大数据技术在高校智慧校园建设中的应用

陈剑，张志华，伍乙生，傅志铭

(1.肇庆医学高等专科学校 信息中心，广东肇庆 526020；2.肇庆学院 信息中心，广东肇庆 526061)

0 引言

智慧校园，是充分利用互联网技术和人工智能技术，在校园内及校园之间，构建互联网体系，实现有效的数据共享和供需匹配，有效提升高校教学质量和科研能力，促进产学研一体化进程。早期的智慧校园是建立在校园网上的学籍系统、教务系统、选课系统、考试系统、电子图书馆系统、虚拟实验室系统、内网博客论坛交互系统和资源下载系统等[1]。这些系统虽然都运行在统一的校园网硬件架构上，但功能与数据之间相对独立，形成较为分散的系统架构。但随着互联网+校园架构逐渐成型，这些系统之间的数据交互需求逐渐增强，所谓智慧校园大数据，就是将这些系统的数据资源充分融合，形成校园网体系下的统一管理且可以得到有效挖掘的大数据系统[2]。

在此研究中，本文重点研究高校智慧校园大数据的产生机制和匹配可能性，从数据供求拟合方面进行数学建模，在仿真环境下论证该拟合方式的统计学价值和数据资产价值。

1 高校智慧校园大数据的产生机制

1.1 智慧校园校园网的用户角色

校园网内，用户角色一般分为6种不同角色。

(1)本专科在校生

本专科在校生是一般高校内的最大群体，这类群体以受训学习为主，其对校园网的主要需求，来自互联网外网接入、选课及考试、电子图书馆期刊文献下载、课件资源下载和虚拟实验室等。在研究型高校理念普及之前，本专科在校生是高校业务的核心组成部分。

(2)硕博士研究生

随着近年来硕博士不断扩招，高校内硕博士全日制在读学生不断增加。与本专科在校生不同，硕博士研究生更多参与到高校的科研项目中，从事基础研究工作。其对校园网的主要需求，来自电子图书馆期刊文献下载、虚拟实验室、开题立项报送审批和高校间互联互通等。部分硕博士研究生兼任代课教师或政治辅导员。

(3)研究员及博士后在站

工作在高校设立的各实验室、研究院所中的研究员和在站博士后等，虽然人数较少，但属于研究型高校的核心生产力提供者。教授学者的课题多由这一角色完成。其对校园网的主要需求，来自虚拟实验室、云计算资源申请、图书馆期刊文献下载和高校间互联互通，因为研究员和在站博士后需要频繁出差，对公网接入校园网的VPN需求也较广。

(4)代课教师及政治辅导员

代课教师及政治辅导员主要与本专科在校生发生数据联动关系，其对选课及考试系统、课件资源上传等有需求。

(5)教授学者

教授学者主要与硕博士研究生、研究员及在站博士后等有数据联动关系，其对线上科研资源有需求。

(6)管理人员

管理人员负责校内的党政、行政、教务和学生管理，对整体大数据进行管理，根据其职务不同，对各系统管理后台有部分操作权限。

所以，以上角色之间的逻辑关系图如图1所示。

图中，本专科在校生、教师及辅导员对教学型资源的需求量较大，研究员及在站博士后、教授学者等对研究型资源需求量较大，而硕博士研究生对二者的需求较为折中。

1.2 智慧校园大数据的交互

在智慧校园IDC机房作为核心背板的情况下，可以实现多种接入方式，如VPN接入、公网接入、校内网接入和各种堆栈型计算资源接入等[3]。IDC为整合型计算机网络机房的英文缩写，是将网络控制设备和网络管理设备整合到一个核心机房中构建的硬件系统，VPN为虚拟拨号接入的英文缩写，该方式支持在公网内构建虚拟专用链接，确保数据在公网内传输过程的私密性。该交互模式如图2所示。

图2 智慧校园大数据的交互数据流

图中，智慧校园与校园网在硬件和数据层面均为两套系统，智慧校园提供校园内的计算资源、虚拟实验室资源、电子图书馆资源和各种与智慧校园相关的管理信息系统的逻辑接入点，而校园网更多承担了校园网的通讯功能，负责将学生及教职工宿舍、办公室、教室、实验室、电子阅览室和各种机房等实现校内高速互联[4]。所以，在数据链路层面，校园网数据从校园网通讯系统中进行传输，而在数据逻辑层面，智慧校园数据从智慧校园IDC逻辑架构中得到充分利用。

2 智慧校园的大数据架构升级

2.1 智慧校园大数据架构升级的基本思路

任何一种管理信息系统，以数据仓库为基础，在此基础上进行数据治理、数据挖掘等人工智能计算，再通过LAMP服务系统对外提供服务。LAMP为操作系统、服务器软件、数据库平台、脚本解释模块等服务和开发工具的集合体[5]。但当前大数据系统的核心发展方向，是将所有相关管理信息系统构成统一的独立的大数据系统，相关的管理信息系统在该大数据系统中获取数据，实现相关功能，如图3所示。

图3 智慧校园大数据架构升级策略

图3(a)为传统模式下的智慧校园大数据架构，该架构下每个管理信息系统几乎都运作在独立的系统架构下，不同管理系系统会构建独立的数据仓库系统，这就导致可能使用多个不同管理信息系统时，如使用教务管理系统、学生管理系统、社团管理系统和评教系统等，需要构建多种独立的教师档案和学生档案，每次数据调整，均需要在多个系统中执行重复操作[6]。这一过程影响信息管理效率，还有可能造成疏漏。

图3(b)为革新模式下的智慧校园大数据架构，在校园网中构建一个统一的数据仓库系统，所有相关的管理信息系统均在该数据仓库系统中进行数据增删改查操作。

2.2 智慧校园大数据架构升级的分步实现

在校园网内搭建该智慧校园大数据系统，需要对智慧校园全部管理信息系统进行统一数据库升级。如果采用一步到位的部署方式，势必会导致校园网运行阶段出现较长的停机维护期。而高校的运营环境，除服务本专科教育的相关管理信息系统存在寒暑假的修整期外，其他系统均需要全年不间断运作。所以，需要设计一种分别对各管理信息系统升级的分步策略，确保每次系统升级的停机维护期均在可接受范围内，且保证每个单一管理信息系统的升级过程不影响其他管理信息系统的运行[7]。所以，该升级在一般高校校园网内通常需要多步操作，如图4所示。

图4 智慧校园大数据系统搭建梯度

图中，分为4个阶段分别对各个管理信息系统进行数据管理模块的升级，逐步实现上述管理信息系统的统一化独立运行大数据系统的构建目标。该升级过程的核心原则是逐步将各管理信息系统的数据调用模块进行升级，且分为以下4步分别完成。

第一阶段：通过数据自动同步算法，梳理不同管理新系统中的数据表关联性，构建自动同模块，在其中一个数据表发生变更时，同步操作其他所有相关数据表。这会在不改变原有管理信息系统的前提下，实现数据的同步管理。

第二阶段：合并相关数据表，在多个同等用途数据表中，保留一个中心逻辑数据表，将其他数据表使用数据查询表代替数据逻辑表，最大程度实现数据库的轻量化。

第三阶段：将逻辑整理后的数据库，形成重新构建的统一数据库，将所有相关管理信息系统的数据库链接进行重置，使系统平稳过渡。之后开发新管理信息系统时，也被要求在该数据库上进行上层系统搭建。

第四阶段：数据逻辑实现统一后，对数据的治理、安全管理等模块，也进行进一步合并，使云计算和人工智能模块也得到进一步轻量化处理。

上述每一阶段的升级工作，均包含智慧校园系统内的每个管理信息系统的逐一升级，即在上述分步策略中，每个管理信息系统均经过4步升级，每次升级的实际操作调试时间均控制在1小时左右，可以利用夜间或假期等运行负荷较低的时间段进行相应升级改造工作。此举可以基本确保各相关系统的同步改造。在此期间，新部署的系统，在开发阶段也应满足当时阶段的智慧校园大数据架构建设目标，且在后续升级工作中，与其他管理信息系统同步升级[8]。

3 系统革新效果仿真实测

3.1 数据响应与数据库规模的比较

使用SimuLink网络仿真测试平台构建个案高校的网络软硬件系统，本专科在校生为16 720人，硕博士研究生1 055人，在站博士后65人，研究员169人，代课教师及政治辅导员2 080人，教授学者95人，管理人员150人。假定所有角色均有至少1台接入终端，根据其不同需求，使用随机数驱动模块构建其仿真需求模型，对当前IDC硬件设备的服务能力进行测算。测算结果如表1所示。

表1 数据响应与数据库规模的比较

表中，系统响应指各角色提交网络需求后，智慧校园网络对其需求的响应周期，单位ms；误码率指系统在数据治理和数据挖掘阶段发生输出错误的概率，单位%；数据库规模指系统中用于存储数据库数据的硬盘空间总占用量，单位TB；查询比指所有相关系统产生的总查询数据表数据量与全系统逻辑数据表数据量的比值。该表数据展示结果表明，革新模式可使得智慧校园网络内的数据库运行效率显著提升[9]。

3.2 教学管理效果的比较

同样在SimuLink网络仿真测试平台下使用随机数引擎进行仿真驱动，判断不同需求下教学管理体系中多种角色的实际交互量，即每个角色内的个体在每天之中在智慧校园相关管理信息系统中的页面跳转量。因为数据响应周期变短，考虑到心里依从性和平均耐受时间的逻辑关系，学生、教师、研究生和其他角色的教学相关人员交互量均明显提升[10]，如表2所示。

表2 教学管理效果的比较(单位：点击/人·天)

表中，所有角色之间并无交叉性，即从事代课教师工作的研究生在研究生中进行统计，从事代课教师工作的研究员在其他角色中进行统计，而学生角色特指本专科在校生。此统计标准下，学生交互量提升4.12倍，教师交互量提升4.99倍，研究生交互量提升3.60倍，其他交互量提升2.57倍。即该大数据技术革新后，智慧校园相关软硬件在教学管理中的应用量会大幅度提升。

3.3 科研管理效果的比较

在SimuLink网络仿真测试平台下使用随机数引擎进行仿真驱动，使用电子图书馆、虚拟实验室、计算中心、资源共享站等关键线上科研资源的负荷量对科研管理效果进行比较。如表3所示。

表3 科研管理系统负荷的比较(单位：MBps)

表中，革新模式下，图书馆负荷增加3.45倍，虚拟实验室负荷增加5.08倍，计算中心负荷增加3.73倍，资源共享站负荷增加4.90倍。即可认为该大数据技术革新后，高校科研工作对智慧校园的依赖性显著提升。

4 总结

采用“四步走”战略，将当前分散在各独立管理信息系统的数据库进行充分整合，形成智慧校园统一化独立运行的大数据系统，可以有效提升数据库运行效率，压缩系统响应时间，节约计算资源和存储资源，同时，教学体系和科研体系对智慧校园大数据系统的依赖性会显著增加，智慧校园系统对教学体系和科研体系的促进作用也会显著增加。