步过渡到“云基础架构为主流企业所采取，专有架构为关键应用所采取”阶段，并最终实现“强壮云架构为全部负载所采取”，不管大型机还是x86全部融入到云端，实现软硬件资源高度整合。

数据中心逐步过渡到“云”，这既包含私有云又包含公有云。私有云，就是对企业现有数据中心进行改造和架构调整，经过云计算对资源进行自动调度和分配，实现一个自动布署、自动管理和自动运维数据中心架构。而公有云则是由服务商建立IT基础架构，并向外部用户提供商业服务，而用户能够在不拥有云计算资源条件下经过网络访问这些服务。和私有云相比，公有云全部应用程序、服务和数据全部存放在云端，用户数据也并不存放在企业内部数据中心。正所谓“梅虽逊雪三分白，雪却输梅一段香”，相比之下，私有云会比公有云在数据安全性方面有愈加好表现，但公有云却会比私有云有更“强壮云架构”。所以，从数据中心演进角度来看，讨论何种“云”并无实质意义，我们更应该重视是数据中心在未来发展中所饰演角色和出现历史性变革。

云计算大数据人才现实状况分析中国云计算大数据人才紧缺经过多年技术发展和经验积累，云计算行业已经进入一个相对成熟阶段。作为新一代信息技术变革、IT应用方法变革关键支柱，云计算已经成为目前信息技术产业发展和应用创新热点。在中国，大量企业单位正逐步将自己IT系统从传统架构向“云”架构迁移，越来越多用户正在享受“云”服务带来便利。云计算更多是在描述一个技术框架和服务交付模式，和此同时大数据则是直接向用户提供业务发展推进力和生产力。大数据出现以后，云计算并没有所以落幕，反而大有用武之地。作为云计算关键技术分布式布署和分布式计算也是大数据系统所需要关键技术，正是因为这一层关系，大数据给云计算带来了一个漂亮春天。随之而来是IT基础设施和应用模式革新，这对企业单位信息部门来说，既是提升自我价值机会，也是严峻挑战。不过，中国云计算和大数据相关技术人才匮乏已是业内公认事实。依据IDC调查汇报，从至3年之间里，云计算大数据相关工作需求将出现26%年增加率，超出1/4增加率再次证实了企业对云计算大数据人才巨大需求。IDC估计还表明，有约170万云计算大数据相关岗位出现真空，而这方面求职者也全部缺乏云计算大数据方面实践经验，而且不含有完善培训机制；值得警醒是，到，这个数字从170万上升到700万，云计算大数据产业面临着更大人才缺口。云计算大数据人才培养情况在过去一段时间内，为了满足信息技术产业发展，中国多数高校、职业院校开设了计算机通信相关专业，但毕业生就业前景却日渐黯淡。究其原因，超出1/4毕业生反馈在校学习课程知识较为陈旧，面对云计算、大数据、移动互联网、数据挖掘等新型技术兴起，自己所掌握知识、技能和实践经验均无法满足行业需求。中国能否在云计算和大数据时代这一轮新竞争中取得先机，人才是关键。面对如此巨大云计算和大数据人才需求缺口，以中国现有教育水平尤其是教育机构转变和改善教学方向和方法效率来看，极难在短时间内满足市场需求。就现在收到汇总信息来看，已经开设有云计算和大数据相关专业和方向一般高校和高职院校还不到总数10%，已经开始相关专业和方向高校在专业建设、课程设计方面还没有统一标准，相关这个专业“怎么教？教什么？”是一个比较广泛存在问题，迷惑着这些已经开设或将要开设这个专业学校老师。现在各学校基础上全部是根据各自了解在开设课程和建立实习实训体系，现在在整个专业领域，甚至还没有相关云计算和大数据国家级计划教材。在这些已经开设云计算和大数据专业和方向高校中，现在专业建设最快是高职院校、本科和硕士教育层次专业和方向建设速度较慢。在硕士教育领域，现在已经有十余所高校已经开始招收主攻云计算和大数据方向硕士和博士硕士，北京大学信息科学技术学院、东北大学软件学院、中国科技大学、中国科学院成全部计算机应用研究所等高校单位均开设了云计算和大数据相关科研方向，培养这方面高层次人才。中国科学院大学首批云计算方向硕士和博士将于两年内毕业，这很可能是中国第一批云计算方向硕士。在一个产业来说，高端科研和开发人才其实需求量并不大，市场需要更多是基础开发、项目实施和维护人员，这就给中国职教行业和偏重培养技能型人才二本、三本院校提供了一个很好机会。云计算大数据人才培养面临问题对于高职院校教学实践，其关键是指经过试验、实训进行实践教学，使学生在实践动手操作过程中学到相关知识和技能，关键教学方法包含试验、实训、课程设计和毕业设计等。高职院校教学实践会依据社会对人才需求改变而改变，各院校早已开始进行教学实践改革，不过因为实践教学包含众多原因，比如资金、软件、硬件、试验室、产学研基地等方面，所以各高职院校面临着多种不一样实际情况，存在问题关键有：高职试验室设备落后，教学资源无法合理分配近几年，即使高职院校也有了较大发展，但在高校资金方面还是无法和综合性大学相比。大多数高职院校因为资金不足，无法更换老化设备，更新试验室资源，使得教学资源分配不均匀。教学资源分散，共享程度低伴随高职院校对教学资源重视，不停整合现有教学资源，尤其是远程教育和网络教育发展，使得课程资源在一定范围内得到了共享，而且各高校经过课程联合等方法达成了教学资源在高校之间再分配效果，使得教学资源共享程度深入扩大，但因为高校教学资源较多，而且比较分散，大部分软件和硬件资源仍然无法有效共享，使得高校教学资源反复投入，造成一定浪费。对云计算大数据技术认识不够，无法有效利用现在即使对云计算技术已经做了大量研究，相关文章和书籍也同时而出，但因为云计算技术起源于企业界而非学术界，而且和教育相关文档不多，尤其是将云计算技术利用到高校实践教学中少之甚少，使得大多数老师对云计算技术认识不够，更谈不上将云计算技术在教学实践中广泛利用。

云计算大数据人才培养需求分析面对云计算和大数据风起云涌产业浪潮，我们应该明确人才培养是提升产业竞争力、提升整体实力关键方法；是中国在新技术竞争格局下，能否取得先机，得到和国外一流企业相同竞争机会，缩短差距，提升中国科技实力关键推进力，应该得到全社会广泛关注。建立专业云计算和大数据试验室，尤其是要满足当下学生需求实训系统，也是一个比较关键和紧迫工作。云计算大数据岗位需求云计算、虚拟化、大数据、数据挖掘，云安全等趋势到来，诞生一批新工作岗位，比如云计算大数据运维工程师、云计算大数据咨询顾问、云计算大数据开发工程师、云计算大数据挖掘分析师等。接下来为大家介绍相关技能所表现热门工作岗位及其职能：云计算大数据运维工程师：在云计算大数据时代，能够在网络服务计划上，以最小成本提供更易维护架构，以最小成本快速扩容服务。对企业现有资金进行合理分配，让大集群去处理更多业务，让小集群发挥最大性能，企业关键数据进行分布式存放，确保企业应用和数据安全。云计算大数据咨询顾问：任何业务部门和任何行业企业，全部有IT系统在背后默默无闻地支撑着。在云计算大数据时代，业务面临挑战和机遇也会给IT系统带来更多要求。在这种情况下，IT系统计划布署，需要有云计算大数据咨询顾依据用户需求具体计划，是满足面向未来大数据分析、云计算服务应用需要。云计算大数据开发工程师：PaaS、SaaS、数据挖掘和分析、数据管理和监控、虚拟化、应用开发等等，全部是开发工程师大展身手好舞台。对应，这些技术领域也对软件工程师要求会更高，尤其是虚拟化和面向BYOD、云计算、大数据、云安全等应用开发和管理，全部需要有更高深技术支撑。云计算大数据数据挖掘工程师：也能够叫做“数据挖掘教授”。数据挖掘是经过分析每个数据，从大量数据中寻求其规律技术。数据挖掘是一个决议支持过程，它关键基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业数据，做出归纳性推理，从中挖掘出潜在模式，帮助决议者调整市场策略，降低风险，做出正确决议。云计算大数据人才培养策略我们要从战略高度重视云计算大数据人才培养工作,加强对云计算大数据教育力度,不停寻求云计算大数据教育新路径。依据就业前景,加大人才培养力度云计算和大数据现在在业界连续火热，满世界几乎四处全部在上演这哥俩“二人转”，整个行业出现了井喷式快速发展，两个概念叠加起来后产生了超千亿级市场规模。中国能否在云计算和大数据时代这一轮新竞争中取得先机，人才是关键。依据学生就业前景，建立专业云计算大数据试验室，尤其是要满足当下学生需求实训系统，是一个比较关键和紧迫工作。易霖博依据云计算和大数据行业对人才培养需要，开发了一款关键面向学校云计算大数据专业学生实训系统，系统整合了高性能计算和大数据大部分功效，能够灵活地支持并行计算、虚拟化、大数据、云安全等系统安装和维护调试实训。德才兼修,开拓新型教学方法云计算大数据是“技术+管理”集合,学生经过云计算大数据学习，提升学生对理论认识,强调学生动手能力和实战经验累积。要在沿袭一般高校大致教学模式基础上，结合新教改方案,提升专业课和实践教学内容在整个教学体系中比重，加大试验室建设力度,加大实践教学力度。能够经过组建新型云计算大数据试验室，开展实践教学,借助企业多个环境和场景搭建模拟云计算大数据教学环境，增强学生动手能力。在教学方法上,应摒弃老师讲学生记传统模式,引入研究启发式、讨论式、互动式、演练式、现场教学等教学方法,选择各个阶段学生学习特点和需要教学方法,提升教学质量。选择以工作过程为向导教材要选择项目驱动式、任务引领型教材,因材施教,培养学生养成良好学习习惯,增强学习爱好。所选择教材应该既强调基础概念和基础知识,又注意理论和实际应用相结合,而且对很多新技术和新发展方向有不一样程度介绍。试验部分，每个试验项目即为一个真实案例，起源于真实项目。云计算大数据带给高职试验室建设前景高职院校作为教育领域关键组成部分，在培养高级应用人才方面有着巨大作用而高职试验室作为高职院校教学实践关键组成部分，为高职院校学生技能培养起着关键作用。现在已经是信息化时代，怎样对高职试验室进行信息化改革，从而更大地发挥高职试验室教学实践作用，为高职院校培养愈加适应社会毕业生，是现在高职试验室建设一个不可回避问题。在众多方案中，云计算大数据技术是提升高职试验室建设一个有效措施，含有拥有提升效率、安全可靠、节省成本等很多方面优势。建立统一信息平台来管理海量教学资源高职试验室拥有大量教学资源，各试验室为了管理教学资源大多独自建立了网络信息平台，既花费了大量人力，也花费了大量物力，而且网络信息平台还给各试验室带来了更多运行压力，不仅要投入一定维护费用，还要确保网络信息平台正常运行和安全问题。假如和云计算大数据厂商合作，经过在厂商提供云服务器上建立统一通用信息平台，就能够为高职试验室降低大量软件和硬件资源投入，降低运行成本，同时能够建立以云计算大数据为基础并拥有强大计算、存放、网络、存放功效统一信息平台，高效管理原本分散，不安全海量教学资源。云计算降低维护和运行成本对于高校试验室建设来说，资金是不容忽略原因之一。大规模地更换设备和试验室改造，肯定带来资金压力，而云计算技术能够有效处理这个问题。云服务商提供了资源丰富跨平台通用信息系统，只需将现有课程资源放在该平台上，再购置部分价格廉价管理终端和网络接入设备，就能够访问通用信息平台上共享教学资源。对于高职试验室来说终端设备配置无特定要求，而服务器建立于云服务商，不需要对服务器进行购置和维护，从而节省成本，同时服务器运行可靠性和数据安全性全部由云服务商提供确保，降低了对应系统管理、设备投入和人员安排成本。整合教学资源，加强资源共享，提升教学质量云计算大数据技术有利于各高职试验室建立共同信息共享，在云计算大数据平台上整合教学资源，共享各试验室现有教学资源，不仅能够节省大量人力和物力成本，而且有利于提升教学质量。老师能够经过云技术在线编辑和修改云平台上教学资源，将结果直接存放和公布在云平台上，对于学习者，则能够经过网络在任何地方连接到云平台，获取所需要学习资源和服务，从而实现教和学。同时云计算大数据平台拥有高性能服务器和高速网络带宽，能够满足大量频繁访问。促进老师和学生信息交互，深入促进教学相长通常老师和学生之间缺乏必需信息交互，云计算大数据技术能够提供新软件资源开发模式，利用该方法，建立一个云服务来实现师生和师师之间信息交流，数据层数据交换能够使用XML技术，实现即时通信服务、在线答疑服务和电子邮件服务等。借助云计算大数据技术能够提升科研实力科研也是各高职试验室建设一个关键方面，伴随科研对试验环境要求越来越高，高职院校在试验室建设上已经投入了大量资金，但还是会受到资金、时间和资源等原因限制，而无法实施部分项目研究。高职试验室能够借助云计算大数据技术优势，部分地改善这些问题，使这些项目和科研能够顺利地完成。

云计算大数据试验室建设标准本方案符合云计算大数据才培养需要。云计算大数据是未来计算机发展一个关键方向。现在全国信息化发展迅猛，但人才匮乏问题也随之凸显。对于各大高校而言，云计算大数据人才培养就很关键。云计算大数据才培养是未来人才培养战略关键之一，建立一个完善、科学云计算大数据试验平台，才能形成云计算大数据人才培养实践基础，本项目就是基于云计算大数据发展大方向而进行建设，期望能够借助新建平台培养这方面人才，同时提升各大高校对云计算大数据学习和科研。云计算大数据试验室建设应遵照以下标准来建设：方便扩展在架构设计上，要充足考虑可扩充性，为未来扩展留出空间。在早期研究工作不饱满情况下，尽可能让一台设备有多个用途。未来工作规模扩大，能够补充设备做到专题专用。考虑设备更新换代和后期维护方便，同类设备尽可能采购型号靠近产品，方便在部分设备出故障时，相互轻易替换。本身安全云计算大数据试验室是和互联网相互连通，所以试验室本身网络安全建设也十分关键。试验室必需设置较强远程访问控制手段和防护方法，避免因本身安全漏洞，造成研究结果偏差，或被外部不法人员攻击。业务高可用云计算大数据平台作为承载未来政府信息中心应用关键IT基础设施，负担着稳定运行和业务创新重担。伴伴随数据和业务集中，云计算平台建设及运维给信息部门带来了巨大压力，所以云计算大数据试验室建设从基础资源池（计算、存放、网络）、虚拟化平台、云平台等多个层面充足考虑业务高可用，基础单元出现故障后业务应用能够快速进行切换和迁移，用户无感知，确保业务连续性。统一管理和自动化云计算大数据最终目标是要实现系统按需运行，多个服务开通，而这依靠于对计算、存放、网络资源调度和分配，同时提供用户管理、组织管理、工作流管理、自助Portal界面等。从用户资源申请、审批到分配布署智能化。管理系统不仅要实现对传统物理资源和新虚拟资源进行管理，还要从全局而非割裂地管理资源，所以统一管理和自动化将成为肯定趋势。开放接口传统管理系统和上层系统对接，重视故障上报和信息查询。而云计算大数据管理系统更关注怎样实现自动化布署，在接口方面更关注资源调度和分配，这就需要管理系统在业务调度方面实现开放。为确保服务器、存放、网络等资源能够被云计算运行平台良好调度和管理，要求系统提供开放API接口，云计算运行管理平台能够经过API接口、命令行脚本实现对设备配置和策略下发联动。同时云平台也提供开放API接口，未来能够在这些接口基础上进行二次定制开放，实现面向云计算数据中心管理平台。丰富、清楚培训教材对于云计算大数据试验室负担培训工作，比如基础课程培训、行业应用培训，应该含有丰富、清楚教材，包含老师指导书、学员书本和试验手册。这么能够充足提升教学培训效率。不过不是全部标准化教材全部能满足全部试验室，很多学校在负担特殊化培训工作时，往往需要定制开发教材，这就需要试验设备提供商和学校联合开发对应课程。师资培训新技术交流即使多数科研人员和讲课老师全部有很深学术功底，不过不见得对试验设备了解很深入，这就对科研进度和培训工作带来影响。供给商在提供试验设备同时应该对科研人员和讲课老师进行具体设备使用培训，使她们能够愈加好开展后续工作。为了使研究、培训内容跟上最新技术发展，应该有业界技术领先企业定时和科研人员、讲课老师充足交流前沿技术发展，已达成开拓科研视野、增加企业产品方案竞争力双赢目标。技术服务保障即使云计算大数据试验室对设备可靠性不及电信、金融系统对设备可靠性要求高，不过假如科研课题进度很紧，或学员是付费使用试验室，那么试验平台对可靠性和厂家对故障服务响应就很关键了。另一个维度来讲，试验平台包含多个高、精、尖技术，厂家服务人员对技术掌握深度和范围也显得很必需。

云计算大数据试验室建设目标建设目标云计算大数据试验室设计是为了满足云计算大数据试验教学需求，试验内容设计起源于社会需求调研和云计算业界专业人士提议，试验内容涵盖技术知识点能够和现在云计算大数据人才技能需求贴合，试验设计以真实工作场景为背景，培养学生综合能力，增强学生对真实工作环境体验感，适应社会人才发展需要。云计算大数据试验室建设目标表现在以下方面：培养学生云计算大数据职业技能现在市场上针对于云计算大数据相关试验，大多以在云平台或大数据分析平台应用操作为主，以体验教学为主，并不能支持云计算技术本身研究和学习。而现在学校云计算相关教学处于起步阶段，并无完善课程体系标准，云计算大数据试验室试验内容设计以社会人才需求为导向，辅助学校构建符合市场需求云计算大数据人才培养课程体系及试验环境。试验内容设计起源于云计算大数据相关岗位人才技能要求统计、分析及归纳，侧重于云计算大数据技术本身学习、使用及研究，试验以真实项目为背景，试验内容和培养方法更贴合社会云计算大数据人才需求。提供独立用户试验环境云计算大数据试验室为每个试验用户提供独立试验环境，确保试验环境独立性和延续性。每位试验用户含有独立试验环境，和其它用户互不干扰，培养用户独立完成试验能力，对云计算关键技术点能够全方位掌握，试验操作实时保留，能够确保试验延续开展。提升系统资源利用率云计算大数据技术学习需要硬件服务器环境支撑，为每位用户配置一到三台物理服务器用于试验教学，成本过高，而且试验占用资源有限，服务器大量资源闲置。本系统采取虚拟化技术，将单个硬件资源虚拟为多个虚拟服务器，基于动态分配技术为用户分配虚拟服务器资源开展试验，可有效提升硬件设备利用率。系统含有良好扩展性云计算大数据技术在不停发展进步，平台应含有良好扩展性，试验内容及虚拟机资源能够灵活添加，确保试验内容及虚拟机资源伴随云计算技术发展不停更新完善。同时，系统支持对其它课程试验环境或科研项目所需计算存放资源添加及分配，硬件资源可得到充足复用。建设内容云计算大数据试验平台布署在试验室构建一套完整云计算大数据平台，包含云计算服务器集群、云计算虚拟化管理平台。云计算大数据平台经过对底层服务器硬件、网络设备和存放资源实现虚拟化聚合布署，配合云计算虚拟化管理平台，实现云计算中基础设施即服务（IaaS）部分，为试验室开展云计算IaaS层研究、教学、试验提供基础环境。同时该云计算大数据平台也为更高层次云计算服务，如PaaS，SaaS服务提供了良好基础平台，且含有很高自适应性和扩展空间。云计算大数据试验环境学习及搭建易霖博云计算大数据试验分为五个阶段，涵盖了从基础架构到中间件和saas应用层服务和大数据分析和云安全试验，各阶段全部有具体课程讲解及配套教材。下面将对五个阶段进行介绍。云计算基础架构安装和布署阶段，让学生了解云计算基础架构，熟悉OpenStack各组件布署，掌握实例创建及调度，学生能够经过自己布署openstack平台对全部实例进行分配和管理，包含对实例资源、配额及网络管理，充足发挥openstack高效管理和可扩展性。云计算中间件和环境布署阶段，基于openstackIAAS平台，构建完整服务提供平台，平台关键面向开发者，能够依据开发环境需求提供定制化开发环境，完成一键化开发平台布署。基于分布式文件系统大数据布署、挖掘和分析阶段，经过对云计算分布式布署，了解了分布式概念，从而愈加快速学习Hadoop分布式文件系统，经过构建一个简单集群，能够建立数据模型，进行数据挖掘和分析。云计算应用层安装及使用阶段，经过PAAS平台提供开发套件及工具，开发出可用web应用平台和软件，如:电子商务系统，博客系统和网盘等常见web端服务。云安全加固和防护阶段，经过学习openstack布署和应用，还必需对云安全进行一定了解，对实例网络进行划分和管理，对安全组和规则进行调整，使得对实例和资源控制愈加有效。

云计算大数据试验室处理方案云计算大数据试验室整体架构云计算大数据试验平台试验内容设计均起源于社会人才需求技能调研及业界教授提议，努力争取云计算大数据专业人才培养符合社会人才需求现实状况，适适用于云计算大数据、虚拟化、大数据、云安全等课程试验教学及实训，也可基于本产品软硬件平台进行云计算大数据相关科研项目。

易霖博云计算大数据试验平台架构图易霖博云计算大数据试验平台，包含云计算服务器集群，云计算大数据管理和应用，云安全等。平台经过对底层服务器硬件、网络设备和存放资源实现虚拟化聚合布署，配合云计算大数据管理，实现云计算中基础设施即服务（IaaS）部分，为试验室开展云计算IaaS、PaaS、SaaS、大数据管理和挖掘、云安全等提供了良好基础平台，含有很高自适应性和扩展空间。云计算大数据试验室物理布局云计算大数据试验室布局设计要以能够有效利用试验室场地，方便开展教学和实训为标准，这里我们推荐用现在最主流布局方法-岛式布局。岛式布局是现在最流行试验室布局方法，每个物理实训组成为一个小岛，每个组推荐6个学员使用，每组配置一个2m标准机柜。易霖博云计算大数据试验室每个试验组采取“4N+1”教学架构平台，即一个资源平台，四个分布式节点（控制节点、网络节点、计算节点、存放节点）让学生经过实际布署从而了解分布式概念和掌握各节点功效和关键组件。云计算大数据试验平台布署云计算大数据试验平台提供了一个功效完整、标准开放方便集成IaaS服务层。这层提供动态基础架构是整个云计算服务关键支撑层，最关键部分包含采取了服务器、存放设备、网络设备和易霖博云计算管理平台构建云计算服务基础架构。该基础架构含有良好性能、可用性和可靠性。虚拟化软件实现对底层服务器硬件、存放资源和网络设备虚拟化，然后经过虚拟化管理平台，将计算资源、存放资源、网络资源进行聚合，构建新一代资源中心，形成统一云计算大数据试验平台。在试验平台，全部资源整合后在逻辑上以单一整体（虚拟机）形式展现，这些资源依据需要进行动态扩展和配置，各信息系统业务按需使用资源。易霖博云计算虚拟化管理平台提供自服务功效和基础服务管理能力。试验平台基础设施服务器集群云计算大数据试验平台服务器根据功效和作用不一样分为管理节点服务器和计算节点服务器。管理节点服务器用于安装易霖博云计算大数据管理软件，是整个云计算平台指挥中枢。易霖博云计算大数据管理软件采取集中式管理架构，负责整个云计算大数据试验平台服务请求处理，包含硬件、虚拟机和网络管理操作，并发送给对应计算节点和系统虚拟机去实施。同时，易霖博云计算大数据管理软件还会在数据库中统计整个云计算大数据试验平台全部信息，并监控计算节点、存放和虚拟机状态，和网络使用情况，从而帮助用户了解整个云计算大数据试验平台各个部分运行情况。在小规模应用环境中，能够将易霖博云计算大数据管理软件和数据库安装在同一台服务器上；在大规模应用环境中，能够布署多台管理服务器，并搭建实时同时隶属数据库，实现分摊压力和提升可靠性。计算节点服务器负担着云计算大数据试验平台“计算”功效。对于云计算大数据试验平台上计算节点服务器，通常全部是将相同或相同类型服务器组合在一起，作为资源分配母体，即所谓计算资源池。在这个计算资源池上，再安装虚拟化软件，使得其计算资源能以虚拟机方法被不一样应用使用。存放系统云计算大数据试验平台中存放用于保留虚拟机操作系统、模板文件、应用程序文件、配置文件和和活动相关其它数据，是虚拟机正常工作基础前提条件。支持当地存放和共享存放两种存放类型。访问存放空间有三种主流方法：基于数据块(FCSAN或iSCSI)、基于文件(CIFS/NFS)、或经过Web服务，基于块和文件访问方法在企业应用中最常见，能愈加好地控制性能、可用性和安全性。当地存放将存放服务器作为被管理资源对象添加到云计算大数据试验平台以后，该主机默认使用当地磁盘介质作为存放。支持在存放服务器上搭建NFS服务，云计算大数据试验平台中服务器和虚拟机经过NFS方法访问存放。共享存放1）共享存放往往比当地存放提供愈加好I/O性能（尤其在多虚拟机环境下）。2）云计算大数据试验平台中在线迁移和高可用性功效需要共享存放作为先决条件，比如HA和动态资源调整等。3）云计算大数据试验平台中虚拟机文件系统是一个优化后高性能集群文件系统，允很多个云计算节点同时访问同一虚拟机存放。因为虚拟架构系统中虚拟机实际上是被封装成了一个档案文件和若干相关环境配置文件，经过将这些文件放在SAN存放阵列上文件系统中，能够让不一样服务器上虚拟机全部能够访问到该文件，从而消除了单点故障。网络设备云计算大数据试验平台网络是云计算数据传输通道，将数据计算和数据存放有机结合在一起。云计算大数据试验平台网络架构设计关键为确保云计算平台高可用、易扩展、易管理。作为未来网络关键，要求关键交换区设备含有高可靠性，优先选择采取交换引擎和路由引擎物理分离设计设备，从而在硬件体系结构上实现高可靠性。若对网络高可用性有更高要求，可在网络整体设计和设备配置上根据双备份要求进行设计。双备份配置可在网络连接上消除单点故障，提供关键设备故障切换。关键网络设备之间物理链路采取双路冗余连接，根据负载均衡方法或active-active方法工作。关键主机可采取双路网卡来增加可靠性。全冗余方法使系统达成99.999%电信级可靠性。云计算大数据试验平台网络采取“扁平化”设计，关键和接入层之间采取二层进行互联，省去了中间汇聚层，实现大二层组网。网络二、三层边界在关键层，安全布署在关键层。在接入层构建计算和存放资源池，满足资源池内虚拟机可在任意位置物理服务器上迁移和集群。伴随网络交换技术不停发展，交换机端口接入密度也越来越高，“扁平化”组网扩展性和密度已经能够很好满足试验室IaaS云平台服务器接入要求。同时在服务器虚拟化技术应用越来越广泛趋势下，扁平化二层架构更轻易实现VLAN大二层互通，满足虚拟机布署和迁移。相比传统三层架构，扁平化二层架构能够大大简化网络运维和管理。防火墙是网络系统关键基础防护方法，它能够对整个网络进行网络区域分割，提供基于IP地址和TCP/IP服务端口等访问控制；对常见网络攻击方法，如拒绝服务攻击（pingofdeath,land,synflooding,pingflooding,teardrop）、端口扫描（portscanning）、IP欺骗(ipspoofing)、IP盗用等进行有效防护；并提供NAT地址转换、流量限制、用户认证、IP和MAC绑定等安全增强方法。防火墙布署在关键交换机之上，对整个云计算大数据试验平台提供安全防护。云计算大数据试验环境学习及搭建云计算基础架构安装和布署让学生了解云计算基础架构，熟悉OpenStack各组件布署，掌握实例创建及调度，学生能够经过自己布署openstack平台对全部实例进行分配和管理，包含对实例资源、配额及网络管理，充足发挥openstack高效管理和可扩展性。在第一阶段，我们关键进行是IAAS平台搭建和布署工作。通俗点说，我们经过一系列组件布署和安装配置工作，最终我们要完成是能够分配使用实例，即虚拟机资源。我们能够经过下图做一个了解。用户端请求就是运行一台虚拟机，以后服务端接收到请求后便开始根据工作步骤进行认证和调度等相关操作。其中认证、读写数据库、消息传送、镜像调用、磁盘分配、网络划分、实例开启全部是由内部各组件完成。经过上面简单描述，大家全部应该明白了我们布署openstack云计算平台用途和我们需求。一句话概括，就是我们需要使用一台高效、稳定、可扩展、可迁移虚拟机资源。所以我们就需要经过openstack来实现我们需求。采取4N+1模式，即一台资源服务器，四个节点（控制节点、计算节点、网络节点、存放节点）。用户能够在一台机器上进行单节点安装布署openstack，即all-in-one布署，我们提供了自动化安装系统，自动化布署openstack脚本。能够快速完成从系统安装到平台搭建全部过程。为了让用户愈加好感受云计算平台，我们也采取了分布署布署方案，便于用户愈加直观感受什么是分布式布署。将各组件分别布署到不一样物理服务器上，经过控制节点进行管理，依据不一样服务器资源使用情况，合理分配实例（虚拟机）到对应机器上运行，从而达成资源最大利用。安装布署所需要安装包和相关文档及视频教程全部能够从资源服务器获取。其中，资源服务器上有安装文档、PPT、视频教程、镜像文件、安装包文件、shell脚本等一切安装布署所需要资源。本阶段试验内容能够划分为四个模块，及openstack基础试验（ALL-IN-ONE平台构建）、openstack中级试验（平台管理和运维）、openstack高级试验（分布式环境构建）、openstack开发试验（API接口开发），依据不一样模块进行分类，而且提供对应试验内容和试验课程。云计算中间件环境布署经过第一阶段学习，我们已经明白了IAAS架构，和架构中多种组件关系。经过布署openstack我们已经能够开启一台或多台实例，而且能够将这些实例划分给不一样用户使用，用户能够使用自己实例进行环境布署和网站搭建。不过，这似乎还是不够高效，我们需要引用部分中间件来完善环境平台布署。我们能够经过布署PAAS平台来实现这个需求。应用场景：某企业布署了自己私有云IAAS平台，并给不一样部门分配了对应实例，不过这个布署实例全部是基于镜像模板安装系统，并不能实现环境定制，此时，研发部需要几台含有php环境虚拟机，不过从虚拟机里面开始布署会大大降低工作效率，而且不能满足灵活性，此时我们能够经过PAAS平台为指定虚拟机安装开发环境，用户能够经过分配到实例访问PAAS平台web端，选择自己需要开发环境进行模块化安装，安装完成以后，即可使用安装好环境进行开发工作，而不需要进行手工搭建环境，当开发工作完成以后，用户还能够将该开发模块卸载，安装新开发模块。从PAAS平台功效，我们能够看出，她是一个面向开发人员开发平台。它支持用于Java、python、php、ruby、perl开发框架，包含Spring、Seam、Weld、CDI、Rails、Rack、Django、JavaE。包含SQL和NoSQL数据存放和一个分布式文件系统。用户能够经过PAAS平台创建、布署、管理云端应用。它组件包含：控制节点、应用套件、应用容器。组件说明：=1\*GB3①控制节点：应用管理活动入口。负责管理用户登录、DNS、应用状态和应用服务编排。用户和控制节点交互关键是经过WEB管理控制台、CLI工具或接口RESTAPTs。=2\*GB3②应用套件：应用容器为应用运行提供了实际所需功效。每个应用容器提不一样开发环境软件包，包含服务器，比如Tomcat、JBoos、NodeJs、Apache，同时提供运行环境支持库，比如JAVA、PHP、Python、Ruby、Perl，同时提供数据库支持，包含MySQL、MongDB等。=3\*GB3③应用容器：经过容器提供给用运行环境和隔离。容器：提供了给应用套件运行容器。一个容器能够运行一个或多个应用。容器能够为应用套件提供按需分配内存和磁盘空间。节点：一台物理机或虚拟机，其中包含多个容器。因为一些容器并不全部是处于运行状态，所以一个节点经过会处于超配额状态，即放入了超出限额个数容器。区域：区域定义了部分节点，其中容器能够方便地进行基于节点负载均衡。基于分布式文件系统大数据布署、挖掘和分析本阶段关键经过Hadoop来讲述大数据平台架构和分布式文件系统。将从以下多个方面做深入叙述：Hadoop、HDFS、MapReduce、HIVE、HBase、Mahout、Pig。对于Hadoop集群来讲，能够分成两大类角色：Master和Salve。一个HDFS集群是由一个NameNode和若干个DataNode组成。其中NameNode作为主服务器，管理文件系统命名空间和用户端对文件系统访问操作。HDFS和MapReduce共同组成了Hadoop分布式系统体系结构关键。HDFS采取master/slave架构。一个HDFS集群是由一个Namenode和一定数目标Datanodes组成。Namenode是一个中心服务器，负责管理文件系统名字空间(namespace)和用户端对文件访问。集群中Datanode通常是一个节点一个，负责管理它所在节点上存放。HDFS暴露了文件系统名字空间，用户能够以文件形式在上面存放数据。从内部看，一个文件其实被分成一个或多个数据块，这些块存放在一组Datanode上。Namenode实施文件系统名字空间操作，比如打开、关闭、重命名文件或目录。它也负责确定数据块到具体Datanode节点映射。Datanode负责处理文件系统用户端读写请求。在Namenode统一调度下进行数据块创建、删除和复制。MapReduce使用主从（Master/Slaver）架构模式，由JobTracker作为MapReduceMaster角色，TaskTracker作为MapReduceSlaver角色。JobTracker关键负责调度分配每一个子任务（Task）运行于某一个TaskTracker上，假如发觉有失败task就重新分配任务到其它节点。每一个hadoop集群中只有一个JobTracker。通常它运行在HDFSMaster节点上。TaskTracker主动和JobTracker通信，接收作业，并负责实施每一个任务。Hive构建于HadoopHDFS和mapred之上，用于管理和查询结构化/非结构化数据数据仓库。HBase构建于HadoopHDFS和mapred之上，用于管理和查询结构化/非结构化数据数据仓库。该部分安装需要在Hadoop已经成功安装基础上,而且要求Hadoop已经正常开启。云计算应用层安装及使用经过前面完成IAAS、PAAS平台布署，现在我们已经了解了架构，和中间件布署平台，经过开启实例，布署开发环境，下面我们就能够依据布署开发环境，开发对应应用和网络平台。我们将经过布署研发内部git代码托管仓库，使研发人员能够将项目布署到平台上去，而且能够布署多种网站和应用：应用场景：我们需要将wordpress、博客、电子商务、网盘系统经过源代码布署方法，基于paas平台实现快速布署安装和使用。试验将提供部分开源网站和web应用，经过演示布署过程，达成快速掌握对SAAS概念了解和认识。云安全加固和防护在前面四个阶段我们关键讲述了各个架构体系和布署过程，和布署相关应用，不过在日常生产中，我们不得不考虑一个问题就是安全问题。我们在真正布署过程中，包含到有管理、存放、数据业务传输等操作，假如对这些网络不进行控制，很轻易造成安全问题，也会对网络传输造成很大压力。所以，我们采取网络隔离方法对不一样用途网络进行划分。大致分为四类:布署网络、管理网络、业务网络、存放网络。使用这种方法，使数据流走不一样通道，做到安全有效管理。另外，我们还能够依据不一样部门或区域需要，对网络进行划分，让多台实例运行于一个wlan中，作为一个集群，还能够经过路由进行转换和管理，经过策略进行协议过滤等操作。在openstack中，我们还能够完成虚实结合网络拓扑结构进行管理，即虚拟网络和物理设备共同设置完成整个体系网络管理和控制。

云计算大数据试验室课程体系试验阶段试验模块试验分类1、云计算基础架构安装和布署阶段openstack基础试验

（ALL-IN-ONE平台构建）基础环境准备自动化脚本安装试验openstack中级试验

（平台管理和运维）一般用户（项目管理）管理员openstack高级试验

（分布式环境构建）基础环境准备阶段MYSQL环境布署RabitMQ消息服务NTP时间同时身份验证服务布署和测试镜像服务模块安装和测试计算服务组件安装和配置及测试网络服务组件布署云平台web服务环境布署openstak云平台应用开发openstack开发试验

（API接口开发）openstack认证API开发实例openstack发送API请求实例openstack命令行用户端openstack开发API手册利用实例2、云计算中间件和环境布署阶段云计算PAAS服务平台(研发环境搭建和布署)布署PAAS平台在PAAS平台上布署应用在PAAS平台上布署开发环境3、基于分布式文件系统大数据布署、挖掘和分析大数据分布式处理平台搭建和应用Hadoop、HDFS基础环境构建和管理Mapreduce分布式处理应用HBase数据库环境构建和应用HIVE数据仓库管理应用4、云计算应用层安装及使用阶段云计算SAAS服务应用

（企业私有云搭建和管理应用）云计算SAAS服务应用云平台搭建和布署云平台管理和应用云平台安全开发应用和维护5、云安全加固和防护阶段云安全技术应用管控网络隔离策略管理虚实结合

云计算大数据试验室方案优势易霖博云计算大数据试验室设计充足考虑了资源利用率，用户试验环境，试验内容等方面，对系统架构及试验内容进行了大量测试和充足市场调研，选择了最优产品设计方案，在同类产品中，不管资源利用率还是试验内容设计全部含有显著优势，具体表现在以下多个方面：Web形式开展试验，实现无所不在网络访问云计算大数据试验室试验资源管理平台和学生试验门户均采取B/S架构设计，全部试验资源包及试验环境均布署于云端，无需在用户在当地布署试验环境。试验用户只需确保网络环境通畅即可经过Web页面访问系统，开启云端虚拟机进行试验。1) 此种试验模式能够改变现在学生试验受试验机房、试验时间限制现实状况，学生试验含有更高灵活性，自主性；2) 试验资源能够在各个时间点使用，不受试验课程时间限制，资源得到高效利用；3) 试验资源布署于云端，便于老师进行统一管理和维护；4) 全部试验环境均布署于云端，学生试验PC无需安装试验环境，对其配置要求降低。基于资源负载均衡，实现试验资源弹性分配云计算大数据试验室软硬件环境布署采取分散式布署，低耦合模式进行，即每个试验虚拟机资源操作文件存放于存放服务单元设备内，虚拟机资源开启运行时，系统自动轮询全部计算服务单元设备，选择最优性能节点，为其分配对应计算资源。1) 系统依据每台虚拟机资源需求为其分配CPU、内存等资源；2) 系统内置轮询算法，对全部计算服务单元设备CPU、内存、挂载虚机资源数等进行动态分析，选择最优性能节点进行分配；3) 用户断开虚拟机资源，系统自动将其占用计算节点资源释放，供其她用户使用，计算节点得到最大化利用。增量存放技术，实现用户试验环境独立性和延续性云计算大数据试验室采取增量镜像存放模式对试验用户操作进行存放，确保每位用户具有独立试验环境，并实现用户试验操作独立统计保留，以保障试验跨课时衔接。1) 用户开启虚拟机资源，系统自动为其在对应母本资源基础上建立增量镜像资源进行开启；2) 每个母本资源下针对于不一样用户全部有其独立增量镜像，每位用户试验环境独立，试验操作实时保持，支持试验跨课时衔接；3) 增量镜像保留每个用户区分和母本资源操作，能够极大节省存放空间。项目驱动式试验设计，培养学生综合云能力云计算大数据试验室包含试验内容均以真实项目为背景进行设计，培养学生职业技能。1) 项目标设计均是来自行业真实项目需求2) 项目完成过成中所使用到技术均是云计算主流技术3) 项目难度循序渐进，逐步加大，利于提升学生学习爱好资源开放性及复用性，可支持科研等其它用途云计算大数据试验室含有良好开放性，支持管理员用户对试验内容、硬件资源池、镜像资源池进行自主添加。系统设计采取云计算虚拟化技术做底层架构，全部资源能够进行弹性按需分配。基于系统开放性及复用性，用户能够利用系统软硬件资源进行相关科研项目开展和其它课程试验环境支持。同时，系统提供众多项目实训资源也能够为云计算技术研究提供案例参考。完善课程体系丰富教学内容易霖博云计算大数据试验室建设，为学校提供了完整课程体系及相关教材。课程体系全方面覆盖云计算、大数据、云安全相关技术，并提供众多试验案例。老师和学生能够使用易霖博云计算大数据平台开展云计算课程讲课。对于云计算大数据每个试验课，学生全部能够使用虚拟试验系统，在虚拟机上完成课程试验。

云计算大数据试验室校企合作经过试验室建立，学校能够和易霖博建立校企合作关系，以此增强学校和企业间互动。易霖博能够为学校提供一系列服务，帮助学校建立完整专业课程体系。从教材（包含教辅资料、教学纲领、考试纲领、复习题等）、师资培训、学生就业三个方面提供对应配套服务。课程和教材服务依据学校具体情况，根据以专业划分、以认证划分为基准推出不一样教材体系。也能够根据学校具体情况进行细分。同时可依据学校具体情况进行定制化教材服务。依据学校具体情况和需求，易霖博能够为学校提供相关定制化教材，并进行出版。定制化教材能够由学校和易霖博共同完成编写，步骤以下：学校将合编申请反馈至易霖博学校将合编申请反馈至易霖博审