下载文档原格式
高职院校大数据教学实训实验室建设方案一、硬件设施1.计算设备：配备高性能的计算服务器和大容量的存储设备，以满足大数据处理的需求。
2.网络设备：构建高速、稳定的网络环境，保障师生在实验室内进行数据传输和访问外部资源。
3.显示设备：配备大屏幕显示器，方便学生上机实践时观察和分析数据。
4.辅助设备：包括打印机、扫描仪等常用办公设备，满足实验室日常教学和管理需求。
二、软件平台1.大数据软件：安装Hadoop、Spark等大数据处理软件，为学生提供实践环境，培养其大数据处理能力。
2.数据分析工具：配备数据可视化、数据挖掘等工具，帮助学生理解和运用数据分析的方法和技巧。
3.开发工具：支持Java、Python等常用编程语言和开发环境，为学生提供编程能力培养的平台。
三、教学方法1.探究式教学：通过提供一定的实际问题，鼓励学生主动学习和探索，培养其独立解决问题的能力。
2.项目驱动教学：以项目为核心，通过多个阶段的实践，锻炼学生的合作、沟通和解决问题的能力。
3.师生互动教学：教师通过课堂讲解和实践指导，与学生进行互动交流，激发学生的学习兴趣和动力。
四、管理体系1.实验室管理：建立实验室使用预约制度，合理安排学生的实验时间，确保实验室资源的合理利用。
2.设备管理：制定设备租借规范和设备维护计划，定期检查设备的使用情况和维修保养情况。
3.数据管理：建立数据安全管理制度，保护学生和实验室的数据安全，确保学生的实验数据的完整性和可用性。
综上所述，高职院校大数据教学实训实验室建设方案应注重硬件设施、软件平台、教学方法和管理体系的综合考虑，从而为学生提供一个良好的实践实验教学平台，培养其大数据处理和分析能力，提高就业竞争力。
高校大数据实验室建设方案一、建设目标章鱼大数据实验室的建设目的是作为大数据教学实验及科研平台，包括数据挖掘与大数据分析平台。
实验室的设计全面落实“产、学、研、用”一体化的思想和模式,从教学、实践、科研和使用多方面注重专业人才和特色人才的培养。
利用虚拟化教学资源，搭建教学系统和集群平台，将理论学习、实践教学和大数据项目实战融为一体，由难而易、循序渐进，逐步提升学生的学习技能和实践水平，提高“学”的质量和成效。
利用大数据分析主流软件框架,搭建与业界主要用户一致的实验与科研环境，将理论课程中学到的数据挖掘算法运用到实际的数据分析过程中，提升学生的动手操作和项目实践能力.使得学生所学与企业项目人才需求无缝衔接，与教师的科研工作紧密配合。
通过专业的大数据分析计算资源搭建的开放式大数据分析平台，可以充分的融合教师的科研需求,教师可以在开放的平台环境下开展大数据科研工作，提升教师的科研创新能力，充分提高“研”的成效。
二、产品优势⏹交互式学习模式提供体系完整、简单易用的在线教学课堂；以基础知识学习、在线视频教学、习题、线上测试、评估等为主线的一系列方法,确保学生在短时间内掌握大数据虚拟仿真实验、分析部署技能.⏹真机实验训练实验训练体系设计成各模块相对独立的形式，各模块交互式的实验任务、大数据实验机、实际项目上机操作，通过多方位的训练，最终灵活的、渐进式地掌握大数据生态体系.⏹大数据实战及案例分析提供实验数据,包括网站流量数据、租房及二手房数据、电商商品交易数据、搜索引擎访问等多种行业数据，数据内容超过20TB,同时周期更新数据内容。
⏹充分支撑科研工作提供行业数据及案例解剖用于基础研究，提供数据分析方案及流程，提供数据更新接口，可以对行业数据进行分析统计,按需求生成数据报表，为科研工作提供数据支撑.例如某地区经济数据分析、股市数据分析、全国地震数据分析、食品价格行业数据分析等。
三、建设规模按照60台大数据实验机容量进行同时在线使用进行建设为基础，整体系统提供快速扩容升级服务.四、硬件配置采用十六台高性能品牌服务器作为大数据节点进行建设,采用企业级全千兆三层交换机进行网络数据交换.每台节点的配置如下：五、软件平台介绍1、大数据教学管理系统1.1专业管理提供对专业信息的增加、删除、修改、查询功能。
大数据专业建设方案北京红亚华宇科技有限公司二零二零年目录第一章大数据发展背景 (4)国家政策 (4)第二章建设目标 (5)培养方案建设 (5)教学资源建设 (5)实训基地建设 (5)第三章红亚教学平台 (7)学习模式 (7)实验平台 (7)在线考试 (8)理论考核 (8)实践测评 (8)智能教务 (8)教学进度分析 (8)教学计划管理 (9)第四章实训平台支持高校大数据课程 (10)本科院校 (10)工科类大数据专业课程体系 (10)理科类大数据专业课程体系 (10)商科类大数据专业课程体系 (11)职业院校 (11)大数据技术与应用专业课程体系 (11)第五章关于我们 (13)第一章大数据发展背景国家政策➢2017年1月工业和信息化部正式发布了《大数据产业发展规划（2016－2020年）》，明确了“十三五”时期大数据产业的发展思路、原则和目标，将引导大数据产业持续健康发展，有力支撑制造强国和网络强国建设。
➢2018年9月工信部公示“2018年大数据产业发展试点示范项目名单”，公布了包括大数据存储管理、大数据分析挖掘、大数据安全保障、产业创新大数据应用、跨行业大数据融合应用、民生服务大数据应用、大数据测试评估、大数据重点标准研制及应用、政务数据共享开放平台及公共数据共享开放平台等10个方向200个项目。
➢2019年11月为进一步落实《国务院关于印发促进大数据发展行动纲要的通知》和《大数据产业发展规划（2016~2020年）》，推进实施国家大数据战略，务实推动大数据技术、产业创新发展，我国工业和信息化部将组织开展2020年大数据产业发展试点示范项目申报工作。
第二章建设目标培养方案建设针对理、工、商等不同专业结合院校优势学科为高校量身定制符合高校特色的个性化人才培养方案，以专业必修课为基础、以大数据专业知识为核心、以大数据进阶课为方向、以数据及项目案例为最终出口，包含大数据基础、数据采集、数据存储、数据处理、数据分析、数据挖掘、数据可视化、人工智能、大数据案例等完整的教学资源，让学生通过实验教学熟练掌握大数据相关技能，并且通过项目案例熟悉真实大数据处理流程，全面综合提升学生能力。
大数据实训室方案建议书一、项目背景与目标随着信息技术的飞速发展，大数据已成为推动社会进步和企业创新的重要力量。
为满足市场对大数据人才的需求，提升我校在大数据领域的教学水平和实践能力，特提出建设大数据实训室的方案。
本方案旨在通过建设一个功能齐全、设备先进的大数据实训室，为师生提供一个高效、便捷的学习和实践环境，培养具备大数据分析、挖掘和应用能力的高素质人才。
二、实训室建设内容1. 硬件设施（1）高性能服务器：用于搭建大数据处理和分析平台，支持分布式计算和数据存储。
（2）存储设备：包括大容量硬盘阵列和备份设备，确保数据的安全性和可靠性。
（3）网络设备：提供高速、稳定的网络连接，支持多用户并发访问和远程教学。
（4）实训台及终端设备：配置足够的实训台和计算机终端设备，满足学生实践操作的需求。
2. 软件平台（1）大数据处理与分析软件：包括Hadoop、Spark等主流大数据处理框架和数据分析工具。
（2）数据挖掘与机器学习软件：提供数据挖掘算法库和机器学习平台，支持数据建模和预测分析。
（3）数据库管理系统：安装关系型数据库和非关系型数据库，满足不同类型数据的存储和管理需求。
（4）开发工具与集成环境：配备Java、Python等编程语言的开发工具和集成开发环境，方便学生进行项目开发。
3. 教学资源（1）教材与教辅资料：选购与大数据相关的专业教材和教辅资料，为学生提供系统的学习资料。
（2）在线课程与视频教程：引入优质在线课程和视频教程资源，丰富学生的学习途径和方式。
（3）案例库与项目库：建立大数据案例库和项目库，为学生提供实践操作的素材和参考。
三、实训室管理与运营1. 管理机构成立大数据实训室管理小组，负责实训室的日常管理和运营工作。
管理小组由专业教师和技术人员组成，确保实训室的高效运行和资源的合理利用。
2. 管理制度制定实训室使用规定和管理制度，明确师生使用实训室的权利和义务。
建立设备维护和保养制度，确保设备的正常运行和延长使用寿命。
中职大数据实训室的建设方案可以按照以下步骤：1. 设计规划：首先确定实训室的规模和布局，并考虑到师生的数量和实训课程的需求。
实训室应包括合适的空间来容纳计算机、服务器、网络设备和实训台等设备，并提供充足的通风和冷却系统。
2. 设备采购：购买适当数量的计算机、服务器、网络设备等硬件设备，确保能够满足实训需求。
同时，考虑到大数据处理的需求，建议采购高性能计算机和存储设备。
此外，还需要购买合适的软件许可证，如数据库管理系统、大数据处理软件等。
3. 网络建设：确保实训室具备稳定的网络连接，以支持学生进行实时数据传输和处理。
安装网络交换设备、路由器和防火墙，以提供高速、安全的网络环境。
4. 实训台设置：设置合适的实训台，包括宽敞的工作区、舒适的座椅和工作台面，并为每个学生配备计算机、显示器、键盘和鼠标等设备，保证学生能够进行实际的数据处理和分析工作。
5. 软件环境搭建：安装合适的操作系统和开发工具，以及相关的大数据处理平台和工具。
确保学生能够在实训室内使用各种软件进行数据处理、分析和建模。
6. 实验数据和案例准备：为学生提供真实的大数据样本和案例，让他们能够在实训室的环境下进行实际操作和实验。
可以与相关企业或合作伙伴合作，获取真实的数据集或案例，让学生能够基于真实场景进行实训。
7. 安全保障：确保实训室内的设备和数据安全，配置适当的防火墙和安全措施，设置权限控制和访问控制，定期备份重要数据，并设立合适的监控系统，及时发现和解决安全问题。
8. 教师培训和支持：提供教师培训，使他们能够熟悉实训室的设备和软件环境，并有能力指导学生进行实际操作和实验。
同时，建立技术支持团队，解决实训室使用过程中的技术问题和故障。
以上是中职大数据实训室建设的基本方案，具体的实施过程和细节还需要根据实际情况进行调整和补充。
建议在建设过程中与相关专业教师和技术人员进行充分沟通和协作，以确保实训室能够满足教学需求并提供良好的实训环境。
大数据实训室建设项目解决方案大数据实训室建设方案近年来，中国的大数据产业空间高速增长，成为推动经济发展的新引擎。
随着大数据技术的不断发展，越来越多的企业开始重视大数据的应用，这也促使着大数据人才的需求不断增加。
1.2大数据人才紧缺然而，目前大数据人才仍然相对紧缺，这也成为了制约大数据产业发展的瓶颈之一。
尤其是在高校教育中，大数据人才的培养仍然存在着不少问题。
1.3教学中存在的问题在教学中，传统的理论课程和简单的实验无法满足学生的需求，也不能很好地培养学生的实际操作能力。
此外，现有的实训室设备和教材也存在着滞后和不足的问题。
2.XXX大数据解决方案简介为了解决这些问题，XXX提出了一套完整的大数据解决方案。
该方案旨在通过建设实验室和提供相关服务，全面提升大数据人才的培养和实际操作能力。
3.XXX大数据实训室建设目标XXX大数据实训室的建设目标是培养具备大数据理论和实践能力的高素质人才，为企业和社会培养更多的技术人才。
4.XXX大数据实训室总体设计在实训室的总体设计中，我们旨在建立一套完整的培训体系，包括培养方向、实训室方案设计、实验平台建设原则、实验平台教材大纲、实训室课程目标和学员能力要求等方面。
4.1培养方向及目标我们将实训室的培养方向和目标定位为“面向企业、面向市场、面向实际应用”。
4.2实训室方案设计针对教学中存在的问题，我们设计了一套完整的实训室方案，包括大数据理论课程、实验课程和项目实践等内容，以提高学生的实际操作能力。
4.3大数据实训室建设思路在实训室建设思路中，我们采用了“先进技术、先进设备、先进管理”的理念，以确保实训室的设备和教材始终保持先进和完善。
4.4实验平台建设原则我们建立了一套完整的实验平台建设原则，包括安全可控、易于维护、易于扩展和兼容性强等方面，以确保实验平台的稳定性和可靠性。
4.5实验平台教材大纲我们制定了一份详细的实验平台教材大纲，以帮助学生更好地理解和掌握实验内容。
软件新技术开以实训室概况
1. 实训室设施：实训室配备了先进的计算机设备和软件工具，包括高性能服务器、开发工作站、最新的操作系统和开发环境。
学生可以在这里进行软件开发、测试和部署等实践操作。
2. 师资力量：实训室拥有一支专业的教师团队，他们具有丰富的软件开发经验和教学能力。
教师们会指导学生学习最新的软件开发技术，并提供实际项目的指导和支持。
3. 课程设置：实训室为学生提供了全面的软件开发课程，涵盖了软件工程、编程语言、数据库、移动应用开发、大数据处理等方面。
学生可以根据自己的兴趣和专业需求选择相应的课程进行学习。
4. 实践项目：学生在实训室中会参与实际的软件开发项目，通过团队合作和实践操作，提高自己的编程能力和项目管理能力。
这些项目通常与企业合作，为学生提供了真实的开发经验和与行业接轨的机会。
5. 创新活动：实训室鼓励学生积极参与创新活动，如软件设计大赛、创新创业项目等。
学生可以展示自己的才华和创新能力，并获得奖项和资金支持。
6. 行业合作：实训室与多家企业和机构建立了合作关系，为学生提供实习和就业机会。
学生可以通过与企业合作项目，了解行业需求和实际应用场景，为未来的职业发展做好准备。
软件新技术开发实训室为学生提供了一个良好的学习和实践环境，帮助他们掌握最新的软件开发技术，培养创新思维和实际操作能力。
大数据专业实验室简版方案2022年9月目录一、实验实训平台方案 (1)（一）架构设计 (1)（二）实验实训平台 (2)（三）大数据支撑平台及资源 (4)（五）硬件支撑 (7)二、项目建设预算 (8)一、实验实训平台方案（一）架构设计本项目遵循成熟的“五层两翼”设计框架，项目采用B/S架构设计与Hadoop 分布式技术，可以满足项目兼容性、先进性、实用性、可扩展性等多方面需要。
总体架构设计如下图所示：用户层：用户层面向学生、教师等用户开放。
服务器支持动态扩展节点，可以为更多学生提供学习服务。
前端浏览器可通过网络连接直接访问服务器运行的所有容器，方便进行实验、实训、考试等教学活动。
应用层：包括教学实训平台、角色管理子系统、课程管理子系统、资源管理子系统、实验报告管理子系统、作业考试子系统、系统管理子系统等。
在线功能通过虚拟化技术实现，便于访问和使用。
支撑层：实验环境底层均使用企业级实验实训支撑平台，为整个系统提供相关实验的处理、分析能力，无需再安装其它软件，同时支持开源和企业级的环境。
资源层：提供专业课程、实训课程所需的实验与实训资源，包括项目实战案例、教学PPT、教学视频、实验指导手册、实训资源包（项目工程包）等教学服务所需资源。
基础设施层：根据专业实验实训中心建设需要，规划项目基础设施层主要包括超融合一体机、LED大屏或智慧黑板、学生机、教师机、机柜、KVM、交换机、监控、硬盘录像机、壁挂喇叭、功放、麦克风、以及机器人实验专用设备。
（二）实验实训平台用户可通过浏览器直接访问实验实训平台开展专业教学、科研、实训等教学活动，通过虚拟化技术实现，直接调取实验实训支撑平台环境与资源，实验实训平台功能如下：1、理论教学理论教学以图文形式展示，支持图片、文字、PPT、视频等格式，可按照专业、课程、章节进行学习。
2、实验教学在线实验功能通过虚拟化技术实现，实验界面分为左右两栏，左侧为实验指导书，显示实验原理、介绍、步骤等，右侧展示实验虚拟机。
大数据一体化教学实训平台简介大数据一体化教学实训平台是由泰迪科技自主研发，旨在为高校大数据相关专业提供一体化教学实训环境及课程资源。
本平台共包含9大模块：云资源管理平台、教学管理平台、大数据分析平台、Python数据挖掘建模平台、R语言数据挖掘建模平台、大数据开发实训平台、 Python编程实训平台、R语言编程实训平台、大数据整合平台。
以教学管理平台、云资源管理平台为支撑，以优质的课程、项目案例资源为核心，并以自主研发的数据挖掘建模平台为实训工具，把课程、软件、硬件内容统一结合，满足高校大数据教学与实训的一体化平台。
大数据一体化教学实训平台架构（总）大数据一体化教学实训平台架构（理学方向）大数据一体化教学实训平台架构（工学方向）大数据一体化教学实训平台特点•B/S架构：可直接通过客户机的浏览器对服务器端的一体化教学实训平台进行访问。
•模块丰富：提供软硬件管理、教学管理、实验实训等系列模块，满足不同的教学与实训场景使用。
•拓展性强：教师自主开设新课程、添加各种课程资源与活动，满足用户的个性化需求。
•单点登录：用户只需一次登录即可访问所有的教学与实训平台，解决了登录繁琐、操作不便等问题。
•资源一体：提供教学大纲、教学视频、教学、课后习题、实验指导书、实验数据、实验代码、实验环境等一系列的教学实训资源，全方位解决实际教学与实训过程中所遇到的问题。
•教学一体：分别提供“教”与“学”的软件环境，教学与实训模块深度融合，真正实现一体化。
•软硬件一体：硬件环境采用云柜的方式进行搭建，内部集成机柜、服务器（部署一体化教学实训平台）、供配电、UPS、变频空调、应急通风等，整个云柜架构和谐统一、方便安装与维护。
云资源管理平台简介云资源管理平台主要对实验室云虚拟化资源进行管理及维护，负责对实验室所有软件系统进行管理与监控，将云存储资源、服务器资源和网络资源整合，然后通过虚拟化搭建私有云平台，在私有云平台上搭建教学管理平台与一系列的大数据实训平台。
本科院校大数据教学实训实验室建设方案一、背景：随着大数据技术的迅速发展，对大数据人才的需求越来越大。
本科院校是培养大数据人才的重要基地之一，为了提高学生的实践能力和满足企业对于大数据人才的需求，建设一所符合实际需求的大数据教学实训实验室势在必行。
二、目标：1.提供实践机会：为学生提供一个能够进行真实数据处理和分析的实践平台，让学生能够在实际操作中掌握大数据技术。
2.技术研究：作为大数据技术研究的基地，为相关技术的研究提供硬件、软件和实验环境。
3.标准化培训：为职业培训提供一个标准化的教学实训平台，便于培训机构进行培训课程开发。
三、建设内容：1.硬件设施：建立一套高性能的计算平台，包括服务器、存储设备、网络设备等，满足大数据处理和分析的需求。
2. 软件环境：安装和配置大数据相关的软件和工具，如Hadoop、Spark、Hive等，为实验和实践提供支持。
3.数据采集与清洗：建立数据采集和清洗的环境，包括网络爬虫和数据清洗工具的安装和使用。
4.数据存储与管理：建立数据存储和管理的环境，包括关系型数据库和NoSQL数据库等的安装和配置。
5.数据处理与分析：建立数据处理和分析的环境，包括分布式计算框架和机器学习算法的安装和配置。
6.可视化展示：建立数据可视化和展示的环境，包括可视化工具和前端开发平台的使用。
四、建设步骤：1.确定需求：依据课程设置和学生需求，明确实验室的功能和建设方向。
2.设计方案：制定详细的实验室建设计划，包括硬件设施、软件环境和数据处理流程等。
3.采购设备：按照设计方案采购所需的硬件设备和软件许可。
4.系统集成：将所采购的设备进行组装、安装和配置，建立起完整的实验室环境。
5.开展试验：进行一系列试验，包括数据采集、清洗、存储、处理和可视化等环节。
6.教师培训：为实验室的教师进行培训，使其能够熟练操作实验室的设备和软件。
7.学生实践：将实验室纳入教学计划，为学生提供实践机会，指导学生进行实验和项目开发。
大数据实训基地管理制度第一章总则第一条为了加强大数据实训基地的管理，提高实训效果，根据《中华人民共和国教育法》、《中华人民共和国职业教育法》等相关法律法规，制定本制度。
第二条本制度适用于大数据实训基地的规划、建设、管理、使用和维护等工作。
第三条大数据实训基地应遵循合法合规、科学管理、共享共建、持续改进的原则。
第四条大数据实训基地的管理工作应由实训基地管理部门负责，明确各级管理人员和员工的实训基地管理职责。
第二章实训基地规划与建设第五条大数据实训基地的规划应结合企业需求、行业发展趋势和技术进步，合理确定实训基地的发展方向和规模。
第六条大数据实训基地的建设应充分考虑实训教学、科研创新、技术服务等多方面的需求，确保实训基地的功能完善、设备先进、环境优良。
第七条大数据实训基地的建设项目应按照规定的程序进行申报、审批和实施，确保项目质量和效益。
第三章实训基地管理第八条大数据实训基地应建立健全实训管理制度，明确实训教学、科研创新、技术服务等方面的管理要求和流程。
第九条大数据实训基地应加强实训教学管理，确保实训课程设置合理、教学内容充实、实训效果明显。
第十条大数据实训基地应加强科研创新和技术服务管理，促进教学、科研、生产的紧密结合。
第四章实训基地使用与维护第十一条大数据实训基地的使用应严格按照规定程序进行预约、使用和结束，确保实训资源的高效利用。
第十二条大数据实训基地的维护应建立健全设备维护、环境卫生、安全保障等方面的管理制度，确保实训基地的正常运行。
第五章违规处理第十三条违反本制度的，由实训基地管理部门进行调查，并根据实际情况进行处理。
第十四条违规行为涉及金额较大的，应报告企业领导，并按照公司规定进行处理。
第六章附则第十五条本制度自发布之日起施行。
第十六条本制度的解释权归实训基地管理部门所有。
基于大数据技术的实训室预约管理系统的研究与设计随着大数据技术的快速发展，越来越多的机构和企业开始意识到大数据对业务发展的重要性。
实训室作为高校培养学生实践能力的重要场所，也面临着日益增长的预约管理需求。
本文将研究和设计一种基于大数据技术的实训室预约管理系统，旨在提高实训室的利用率和管理效率。
一、研究背景实训室是高校培养学生实践能力的重要场所，承担着学生实验、实习和科研等任务。
由于实训室数量有限，学生预约实训室的需求经常超过实际可获得的时间。
传统的实训室预约方式由管理人员手动记录和安排，难以满足实时性和高效性的要求。
随着互联网和大数据技术的发展，采用基于大数据技术的实训室预约管理系统可以更好地满足实训室预约需求。
通过对实训室使用情况的大数据分析，可以实时监控实训室的利用率和预约情况，为学生提供更准确的预约信息。
系统可以自动化地进行调度和安排，提高实训室的利用率和管理效率。
二、系统设计与实现1.系统功能设计：系统主要包括实训室管理、预约管理、数据分析和报表统计等功能，具体包括实训室信息录入、学生预约申请、管理员审批、实训室调度和安排、预约数据分析和报表统计等。
2.系统架构设计：系统采用B/S架构，前端使用HTML、CSS和JavaScript实现，后端使用Java语言和MySQL数据库实现。
系统通过Web浏览器访问，方便学生和管理员使用。
3.系统实现步骤：（1）实训室信息录入：管理员通过系统录入实训室的基本信息，包括实训室编号、位置、设备等。
（2）学生预约申请：学生通过系统提交预约申请，包括预约日期、时间段、参与人数等信息。
（3）管理员审批：管理员通过系统审批学生的预约申请，包括通过、拒绝等。
（4）实训室调度和安排：系统根据学生的预约情况自动进行实训室的调度和安排，确保实训室的利用率最大化。
（5）预约数据分析和报表统计：系统对预约数据进行分析和统计，生成实训室的利用率、预约情况等报表，为管理员提供决策支持。
大数据实训室招标编号：JZDFGZ-GP-20192303采购文件采购单位：贵州电子商务职业技术学院采购代理机构：北京建智达工程管理股份有限公司日期：2019年9月投标供应商资格要求（一）一般资格要求：①具有独立承担民事责任的能力：具备有效的统一信用社会代码营业执照；②具有良好的商业信誉和健全的财务会计制度：提供2018年度经会计师事务所出具的审计报告，包括“三表一注”(资产负债表、利润表、现金流量表及其附注),新成立不满一年的企业，应提供开户银行出具的资信证明；③具有履行合同所必须的设备和专业技术能力：具备履行合同所必需的证明材料或承诺；④具有依法缴纳税收和社会保障资金的良好记录：提供2019年1月至今任意连续3个月依法缴纳税收和社会保障资金的付款凭证；⑤参加本次政府采购活动前三年内，在经营活动中没有违法违规记录：提供《参加政府采购活动前三年内在经营活动中没有重大违法记录的书面声明》；⑥法律、行政法规规定的其他条件：/（二）本项目所需特殊行业资质或要求：/（三）本项目不接受联合体投标,不得转包与分包。
采购清单、技术参数及商务要求第一节采购清单及技术参数3/302、包转发率：整机333Mpps3、2个Slot扩展槽4、支持1G/10G/40G端口聚合，支持动态聚合、跨设备聚合5、支持可插拔双电源、可插拔双风扇结构设计6、支持基于端口、IP子网、协议、MAC、Voice的VLAN7、支持SDN控制方式;支持网络拓扑的自动发现8、对交换机的自动配置、自动软件升级;9、支持多租户环境及租户之间的访问控制机制;10、支持L3虚拟和物理服务的插入和串连，并可应用于特定的租户或者多租户共享；11、支持IPv4/IPv6，支持BGP、BGP4+，支持ISIS、ISISv6，支持VRRP、VRRPv312、支持组播VLAN、PIM SM、PIM DM、MSDP，支持双向PIM13、支持MPLS转发、LSP、LDP、L2VPN、L3VPN、VPLS、MCE14、支持用户分级管理和口令保护，支持基于端口的认证和MAC认证，支持AAA认证、Radius认证、HWTACACS、SSH2.0、Portal认证、PKI、HTTPs、EAD等安全认证4接入交换机1、48*10/100/1000TX+4*SFP2、交换容量：336Gbps，包转发率：87Mpps3、网络协议：二层环网协议：支持STP/RSTP/MSTP协议，支持STP Root Protection，支持RRPP；路4台4/30由协议：支持IPv4/IPv6静态路由，支持RIP/RIPng，OSPFV1/V2/V34、VLAN：支持基于端口的VLAN，支持QinQ，支持Voice VLAN，支持协议VLAN，支持MAC VLAN5、QOS：QoS/ACL：支持包过滤功能，支持SP/WRR/SP+WRR队列调度，支持双向ACL，支持基于端口的限速，支持基于流的重定向6、网络管理：支持命令行接口（CLI）配置，支持Telnet远程配置，支持通过Console口配置，支持SNMP（EImple NetworkManagement Protocol），支持RMON（Remote Monitoring）告警、事件、历史记录，支持iMC网管系统，支持WEB网管，支持系统日志，支持分级告警，支持IRF，支持NTP5云控制节点2*Intel Xeon Processor E5-2603V46C/6T 1.7GHz15M6.4GT/s85W4*16GB/DDR4/2133或2400或2666MHz/ECC/REG2*300GB/SAS/10000RPM/2.5寸/企业级3*2TB/SATA/7200RPM/3.5寸/企业级1*LR382A/8口/SAS12Gb/半高/PCIe3.0x8/1GB缓存/支持RAID0,1,5,6,10,50,60,JBOD1*上架导轨套件(适用于机柜立柱间距730--870mm)1*2U550W1+1冗余电源1*双口/千兆铜纤/I350-T22台6云计算节点2*Intel Xeon Processor E5-2620V48C/16T 2.1GHz20M8.0GT/s85W10*32GB/DDR4/2133或2400或2666MHz/ECC/REG2*300GB/SAS/10000RPM/2.5寸/企业级3*4TB/SATA/7200PRM/3.5寸/企业级1*LR382A/8口/SAS12Gb/半高/PCIe3.0x8/1GB缓存/支持RAID0,1,5,6,10,50,60,JBOD1*上架导轨套件(适用于机柜立柱间距730--870mm)1*2U550W1+1冗余电源10台7大数据平台软件服务1、平台提供Ambari管理Hadoop集群，包括分布式存储（HFDS）、分布式计算框架（Mapreduce）、资源管理器（Yarn）、分布式列数据库（HBase）、分布式协调服务（Zookeper）等组件。
2、支持通过运维指标（metrics）监视Hadoop集群的运行状况，包括服务的运行状况、内存消耗、CPU消耗、HDFS磁盘使用情况、DataNodes的生存状况、集群负载等功能。
3、提供Map-Reduce大规模数据集（数量大、类型复杂）离线并行运算的编程框架，可同时计算分析1套5/30PB级海量数据。
4、支持HDFS分布式存储系统。
既可以作为Hadoop集群的一部分，也可以作为一个独立的分布式文件系统。
5、支持Hive数据库，与大部分的SQL语法兼容，Hive数据库构建于Hadoop的HDFS和MapReduce 之上，用于管理和查询结构化的数据仓库。
6、支持可靠性、高性能、面向列、可伸缩的HBase分布式列数据库。
7、支持Mahout组件，支持可扩展的机器学习领域经典算法的实现。
8、支持Pig探索大规模数据集的脚本语言。
采用Pig Latin语言，以简单的代码处理大量的数据。
9、支持数据传输工具Sqoop,可以实现Apache Hadoop和结构化关系数据库之间的数据传输。
10、支持高可用的，高可靠的，分布式的海量日志采集、聚合和传输的Flume系统。
11、支持基于内存读写的并行框架Spark2，支持操作分布式流式大数据集。
12、支持分布式发布订阅消息系统Kafka,可以处理消费者规模的网站中的所有动作流数据。
13、支持knox，提供了单点认证和接入集群中Apache Hadoop服务；14、Ambari管理服务提供日志聚合，分析和可视化；15、支持Druid，快速分布式面向列数据存储；16、支持Falcon数据管理与处理；17、Zeppelin Notebook，一个让交互式数据分析变得可行的基于网页的notebook，方便做出可数据驱动的。
可交互且可协作的精美文档，并且支持多种语言，包括sql，scala等。
6/308云基础架构平台软件服务1、总体要求：要求基于Docker容器开放式云平台架构,优势：更高效的利用系统资源、秒级、甚至毫秒级的启动时间、更轻松的迁移、更轻松的维护和扩展。
2、镜像管理功能：要求能显示镜像列表、要求能显示镜像构建历史、能从容器创建新镜像、要求能够从Dockerfile构建镜像、从registry下载镜像、能将镜像上传到registry、要求能够删除Dockerhost中的镜像、支持使用Dockerfile构建镜像。
3、配额调度：启动/停止/重启容器、暂停/恢复容器、删除容器、限制容器对CPU的使用、限制容器对内存的使用、限制容器对Block IO的使用。
支持私有Docker Registry，用户可在本地地搭建私有Docker Registry。
4、基于容器的应用部署、维护和滚动升级。
5、支持负载均衡和服务发现。
6、支持认证、授权、访问控制、API注册和发现等机制。
7、支持维护集群状态，比如故障检测、自动扩展、滚动更新等8、支持scheduler资源调度。
9、支持维护容器的生命周期，支持Volume（CVI）和网络（CNI）管理。
10、支持镜像管理以及Pod和容器的真正运行（CRI）。
11、支持秒级创建资源：即从用户在页面点击“创建”按钮，到集群资源成功创建完成所花费时间不能超过10秒钟。
12、可提供教学所需的镜像资源。
支持为大数据教学管理系统提供不少于30个专用教学镜像和通用镜像。
满足教学时对特定实验环境的需求。
1套9大数据综合实训平台软件服务大数据实训管理模块服务一、教师端1套7/301、教师端管理中心：教师角色登陆后展示教师基本信息，并对教师可继续目前正在进行的实验。
能做的当前实验展示信息，在主要部分显示快速应用入口，如：课程管理，课堂管理，班级管理，资源管理，考试管理，智能分析。
2、课程中心：在课程中心中课程按照不同学期进行课程展示，并可依据课程名称进行课程筛选查看。
3、自主创建课程：支持教师自主创建课程，包括填写具体课程信息，如：课程名称，课程是否公开，课程分类，课程开始时间，课程结束时间，课程类型，实验成绩预置，实验时长预置，配置不同的集群环境，设置使用主机内存、CPU数量、硬盘空间等；支持通过导入方式导入课程大纲、简介；支持上传教学课件PPT/PDF；支持该课程选择一个或多个班级学习。
★4、模板创建课程：支持教师通过模板创建方式实现快速创建课程。
通过在系统中选择预置的课程模版一键完成课程创建，模版选择功能需要包含课程预览、课程编辑、班级导入、查看班级、成绩管理、实验报告以及课程搜索等基本功能。
投标文件中需提供软件功能截图证明文件。
5、管理课程：可以实现快速筛选，并展示不同课程的基本信息，如：是否作为发布课程，课程可以直接预览，编辑当前课程，添加班级，管理报告，或者删除课程。
★6、创建案例：教师可以依据自己项目经验，自主创建案例，并可填写如：案例名称，案例介绍，集群环境，主机类型，主机数量，；在案例具体内容中，可以自主设定案例的数据生命周期，如：项目概要，需求分析，解决方案，准备工作，数据采集，数据存储，数据处理，数据可视化等信息，并依据所编辑的媒体不同在资源库中选择图片，手册，指导视频，ppt，集群环境等信息。
投标文件中需提供软件功能截图证明文件。
7、管理案例：可以实现快速筛选，并展示不同的案例基本信息，如：案例预览，编辑，审核学员，审核项目总结；查看案例使用情况：案例模块，8/30指导视频数量，实验数量，可视化结果数量，学习班级，学员数量。
★8、课堂管理：教师可以全景方式查看当前某一课程、实验中对应上课班级所有学生虚机状态，包括学生虚机在线、离线状态。
对于在线学生可以点击虚机远程进入学生实验界面，远程协助学生完成有困难实验。
投标文件中需提供软件功能截图证明文件。
