4.2大数据处理教学设计2026-2027学年浙教版高中信息技术必修一

教学环节

教师活动

学生活动

设计意图

【第 1 课时】

情境导入

（4 分钟）

播放短片《一天的数据》：从清晨扫码乘车、刷脸进校，到午间扫码点餐、傍晚刷视频，一个人一天就产生了大量数据。提问：“同学们，我们前面学过用电子表格软件处理数据，如果面对的是几亿、几十亿条数据，表格软件还处理得过来吗？”引导学生发现——数据量大、来源与类型多样、处理速度快、价值密度低，是表格软件难以应对的。由此引出课题：大数据需要用新的思路和技术来处理。

观看短片，结合自己的生活经历说说“一天产生了哪些数据”；回忆表格软件处理数据的方法，思考面对海量数据时它的局限，带着“大数据该怎样处理”的问题进入本课学习。

用“一天的数据”这一贴近生活的场景制造认知冲突，让学生真切体会到“数据变大了、旧办法不够用了”，为引出分治思想与分布式计算作好铺垫，落实“信息意识”。

探究一

大数据处理的

基本思想：分治

（12 分钟）

提出任务：“要让计算机统计过去一年所有微博中出现频率最高的 100 个词，一个人、一台机器干不完，怎么办？”先讲清处理大数据时一般采用分治思想——分治，就是“分而治之”：把一个复杂的问题分成两个或更多个相同或相似的子问题，找到求这几个子问题的解法后，再找出合适的方法把它们组合成求整个问题的解法；如果这些子问题还难以解决，可以再把它们分成几个更小的子问题，以此类推，直至可以直接求出解为止。用学生熟悉的事例作类比：开发一款小程序要分成写代码、画界面、设计玩法、宣传等子任务；把 n 名志愿者的报名信息按城市分成若干集合分别排序，再合并起来。提问：“把大问题拆成小问题分别解决，和一口气解决相比，好处在哪里？”

结合“统计高频词”的任务，思考怎样把一个大任务拆成若干小任务；用自己的话说出“分治”的含义；举出学习或生活中“分而治之”的例子（如小组分工完成班级海报、把大扫除分成若干区域）；讨论“分”之后为什么还要“合”。

把抽象的“分治思想”用学生熟悉的分工协作作类比，降低理解难度；通过“拆—解—合”的完整过程，让学生理解大数据处理的基本思路，为分布式计算作好概念铺垫，落实“计算思维”。

探究二

分布式计算与

并行处理

（16 分钟）

承接分治思想，引出分布式计算——把一个需要非常巨大的计算能力才能解决的问题分成许多小部分，然后把这些部分分配给许多计算机进行处理，最后把这些计算结果综合起来得到最终的结果；再介绍并行处理——计算系统中能同时执行两个或更多处理的一种计算方法，主要目的是节省大型和复杂问题的处理时间。举“利用分布在世界各地成千上万台闲置计算机，分析来自外太空的电信号、探索可能存在的外星智慧生命”的案例，让学生体会“把许多计算机连起来一起算”的威力。接着设置两个“任务与思考”：任务一，感受大数据有多“大”——按每张照片约 5MB、每天拍 100 张计算，存满 10TB 大约需要多少年；任务二，若有 10 台计算机各能处理 1000M 数据，都比向一台主控机汇总，可能会出现什么问题？引导学生讨论得出：多机同时向主控机传输会遇到网络带宽瓶颈，机器越多、发生故障的风险越大，一台出问题整个计算就可能失败。进而引出解决办法——把数据分发给不同计算机并保留副本、由专门软件检测故障并重新安排任务。

动手估算“存满 10TB 大约需要多少年”，感受数据规模之“大”；围绕“多台计算机一起算会遇到什么麻烦”展开小组讨论，尝试提出解决办法；理解分布式计算“分工—汇总”的过程和并行处理“同时执行”的含义。

把分布式计算与并行处理放到“分治”的整体框架下讲解，形成前后贯通的知识链；用估算活动和故障讨论，让学生在“算一算、议一议”中体会大数据处理的难点与解决思路，培养容错意识，落实“计算思维”与“数字化学习与创新”。

第 1 课时

小结与作业

（8 分钟）

依托板书梳理第 1 课时的知识：大数据处理的基本思想——分治思想（分而治之，拆成子问题、分别求解、再合并结果），以及建立在此基础上的分布式计算和并行处理，并点出“数据分发与备份、故障检测与重新安排任务”是它可靠运行的关键。用一句话点住核心——“数据太大，先分后合”。布置课时作业：用自己的话说出分治思想，并举一个生活中“分而治之”的例子。提示下一课时将学习大数据可以分为哪几类、又分别用什么样的技术来处理。

用自己的话说出分治思想、分布式计算与并行处理的含义及联系；回顾估算过程中的数据换算；记录作业要求，课后完成举例任务。

及时小结本课时的核心概念，用“先分后合”一句点住关键，为下一课时的处理类型与平台作好衔接，落实“计算思维”。

【第 2 课时】

复习导入

（3 分钟）

回顾上节课提出的“统计高频词”任务，提问：“这些数据来的时候一样吗？”出示三组材料——一份已存放在服务器上的近 10 天访问日志、一路不断传来的实时路况信息、一张社交网络好友关系图，追问：“它们的‘样子’不一样，处理方式能一样吗？”由此引出本课时的内容：大数据可以分为静态数据、流数据和图数据三类，各有配套的处理方式。

回忆分治思想与分布式计算；观察三组材料的差别，尝试判断“它们分别是什么样的数据”；对“不同数据用不同办法处理”产生探究兴趣。

用三组形态不同的数据自然引出“大数据处理的类型”，让学生体会“不同特征的数据要用不同的处理方式”，避免死记硬背，落实“信息意识”与“计算思维”。

探究三

大数据处理的

类型

（10 分钟）

引导学生对比三组材料的特征，用一张对照表梳理大数据处理的三种类型：静态数据——在处理时已收集完成、在计算时不会发生改变的数据，采用批处理计算，常用 Hadoop、Spark 等；流数据——不间断地、持续地到达的实时数据，如根据交通路况实时更新导航路线，采用流计算，常用 Storm、Heron 等；图数据——现实世界中以图的形式呈现的一些数据，如社交网络、道路交通等数据，采用图计算，常用 Pregel、GraphX 等。配合典型情境辨析：近 10 天的访问日志属于静态数据，监控与购物网站不断送来的实时推荐数据属于流数据，社交网络的好友关系属于图数据。

阅读并整理三类数据的特征与对应处理方式，完成对照表；对教师给出的情境作出判断，说出某份数据属于哪一类、应采用哪种计算方式；与同桌互相出题考一考。

用“对照表＋情境辨析”的方式把三类数据讲清，帮助学生建立“数据特征—处理方式—软件平台”的对应关系，为下一环节认识具体平台作好准备，落实“计算思维”。

探究四

批处理计算平台

Hadoop

（12 分钟）

介绍批处理计算的代表性平台 Hadoop——一个可运行于大规模计算机集群上的分布式系统基础架构，适用于静态数据的批处理计算。带领学生认识它的主要模块：Common 公共库、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。分别讲清三者作用：HDFS 把大规模海量数据以文件的形式、用多个副本保存在不同的存储节点中，用分布式系统统一管理，是一个高度容错性的系统，适合部署在廉价的机器上，目前云盘、网盘的底层一般采用 HDFS 实现；HBase 建立在 HDFS 提供的底层存储基础上，采用基于列的存储方式，主要用来存储非结构化数据和半结构化数据，具有良好的横向扩展能力，可管理 PB 级的大数据；MapReduce 能够处理大规模数据集的并行运算，主要由 Map（映射）和 Reduce（归纳）两个函数构成，核心处理思想是把任务分解并分发到多个节点上进行处理。

结合“统计高频词”的例子，理解 MapReduce“分解任务、分发处理、归纳汇总”与分治思想、分布式计算的呼应关系；说出 HDFS、HBase、MapReduce 各自管什么；比较“一台计算机存数据”和“用多个副本分散存数据”的区别。

以“统计高频词”这一贯穿案例把 Hadoop 的三大模块串起来讲，让学生看得见“分治思想落地成技术”的过程；用“多副本分散存”体会分布式存储的容错优势，落实“计算思维”。