ХЕРСОНСЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ

КАФЕДРА ІНФОРМАТИКИ І КОМП’ЮТЕРНИХ НАУК

ФАКУЛЬТЕТУ КІБЕРНЕТИКИ ТА СИСТЕМНОЇ ІНЖЕНЕРІЇ

МЕТОДИЧНІ РЕКОМЕНДАЦІЇ
та індивідуальні завдання для самостійної роботи студентів

з дисципліни «Технології високопродуктивних розподілених обчислень»

для студентів 1 курсу

підготовки другого (магістерського) рівня вищої освіти

галузі знань 12 «Інформаційні технології»_____________

спеціальності 121 «Інженерія програмного забезпечення»_

освітньо-професійних Програмна інженерія, Програмне

програм забезпечення систем____________________

факультету Інформаційних технологій та дизайну______

Херсон – 2019
Методичні рекомендації та індивідуальні завдання для самостійної роботи студентів
з дисципліни «Технології високопродуктивних розподілених обчислень» підготовки
фахівців на другому (магістерському) рівні вищої освіти спеціальності 121
«Інженерія програмного забезпечення».

РОЗРОБНИКИ: Огнєва О.Є., к.т.н., доцент, Шерстюк В.Г., д.т.н., професор

РЕЦЕНЗЕНТ: Вишемирська С.В., к.т.н., доцент

Робоча програма навчальної дисципліни затверджена на засіданні кафедри

програмних засобів і технологій

Протокол № ___ від «____» ________20___ року

Завідувач кафедри В.Г.Шерстюк

Відповідальний за випуск – Огнєва О.Є., к.т.н., доцент

Узгоджено з навчально-методичним відділом

Реєстраційний номер №______________________________

© ХНТУ, 2019р.
 ВСТУП

Самостійна робота студента є основним засобом оволодіння навчальним

матеріалом у час, вільний від обов’язкових навчальних занять.
Мета самостійної роботи студентів:набуття додаткових знань, перевірка
отриманих знань на практиці, вироблення фахових та дослідницьких вмінь та
навичок.
Методичні матеріали для самостійної роботи студентів містять теоретичний
матеріал для самостійного опрацювання студентом, приклади розв’язку задач,
контрольні питання для проведення самоконтролю, список рекомендованої
літератури для опрацювання. Самостійну роботу над засвоєнням навчального
матеріалу студенти можуть виконувати у бібліотеці вищого навчального закладу,
комп’ютерних класах, а також в домашніх умовах.
Графік самостійної роботи доводять до відома студентів на початку поточного
семестру. Навчальний матеріал навчальної дисципліни, передбачений робочим
навчальним планом для засвоєння студентом в процесі самостійної роботи,
виносять на підсумковий контроль поряд з навчальним матеріалом, який студенти
опрацьовували при проведенні навчальних занять.
Види завдань для самостійної роботи поділяються на:
 розв’язання задач;
 опрацювання певного матеріалу за навчальною літературою та створення
структурної (візуальної) схеми прочитаного матеріалу.
Розв’язування задач. Викладач підбирає (розробляє) задачі за певними
розділом курсу і пропонує їх розв’язати. Звітувати про розв’язання студенти можуть
за допомогою ІТ технологій, які використовувались при розв’язанні поставленої
задачі. Можна давати всім студентам однакові завдання і порівнювати, як кожен
студент їх розв’язав.
Самостійне опрацювання певного матеріалу за навчальною літературою та
створення структурної (візуальної) схеми прочитаного матеріалу. Викладач дає
студентам навчальний матеріал (певний розділ підручника), пропонує його
опрацювати і зміст розділу представити у вигляді візуальної схеми, малюнку тощо.
Схеми і малюнки, створені студентами слід представити та обговорити на
практичному занятті або лекції.
 Обов’язкова самостійна робота студентів передбачає вивчення окремих
теоретичних питань дисципліни, а також виконання індивідуальних робіт у вигляді
реферату за варіантом та електроним захистом.

Варіанти тематики:
Тема 1. Вступ до дисципліни
Розробка прикладної задачі, на прикладі якої можна ефективно дослідити завдання
розподілених обчислень.

Тема 2. Огляд та аналіз сучасних засобів створення системи обробки великих

обсягів інформації
Архітектура платформи APACHE HADOOP. Існуючі дистрибутиви Apache
Hadoop. Приклад використання

Тема 3. Огляд та аналіз сучасних засобів зберігання та обробки великих обсягів

інформації
Apache Hadoop у CERN. Потік даних. Будова HDFS. Основні концепції HDFS. Блоки.
Висока доступність HDFS. Подолання збоїв і ізоляція. Конфігурація обладнання.

Тема 4. Розробка структурних схем автоматизованої розподіленої системи обробки

інформації
Обробка великих даних в SQL Server і Hadoop. Використання R в SQL Server.
Використання MapReduce в Hadoop. Використання Hadoop Spark

Тема 5. Розробка функціональних схем автоматизованої розподіленої системи

обробки інформації
Парадигма MapReduce. Фреймворк MapReduce

Тема 6. Розробка алгоритмічного забезпечення автоматизованої розподіленої

системи обробки інформації
Обробка великих даних в SQL Server і Hadoop. Створення моделі і прогнозування
результатів в SQL Server. Аналіз і висновок результату за допомогою Map / Reduce
в Hadoop. Інтеграція скрипту sparklyr в робочий процес ScaleR.

Тема 7. Розробка програмного забезпечення автоматизованої розподіленої системи

обробки інформації
Фреймворки обробки Hadoop. Робота фреймворків. Фреймворки Hadoop. Інші
фреймворки для Amazon EMR

Тема 8. Трансп’ютероподібні обчислювальні системи

NoSQL бази даних: HBase и Cassandra. Способи збереження даних. NoSQL.
Вступ в HBase. Архітектура HBase та Cassandra