当前已经是大数据时代，数据库课程不能没有大数据管理，这是技术发展的呼唤，也是提高学生学习兴趣、提高教学质量、加强人才技术素质的迫切要求。

  传统数据库关键技术和方法仍然是数据库课程必不可少的核心内容，这些技术和方法如今广泛应用于关系国计民生的各行各业，管理着各行各业的宝贵信息资源，对改进部门管理、提高企业效益、提升人民生活水平均产生着实实在在的意义，而且也是大数据管理的基础和依托，大数据管理则是数据库技术的进一步延伸和发展。

  融合传统数据库关键技术与大数据最新进展，是数据库课程改革的必然趋势。为此，总结多年教学实践，本课程内容按顺序分为四大部分。第一部分是基本概念和基础知识，包括第一章绪论和第二章关系数据库基础，涉及数据库系统、大数据、数据模型等都是为后面内容打基础。其中，关于关系代数部分，也曾把关系代数放到后面和查询优化一起讲，试了一届发现把关系代数放第二章SQL语言前面对学生整体把握SQL帮助明显，所以此后一直放在第二章。总的来说，一二两章是其它部分的基础。第二部分主要分三、四、五三章，讲声明性语言（SQL）及其在应用环境中与面向过程/对象高级语言的协同，重点包括数据保护。第三部分是第六章和第七章讲数据库设计并融入大数据思维。第六章主要是ER设计以及转换为关系，所以也涉及了关系设计或者说目标也是关系设计，但方法主要是从实体及联系的角度来做的；第七章讲关系设计，主要是从数据依赖角度来做的，而数据依赖实质上是属性及其联系。六七两章的目标是一致的，都是讲关系设计只是方法不同；进而，大数据技术中的大时间跨度数据积累分析及其“以读为主”的访问特征都改变了旧有数据库设计思想。第四部分是大数据新技术简介。       

本课程直面最新技术发展，深度梳理课程内容，主要特色包括：

(1)纳入数据管理技术的最新发展，深度梳理课程知识点体系，研磨了与信息安全、操作系统、数据结构、组成原理等相关课程的关系，实现无缝平滑衔接。(2)特别是梳理了数据保护知识点体系，提出了数据管理的目标：安全、简单、高效地共享数据，并以此为线索贯穿全书内容，把知识碎片变得系统化，使得全书知识点有机融为一体。(3)以自然灾害应急系统/网络考试系统为案例，实施案例驱动的教学模式，技术最先进，概念最清晰。(4)在课程内容安排上，先讲语言，让学生通过上机使用，有直观了解，进而再讲设计，最后讲实现，由浅到深，由外到里，便于理解。(5)通过案例分析，解析传统数据库和大数据中数据管理技术的基本思想和特点，融合理论与实践，贯通技术思想与职业理念。(6)站在大数据管理的角度，讲述数据库设计和实现的新思想，在数据库设计和实现的讲述中融入大数据思维；针对各种数据密集系统的共性，讲述数据管理技术发展趋势，并对大数据管理进行简介。(7)以尽可能简单的例子凸显技术思想的本质。部分学生评价如下：

循序渐进地融入大数据思维，讲述数据库应用、设计与实现技术，包括关系模型、数据保护、SQL语言与应用开发、数据库设计原理与大数据技术。帮助掌握数据管理的共性关键技术和方法，培养分析数据管理问题和解决数据管理问题的能力，为从事数据库系统、信息系统、Web系统、互联网+平台系统等数据库系统的研究、开发与应用奠定知识基础。

1、Html网页制作的简单基础。
2、C/C++或Java语言程序设计基础。

[1]党德鹏. 数据库应用、设计与实现. 北京: 清华大学出版社, 2017.3

[2]D. Dang, Y. Liu, X. Zhang and S. Huang, "A Crowdsourcing Worker Quality Evaluation Algorithm on MapReduce for Big Data Applications," in IEEE Transactions on Parallel and Distributed Systems, vol. 27, no. 7, pp. 1879-1888, 1 July 2016.（CCF A）

[3]Shaofei Wang, Depeng Dang,Incentive Mechanism for the Listing Item Task in Crowdsourcing, Information Sciences, 2019,ISSN 0020-0255

（Top；CiteScore: 6.90；Impact Factor:5.524；5-Year Impact Factor: 5.305）

[4]Xin Hu, Depeng Dang, Yingting Yao, Luting Ye, Natural language aggregate query over RDF data, Information Sciences, Volumes 454–455, 2018, Pages 363-381,ISSN 0020-0255

（Top，CiteScore: 6.90；Impact Factor: 5.524；5-Year Impact Factor: 5.305）

[5]Xinxin Wang, Depeng Dang, Zixian Guo. Evaluating the crowd quality for subjective questions based on a Spark computing environment. Future Generation Computer Systems,Volume 106,2020,Pages 426-437,ISSN 0167-739X,https://doi.org/10.1016/j.future.2020.01.010.

（Top；CiteScore: 6.30；Impact Factor: 5.768；5-Year Impact Factor: 5.670）

[6]Shihang Huang, Ying Liu, Depeng Dang,Burst topic discovery and trend tracing based on Storm,Physica A: Statistical Mechanics and its Applications, Volume 416,2014,Pages 331-339

（SCI CiteScore: 2.82；Impact Factor: 2.500；5-Year Impact Factor: 2.464）

[7]Dang Depeng, Liu Yunsheng,Concurrency control in real-time broadcast environments,Journal of Systems and Software,Volume 68, Issue 2,2003,Pages 137-144

（SCI：CiteScore: 4.25；Impact Factor: 2.559；5-Year Impact Factor: 2.774）

[8]S. Wang, D. Dang, Z. Guo, C. Chen and W. Yu, "Knowledge Enhanced Quality Estimation for Crowdsourcing," in IEEE Access, vol. 7, pp. 106694-106704, 2019

（SCI 2区：impact factor of 4.098）

[9]Dang Depeng, Xue Jiang, Nan Wang, Yingting Yao,Wenbin Yao. Concurrency Control of Real-Time Web Service Transactions. Journal of information science and engineering,2018, 34(1):261-287（SCI 4区）

[10]Hu, Xin; Liu, Zhijie;Yao, Yingting;Wang, Nan;Dang, Depeng.Crowdsourcing Model Research for the Identification of Post-Earthquake Rescue Objects. Journal of Earthquake Engineering,23(5):863-881,2019. (IF:2.754)