基于大数据分析的移动智慧课堂可视化平台.pdf

信息与电脑2023年第10 期Information&Computer计算机工程应用技术基于大数据分析的移动智慧课堂可视化平台张宁顾倩梁有程胡璐施苏文俊（广州民航职业技术学院航空港管理学院，广东广州摘要：移动智慧课堂可视化平台的稳定性较差，数据挖掘能力不高，为此提出基于大数据分析的移动智慧课堂可视化平台。硬件方面，在MapReduce中构造多层次并行处理机制，结合图形处理器（Graphics ProcessingUnit，G PU）和中央处理器（Central ProcessingUnit，C PU）进行多种并行形式计算。软件方面，设计数据库缓存架构模块，部署多个Redis节点，设计Echarts图形库组件模块，选择组件化将基本数据结构转变为数据可视化页面。实验结果表明，在并发环境中，该平台具有良好的稳定性，挖掘数据的时间最短，符合预期效果。关键词：大数据；移动智慧课堂；可视化；并行处理中图分类号：TP311Mobile Smart Classroom Visualization Platform Based on Big Data Analysis510280)文献标识码：A文章编号：10 0 3-97 6 7（2 0 2 3）10-0 37-0 3ZHANG Ning,GU Qian,LIANG Youcheng,HU Lushi,SU Wenjun(Airport Management Colloge,Guangzhou Civil Aviation College,Guangzhou Guangdong 510280,China)Abstract:The stability of the mobile intelligent classroom visualization platform is poor,and the data mining ability isnot high.Therefore,a mobile intelligent classroom visualization platform based on Big data analysis is proposed.In terms ofhardware,a multi-level parallel processing mechanism is constructed in MapReduce,which combines Graphics ProcessingUnit(GPU)and Central Processing Unit(CPU)for multiple parallel forms of computation.In terms of software,we designedthe database cache architecture module,deployed multiple Redis nodes,designed the Echarts Graphics library componentmodule,and selected componentization to transform the basic data structure into a Data and information visualization page.Theexperimental results show that in a concurrent environment,the platform has good stability,the shortest time for mining data,and meets the expected results.Keywords:big data;mobile smart classroom;visualization;parallel processing0引言随着现代社会的快速发展，海量数据的积累使得数据的可视化变得越来越复杂。可视化平台借助浏览器服务器模式（Browser/Server，B/S）架构和数据处理模块对数据进行统计分析，并对可能产生的各种结果进行评收稿日期：2 0 2 3-0 3-0 4基金项目：广东省职业院校教学管理工作指导委员会2 0 2 2 年度教育教学改革项目“职业院校数字化转型的智慧课堂路径研究”（项目编号：YJXGLW2022Y38）；中国商业技帅协会2 0 2 3年度职业教育研究课题“职业院校数字化课程实施路经研究”（项目编号：ZGSYJSXH20230039）；2 0 2 3年度广州民航职业技术学院教育教学改革研究与实践类项目“数字化教学赋能高职教师能力发展研究”（项目编号：JG202322）；2 0 2 2 年广东省高等教育学会教科研项目“新时代产教融合校企合作育人模式的探索与实践”（项目编号：2 2 Z7209）。作者简介：张宁（197 2 一），男，四川安岳人，博士研究生，讲师。研究方向：民航交通智能化、民航交通安全管理。估，能够使用户充分理解其中的含义 2 。基于此，文章重点分析了基于大数据分析的移动智慧课堂可视化平台。1移动智慧课堂可视化平台硬件设计在MapReduce中构造多层次并行处理机制，结合图形处理器（GraphicsProcessingUnit，G PU）和中央处理37一信息与电脑计算机工程应用技术Information&Computer器（Central Processing Unit，C PU）进行多种并行形式计算 3。运用MapReduce机制对第一层任务进行分发，根据不同节点的配置情况，使用CPU或微程序设计技术（Micro Programming Technique，M PT）并行方式进CPU数据分片2数据分片3TaskTracker在接收任务分配节点的数据后，在CPU的控制下拆分数据。数据拆分设备运用GPU的原子指令执行GPU分配内存分配器 4。根据GPU的特性拆分数据，当数据分块过小时，数据拆分设备将多个数据合并，获得新数据 5。运用多项式对数据进行过滤计算，得到的数据归一化处理公式为2x-(a+b)b-a式中：x为回归系数；为随机误差；b为多项式种类。2移动智慧课堂可视化平台软件设计2.1数据库缓存架构设计模块平台运用Redis缓存数据，在可视化平台运用中，为防止节点产生数据堆积情况，需部署多个Redis节点 。其中，平台SQL结构体系如图2 所示。网络连接层服务层L存储引擎层二二二二二二二系统文图2 平台 SQL结构体系2023年第10 期行分发。将GPU应用到MapReduce过程中，通过在MapReduce的并行处理机制中添加新并行层，处理不同粒度大小的数据。其中，GPU嵌人MapReduce的数据处理过程，如图1所示。数据分片0数据分片1客户端连接支持的接口API、JD BC IO D BC、NET、Py t h o n连接池（验证授权，连接限制）SQL缓存接口解析查询和缓DML器优化器存池IDDL存储引擎管理NDBMenoryMerge文件系统数据动态分析本地组装器写人主机内存GPU工作机工作机图1GPU嵌入MapReduce处理过程图宕机时，需要手动选择一个从节点并将其升级为主节点 7 。根据Fose协议修复不同节点的状态。可视化平台数据库架构采用整体控制部分模式，S数据库负责写操作，B数据库负责读操作。设定分布向量为，对二进制日志数据进行加权求和，计算公式为(1)r(X,g)=azi=1式中：q为任务有关向量。当B数据库连接S数据库后，S数据库根据B数据库个数创建对应的k线程。2.2Echarts图形库组件设计模块运用Node中间件对可视化平台的课程数据进行并行处理，生成对应的结构，并运用可视化图形进行复制，选择组件化将基本数据结构转变为数据可视化页面 8 。定义的Data属性中包含自定义getter和 setter两种函数。设置数据监听，当Data中的数据被读取时，数据发生变化受到监听，通知管理器更新可视图形。通过引人图形组件的方式，组合多个组件将数据显示在可视化页面中 9。不同组件之间的通信通常需要通过Props 的方式传递数据，在此过程中，前一个组件中的值会被传输给后一个组件，后一个组件的数据则可以通过绑定的方式传输给新组件10 。当组件层级嵌套过多时，为确保组件间的数据通信顺畅，需要监测组件的状态，提升数据可Partner视化页面的交互体验。3测试与分析3.1性能测试文件&日志工作机DHPS将主节点数据传送至从节点并进行读写，当主节点(2)为测试平台的性能，以响应时间为测试指标。响应时间分为接口平均响应时间和互动场景染时间。学生端在使用平台时，进行操作的反应时间规定值设置在38信息与电脑2023年第10 期Information&Computer计算机工程应用技术47050 0 m s，运用JMeter压缩测试工具测试可视化平台的性能，设置学生端并发数据量为350 0 个，所有线程在规定时间内开始访问平台主页。响应时间的测试结果如表1 所示。表1响应时间的测试结果小组接口平均响应时间/ms1490.142481.233472.014499.145489.376470.057491.23从表1可以看出，平台的基础服务环境与数据请求处理能力始终保持在相应范围内，在并发环境中，平台具有良好的稳定性。其中，小组4的接口平均响应时间最长，为49 9.14ms，互动场景染时间为2.2 9 s，在预期范围内。3.2挖掘能力测试在学生自愿参与实验的情况下，跟踪分析50 0 名学生的上课情况。收集7 个时间段内学生参与学习的数据，计算得到学生课上学习的参与率，如图3所示。一可视化平台一一传统平台1.传统平台2908060011图3课堂平台数据分析从图3可以看出：传统平台2 在课堂的35时段最活跃；传统平台1在课堂快结束时活跃程度较高；使用可视化平台后，学生在学习中的参与率不断提升，甚至高达90%。学生完成任务的情况如表2 所示。从表3可以看出，在使用人数相同的情况下，可视化平台完成的任务最多，挖掘数据的时间最短，符合预期效果。平台使用人数/人完成任务数量/个挖掘数据时间/s可视化平台1000传统平台11000传统平台21000互动场景煊染时间/s2.342.212.352.292.412.382.28123时间段表2 学生完成任务的情况5000352141104结语文章采用大数据分析法，探究基于大数据分析的移动智慧课堂可视化平台。通过对该平台的研究，可以使得可视化课堂在运行与管理中更加智能化和实时化，逐步提高移动课堂教学水平，推动可视化教学的智能发展。参考文献1马健，贺媛，李昕，等.基于大数据分析的高校实验教学平台设计 .现代电子技术,2 0 2 2,45(13):159-16 4.2郭对明，李国清，胡乃联，等.基于文本挖掘的矿山安全隐患大数据分析与可视化 .工程科学学报,2 0 2 2,44(3):32 8-338.3焦朋朋，赵霞，张勇，等.基于交通大数据的移动模式分析综述 J.中国公路学报,2 0 2 1,34(12):17 5-2 0 2.4付跃安.基于交互地图的城域图书馆数据可视化平台建设 .图书馆论坛,2 0 2 1,41(2):99-10 6.5周华，李双平，丁建新，等.基于WebGL的结构有限元在线分析评价可视化平台 .人民长江,2 0 2 1,52(增刊2):30 5-30 8.6任晨宇，臧永立，刘珍珍.基于Cesium引擎铁路信号运维平台的可视化研究 .铁道标准设计,2 0 2 1,6 5(7):172-178.7魏鸿儒.基于云课堂教学平台的教学设计模型构建研453.525.214.3767究 .南方农机,2 0 18,49(2 0):2 9.8刘晓晨，王卓昊.基于大数据环境的科技管理数据集成平台研究 .情报学报,2 0 2 1,40(9):953-96 1.9赵润发，娄渊胜，叶枫，等.基于Flink的工业大数据平台研究与应用 计算机工程与设计,2 0 2 2,43(3):8 8 6-8 94.10林秋珍.基于大数据分析的温室智能监控平台研究 .农机化研究,2 0 2 3,45(1):2 19-2 2 3.39一