留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种基于改进蚁群算法的云桌面实验室智慧管理系统

王瑶生 林梅香 梅仲豪 熊一利 李斌

引用本文:
Citation:

一种基于改进蚁群算法的云桌面实验室智慧管理系统

    作者简介: 王瑶生(1972— ),男,副教授。主要研究方向:云计算、计算机硬件方向.
  • 中图分类号: TP18;TP393.1

An Improved Ant Colony Algorithm Intelligence Management System of Computer Laboratory Based on Cloud Desktop

  • CLC number: TP18;TP393.1

  • 摘要: 高校计算机实验室的建设与管理水平直接影响到高校的教育质量。传统计算机实验室的建设和管理存在分散管理、软件维护困难、教学质量不佳和任务调度效率低下等问题。如何提高高校计算机实验室的管理效率成为了亟待解决的问题。本研究首先分析了传统计算机实验室在任务调度优化和管理维护方面存在的问题,将改进蚁群算法嵌入云桌面技术,提出了基于虚拟云桌面的计算机实验室管理方案。解决了传统计算机实验室管理效率低的问题。
  • 图 1  云桌面技术原理图

    图 2  传统PC部署方案与云桌面部署方案对比

    图 3  传统PC部署方案与云桌面方案部署流程

    图 4  蚁群调度算法的改进流程图

    图 5  迭代50次延迟时间

    图 6  迭代100次任务延迟时间

    图 7  迭代200次任务延迟时间

    图 8  创新创业课程库管理软件功能架构图

    图 9  管理员可对项目进行相关等级设定

    表 1  任务调度数为100时,用户被安排调度数

    用户TS-EACO文算法T本文算法
    A 2 9
    B 9 8
    C 0 3
    D 3 5
    E 6 4
    F 7 1
    G 3 6
    下载: 导出CSV
  • [1] Buyya R,Yeo C S,Venugopal S,et al. Cloud computing and emerging IT platforms:vision,hype,and reality for delivering computing as the 5th utility [J]. Future Generation Computer Systems,2009,25(6):599–616. doi: 10.1016/j.future.2008.12.001
    [2] Vouk M A. Cloud computing issues research and implementations [J]. Journal of Computing and Information Technology,2008,16(4):31–40.
    [3] Grama A,Gupta A,Karypis G. Introduction to parallel computing:design and analysis of algorithms[C]//Redwood City,CA:Benjamin/Cummings,1994.
    [4] Hutchison D,Fox G,Hey T. Grid computing:Making the global infrastructure a reality[M]. Lancaster:John Wiley & Sons,Ltd,2003.
    [5] Peleg D. Distributed computing:A locality-sensitive approach [J]. SIAM Monographs on Discrete Mathematics and Applications,Philadelphia,PA:SIAM,Society for Industrial and Applied Mathematics,2000(16):343.
    [6] 孙玉伟,童新海,张林惠,等. 云桌面中USB设备重定向技术研究[J]. 信息网络安全,2015(4):78–85. doi: 10.3969/j.issn.1671-1122.2015.04.014
    [7] 潘立华. 基于桌面云技术的高校计算机实验室管理模式探索[J]. 电脑知识与技术,2018,14(23):283–284.
    [8] 陈浩新. 云桌面技术在高校计算机实验室建设和管理中的应用[J]. 中国管理信息化,2017,20(6):148–149. doi: 10.3969/j.issn.1673-0194.2017.06.101
    [9] Huang Q Y,Huang T L. An optimstic job scheduling strategy based on QoS for cloud com-putin[C]//Proceedings of 2010 IEEE International Conference on Intelligent Computing and Integrated Systems,2010:673–675.
    [10] 魏赟,陈元元. 基于改进蚁群算法的云计算任务调度模型[J]. 计算机工程,2015(2):13–15.
  • [1] 高敏周之平黎明 . 移动机器人全局路径规划的增强蚁群优化算法. 南昌航空大学学报(自然科学版), 2011, 25(4): 48-53.
    [2] 张逸群王婷 . 考虑分包支付的折现流时间-费用模型与蚁群优化研究. 南昌航空大学学报(自然科学版), 2017, 31(2): 26-33. doi: 10.3969/j.issn.1001-4926.2017.02.005
    [3] 肖莉周贵富 . 基于计算机的远程控制系统. 南昌航空大学学报(自然科学版), 2005, 19(2): 66-69.
    [4] 李安揭克敏 . 心室肌动作电位的计算机建模与仿真. 南昌航空大学学报(自然科学版), 2004, 18(2): 56-64.
    [5] 俞子荣万光逵江泽涛 . 人造毛皮提花的计算机控制技术研究. 南昌航空大学学报(自然科学版), 1999, 13(2): 72-78.
    [6] 张英宋凯任吉林 . 铁磁构件应力集中的计算机模拟和磁记忆检测. 南昌航空大学学报(自然科学版), 2004, 18(1): 64-69.
    [7] 汪琳媛费莉 . 高校学生学籍处理工作的计算机程序实现过程. 南昌航空大学学报(自然科学版), 2005, 19(3): 75-78.
    [8] 朱小岳 . 基于计算机视觉任务的图像直线提取技术. 南昌航空大学学报(自然科学版), 2003, 17(3): 63-66.
    [9] 张立东徐洪福 . 计算机辅助电路设计中的参数和容差确定. 南昌航空大学学报(自然科学版), 2006, 20(2): 65-69.
    [10] 邓圣康龚剑曾涛黎琳熊鑫鹏 . 飞机客舱火灾中弧形边界的计算机仿真设计. 南昌航空大学学报(自然科学版), 2018, 32(1): 83-89. doi: 10.3969/j.issn.1001-4926.2018.01.014
    [11] 黄亲国 . 渗碳层浓度分布的数学模型及计算机仿真. 南昌航空大学学报(自然科学版), 1995, 9(1): 45-50.
    [12] 周力孟凡保袁瑞 . 计算机无线数据传输系统的通信软件设计. 南昌航空大学学报(自然科学版), 1997, 11(2): 13-18.
    [13] 许光泞苑鸿骥赵文龙 . 配电网故障定位的一种计算机实现方法. 南昌航空大学学报(自然科学版), 2001, 15(1): 42-45.
    [14] 谢友宝 . 全屏幕绘图工具的研制——计算机辅助教学的助手. 南昌航空大学学报(自然科学版), 1995, 9(1): 94-99.
    [15] 赵晓宾王高潮范定兵 . 基于m值钛合金超塑性变形过程的计算机控制系统. 南昌航空大学学报(自然科学版), 2007, 21(1): 30-34.
    [16] 王凤翔李仁增傅艳军李禾严超华 . 单光束直入射云纹干涉计量——云纹相机和云纹显微镜. 南昌航空大学学报(自然科学版), 2002, 16(3): 13-20.
    [17] 董玉荣聂云峰 . 基于NB-IoT的智慧停车系统研究与设计. 南昌航空大学学报(自然科学版), 2017, 31(3): 95-99. doi: 10.3969/j.issn.1001-4926.2017.03.016
    [18] 许义金郑初华 . 宿舍管理中心管理信息系统的开发. 南昌航空大学学报(自然科学版), 2006, 20(4): 94-97.
    [19] 胡杨洁严超华胡海霞 . 高温云纹图像细化后的毛刺去除. 南昌航空大学学报(自然科学版), 2009, 23(1): 37-39,55.
    [20] 陈远陈震危水根 . 基于CCD图像的点云区域分割方法. 南昌航空大学学报(自然科学版), 2007, 21(1): 40-42.
  • 加载中
图(9)表(1)
计量
  • 文章访问数:  73
  • HTML全文浏览量:  39
  • PDF下载量:  2
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-07-10
  • 录用日期:  2019-08-14
  • 刊出日期:  2019-09-01

一种基于改进蚁群算法的云桌面实验室智慧管理系统

    作者简介: 王瑶生(1972— ),男,副教授。主要研究方向:云计算、计算机硬件方向
  • 1. 南昌职业大学,南昌 330500
  • 2. 广州飞瑞敖电子科技股份有限公司,广州 511400
  • 3. 江西省教育考试院,南昌 330038

摘要: 高校计算机实验室的建设与管理水平直接影响到高校的教育质量。传统计算机实验室的建设和管理存在分散管理、软件维护困难、教学质量不佳和任务调度效率低下等问题。如何提高高校计算机实验室的管理效率成为了亟待解决的问题。本研究首先分析了传统计算机实验室在任务调度优化和管理维护方面存在的问题,将改进蚁群算法嵌入云桌面技术,提出了基于虚拟云桌面的计算机实验室管理方案。解决了传统计算机实验室管理效率低的问题。

English Abstract

    • 随着计算机技术与信息技术的不断发展,目前各国信息化时代迫切要求就是要提升人的信息素养。为培养能力强、水平高、素质好的人才,高校有着不可推卸的责任和使命,高校同时也肩负着提升学生信息素养的重要任务。高校开展计算机教育和教学活动场所一般是计算机实验室,计算机实验室同时也是信息技术类课程实验操作基地,承担着重要教学任务。因此,计算机实验室建设与智慧管理的重要现实意义在于能为高校提供制定高技能、高水平人才培养体系的依据。近年来,随着普通高校本专科院校招生人数不断增加,学生规模迅速扩大,高校的PC机与科研设备数量也随之急速增长。如何对这些设备进行有效管理也是一个严峻问题。目前,国内大部分高校的计算机实验室均采用传统PC部署与管理模式。然而,这种管理模式却逐渐暴露出管理困难、运维成本高、软件维护量大以及教学效果差等问题,显然已无法满足当今教学对信息化时代的需求。介于此种原因,实验室可采用更加先进、高效的管理模式,这是发展和建设高水平实验室的有效途径。云计算[1-2]是近年来IT产业发展的战略重点,它是指将计算、存储、网络等各种资源通过网络统一组织起来并灵活调用,从而实现大规模的信息处理方式[3-5]。云桌面是云计算的重要应用之一[6],具有可靠性高、部署和维护方便等特点。本文立足于当前高校计算机实验室在管理、维护和实验教学等方面存在的问题,先后介绍了云桌面技术和高校计算机实验室部署云桌面的意义以及教学模式,并结合改进蚁群算法进行任务调度管理,以期为高校计算机实验室的管理和教学模式提供参考。

    • 承担各种IT类技术的实验课程,是计算机实验室的主要功能,是面向全体师生开放的。但是目前大部分高校基本采用传统计算机部署与管理模式,这种模式的核心是为师生每人提供一台PC机,进而运行日常办公和课堂计算机多媒体教学[7-8]。但在实际应用中,这种模式逐渐暴露出多种弊端,主要表现为:

      1) 教学效果不佳。传统的机房管理模式中,每台计算机均根据教学需要安装相应操作系统和相应教学软件,重复性工作。一旦操作系统或应用软件需要更换或升级,管理员就必须重新克隆机房内的所有计算机,这将消耗大量的人力并且,这种模式缺乏有效监督管理机制,也是无法针对每门课程制定个性化的实践教学环境。

      2) 功耗大。由于高校人数多,导致每次教学过程中需使用计算机数量增多,造成机房电力成本高。且由于每台主机在运行过程中均会发出声响甚至可能出现噪音,无法提供一个安静的教学和学习环境。

      3) 软件维护困难。高校计算机机房通常数量较多,每个机房之间通常有一定距离,不容易实现集中管理。此外,由于学生的不当操作或错误操作,常常出现计算机感染病毒、中木马和系统文件被误删等事件,使得每个机房的维护工作量大,管理人员需游走于不同机房内解决单台计算机遇到的问题,假如处理不及时,就会影响单台或全部计算机正常的教学安排。

      4) 硬件设备利用率低。高校中的上课时间通常呈周期性。上课时段的计算机数量会出现供不应求的情况,下课阶段计算机却又处于闲置状态,无法最大化计算机使用率。

      5) 系统安全性低。大部分高校在单台计算机出现软件故障时,均采用还原卡(或软件还原方式)对系统进行还原,使得计算机出现蓝屏概率增大,病毒日志无法保留,补丁升级也难以实现,最终导致系统的安全性低下。

    • 随着计算机硬件能力的不断提升和网络带宽的不断增大,虚拟化技术已经日渐普及与成熟。通过虚拟化技术,用户可将计算机的各种实体资源予以抽象后呈现出来,打破实体结构间不可切割的障碍。虚拟化技术的好处是能以较低的花销来获得更优的体验。但这种技术也存在诸如软硬件维护难、信息安全防范能力差等现象。有效解决这类问题的方法之一就是利用云桌面技术。

      云桌面技术(即虚拟桌面系统),通过在核心机房的服务器运行Windows操作系统是其核心思想,将桌面虚拟化,使用者可以利用其他能够进行网络连接的终端设备连接后台服务器,使用户就像访问本地安装的桌面一样去访问后台服务器的桌面。云桌面技术为IT运维管理提供了一种更加高效的管理模式,管理人员通过配置核心机房的服务器或相应的客户端设备,能够实现对数以千计的计算机等设备统一管理以及按需分配调整各自的资源。云桌面技术最突出的特点就是“轻前端、重后台”,即管理人员在资源配置管理时,可对用户桌面进行统一维护和管理,缩短设备维护时间,减少维护工作量,由后台服务器负责完成全部数据处理过程,同时系统的安全性的增强也源于对桌面的集中控制管理。云桌面技术原理图如图1所示。

      图  1  云桌面技术原理图

      图1可以看出,云桌面技术的主要原理为:PC机、平板电脑等用户经常使用的客户端通过网络连接到资源配置管理中心,如果用户需要接入远程云桌面进行访问,用户首先要发出连接请求,配置管理中心在收到连接请求后,需要对用户身份进行验证通过后,用户方可接入数据中心。

    • 1) 大幅提升管理效率。云桌面方案实现资源上收,所有的管理和资源配置都可以在后台进行,硬件部署、系统更新、软件运行环境调试、日常维护等多个环节得到简化,从而大幅提升管理运维效率。图2图3给出了传统的计算机实验室管理方案与基于云桌面的计算机实验室管理方案对比图。

      图  2  传统PC部署方案与云桌面部署方案对比

      图  3  传统PC部署方案与云桌面方案部署流程

      2) 简化运维管理。采用桌面云的高校计算机实验室,管理人员完成硬件部署后,只需通过批量创建虚拟桌面并完成用户绑定即可完成系统部署[9],所有用户桌面均存储于后台。一旦完成了软硬件部署,用户就可根据分配得到的IP地址以及账号密码即可进入自己的虚拟桌面,管理人员也可根据班级人数创建相应的虚拟桌面数,以满足教学需要。

      3) 故障快速修复。当计算机实验室中的某一计算机出现软硬件故障时,只需通过桌面云集控管理平台远程修复,无需管理维护人员亲自对该故障计算机维护。当终端出现硬件故障时,只需直接更换终端,不会对教学和学生课程应用造成影响。

      4) 功耗大幅降低。云桌面方案将资源的处理过程全部放到后台服务器中,用户只操作一台显示器,避免了多台主机共同工作时造成机房功耗大的问题。此外,由于机房内无主机,可营造一个安静的学习氛围。

      5) 实现教学需求个性化。云桌面管理员可以定制各种不同的虚拟桌面,从而满足不同用户的需求。每个用户具有自己的磁盘资源、CPU和内存以及独立的硬件性能,不同用户所分配得到的虚拟桌面也是独立隔离的,能够适应各种教学、实验、考试需求。

    • 针对不同类用户在云桌面中所提交任务申请计算资源分配的不合理,导致云桌面计算资源利用率降低,用户满意程度下降。本文提出一种改进的蚁群算法任务调度模型,它能最短延时地对用户提交的任务进行资源划分和调度。

    • 为便于系统进行计算,将任务等待队列${P_k}$中的子任务记为${P_k} = \left\{ {{p_1},{p_2}, \cdots ,{p_m}} \right\}$,系统计算资源表示为$S = \left\{ {{s_1},{s_2}, \cdots ,{s_n}} \right\}$,任务${p_i}$的预处理时间设为$EDT\left( {{p_i}} \right)$,实际开始处理时间设为$ADT\left( {{p_i}} \right)$,任务调度实际窗为st

      1) 建立目标函数。

      为实现调度队列效率最高,即任务[10]延时最短,建立如下目标函数:

      $\begin{split} &{\min \displaystyle\sum\limits_{i = 1}^{{m_1} + {m_2} + \cdots + {m_a}} {Wai{t_a}\left( {{p_i}} \right) = } } \\ & \min \left\{ {\displaystyle\sum\limits_{{p_i} \in {P_k}} {\left[ {ADT\left( {{p_i}} \right) - EDT\left( {{p_i}} \right)} \right]} + } \right.\\ & \quad \quad \left. {{\rm{ }}\displaystyle\sum\limits_{{p_i} \notin {P_k}} {\left[ {st - EDT\left( {{p_i}} \right)} \right]} } \right\} \end{split}$

      (1)

      2) 设置启发因子。

      将任务处理时间${\eta _1}\left( {{p_i}} \right)$和完成时间${\eta _2}\left( {{p_i}} \right)$作为2个启发因子。

      $ {{\eta _1}\left( {{p_i}} \right) = \frac{1}{{DT\left( {{p_i}} \right)}}} $

      (2)

      $ {{\eta _2}\left( {{p_i}} \right) = st - ADT\left( {{p_i}} \right)} $

      (3)

      3) 引入客户公平因子。

      将用户参数引入蚁群优化算法,$N\left( {{c_i}} \right)$代表用户${c_i}$需要处理的任务数量,${\eta _3}\left( {{p_i}} \right)$代表任务${p_i}$的公平因子,$F\left( {{c_i}} \right)$代表任务${p_i}$所属用户${c_i}$的公平因子,$\;{\beta _3}$代表启发函数相对重要性的期望启发因子。客户公平因子[10]表示如下:

      $F'\left( {{c_i}} \right) = F\left( {{c_i}} \right) - \frac{{{K_1}}}{{Wai{t_a}\left( {{p_i}} \right) \times N\left( {{c_i}} \right)}}$

      (4)

      其中${K_1}$为固定常数,用于调节客户公平因子[10]大小。

      4) 任务启发式因子更新。

      ${\eta _3}\left( {{p_i}} \right) = F'\left( {{c_i}} \right)$

      (5)

      5) 任务被选中的概率。

      $\begin{array}{*{20}{l}} {{P_x}\left( {{q_i}} \right) = } {\left\{ {\begin{array}{*{20}{l}} {\dfrac{{\tau _{ix}^\alpha \times {{\left[ {{\eta _1}{q_i}} \right]}^{{\beta _1}}} \times {{\left[ {{\eta _2}{q_i}} \right]}^{{\beta _2}}} \times {{\left[ {{\eta _3}{q_i}} \right]}^{{\beta _3}}}}}{{\displaystyle\sum\limits_{s \in allowed} {\left\{ {\tau _{ix}^\alpha \times {{\left[ {{\eta _1}{q_i}} \right]}^{{\beta _1}}} \times {{\left[ {{\eta _2}{q_i}} \right]}^{{\beta _2}}} \times {{\left[ {{\eta _3}{q_i}} \right]}^{{\beta _3}}}} \right\}} }}}&{i \in allowed} \\ 0&{i \notin allowed} \end{array}} \right.} \end{array}$

      (6)

      其中x为当前任务的被调度次序,${\tau _{ix}}$为信息素参数,allowed为未被分配的任务集合。

      6) 信息素及其更新。

      ${\tau _{ix}} = \left\{ {\begin{array}{*{20}{l}} {\dfrac{{{K_2}}}{{\displaystyle\sum\limits_{i = 1}^{{m_1} + {m_2} + \cdots + {m_a}} {Wai{t_a}\left( {{p_i}} \right) = } }}}&{{p_i} \in {\text{调度队列}}}\\ 0&{{p_i} \notin {\text{调度队列}}} \end{array}} \right.$

      (7)

      ${\tau _{ix}}\left( {NI + 1} \right) = \left( {1 - \rho } \right) \times {\tau _{ix}}\left( {NI} \right) + \vartriangle {\tau _{ix}}$

      (8)

      式(7)代表剩余的信息素,${K_2}$作为信息素增强系数,式(8)作为每次${p_i}$更新信息素时的积累方程。

      蚁群调度算法的改进流程图如图4所示。

      图  4  蚁群调度算法的改进流程图

    • 为评价和分析本文算法性能,在云桌面系统中添加最短时延处理的改进蚁群算法,并通过模拟实验,用相同的环境对文献[9]中的增强蚁群算法TS-EACO进行配置。

      设定本文算法参数如下$\alpha = 10$${\beta _1} = 10$${\beta _2} = 0.5$${\beta _3} = 10$$\rho = 0.01$$NI\_MAX = 500$$ST = 40\;\min $,假设子任务编号为0~9之间的随机数,其中调度级别为1的编号为0~2,调度级别为2的编号为3~6,调度级别为3的编号为7~9。分别对调度任务数T = 50,100,200 3种情况进行仿真,最后对比分析本文算法和TS-EACO算法的调度结果(表1)。

      表 1  任务调度数为100时,用户被安排调度数

      用户TS-EACO文算法T本文算法
      A 2 9
      B 9 8
      C 0 3
      D 3 5
      E 6 4
      F 7 1
      G 3 6

      在任务调度结果中,用户C任务调度数量为0,系统并未向C用户分配计算资源,紧急情况下会导致任务无法被即时调度,存在调度不公的情况[10]。本文算法在任务调度数量方面不会出现此类情况,令每个用户都能够公平得到任务处理机会[10]。如图5所示(即:任务延迟时间)。

      图  5  迭代50次延迟时间

      图5可以看出,通过TS-EACO算法计算,TS-EACO算法的延迟时间约为370 ms,迭代次数约为30次,图5中通过黑色实线表示;本文方法的延迟时间约为330 ms,迭代次数约为50次,图5中通过黑色虚线表示,任务延迟时间略小于TS-EACO方法延迟时间,在保证公平性的前提下,延迟时间优化了40 ms。

      当任务调度数增加到100时,本文算法与TS-EACO算法的任务延迟时间如图6所示,相比任务数为100时,延迟时间差达到100 ms。当任务调度数达到200时,任务延迟时间如图7所示,本文算法任务调度时间延迟同TS-EACO算法任务延迟时间差达到180 ms。随着任务调度数量增加,本文算法优化的延迟时间也大大减少,本文算法能够在同样计算资源条件下进行更为合理的资源调度,从而提高了任务调度效率[10]

      图  6  迭代100次任务延迟时间

      图  7  迭代200次任务延迟时间

    • 教学系统服务平台有3个角色,一个是学生账户,一个是老师账户,一个是管理员账户,管理员对课程信息进行管理,上传视频资料,发布课程信息,负责审批团队和项目,审批成功之后,学生和老师才能对当前项目、团队进行下一步操作;学生查看课程信息,根据需要进行学习,负责创建项目和创业团队;老师负责创建创新团队。

      1) 信息服务平台后台管理。

      包括对项目的管理和对课程库的管理。

      登录基于云桌面的智慧教育信息服务平台:使用管理员账号登录,登录成功,进入信息服务平台页面。

      2) 主要功能和用途。

      创建项目/编辑项目(学生)、审批项目(管理员)、邀请成员(学生),评价项目(管理员);创建创业团队/编辑创业团队(学生)、创建创新团队/编辑创新团队(老师)、创建创业/创新团队(管理员)、审批团队(管理员)、评价团队(管理员),其用途是为学生提供团队创建,在线填写项目申报书、在线制作中期、终期答辩资料的平台。学校可将已购买的或者自行录制的视频资源上传加载到该软件。软件提供相关教材与视频、任课老师信息、课程的教学大纲,课时详细信息等资料,可实现课程的在线化。可以提供学生,老师对课程的教学资料的下载、预习、备课。

      学校的后台管理人员可以随时维护相应课程的开课信息,即包括开课内容概述(包含课程的具体安排)、接受报名人数、开课地点、开课时间等开课信息。

      学生可以通过参考开课信息,浏览相应课程的介绍与公开内容。对于选修课,可以按照说明进入学校自己的教务系统报名。

      软件同时提供课程编辑系统,老师可以自行编辑,制作,发布课程,将资料,教材在线化。

      创新创业课程库管理软件功能架构图如图8所示。

      图  8  创新创业课程库管理软件功能架构图

      3) 创新项目的管理。

      项目由普通用户创建,由管理员进行审批(是否予以批准创建)。项目的信息有基本信息和等级信息2类,项目的基本信息包括:项目名称、项目简介、项目图片、项目公开/私有属性、项目所属(团队/个人)、项目发展阶段、项目详情、其它资料(通过附件上传)共8项;等级信息包括:项目优秀等级,共1项。项目通过审批后,可继续编辑项目基本信息,图9给出了管理员可对项目进行相关等级设定。

      图  9  管理员可对项目进行相关等级设定

      4) 课程管理。资源不再固定在单个教室中,而是可以在每学期根据教学课程、教室数量情况来灵活进行资源的配置和分配。具体表现为:

      (1)课程后台管理,随时编辑课程信息,上线课程;

      (2)课时管理,设置课程课时,调整课程顺序;

      (3)主讲人管理,设置课程主讲人信息;

      (4)课程发布管理,管理课程发布状态;

      (5)课程前台管理,编辑课程发布信息。

    • 高校计算机实验室的建设与管理水平直接影响到高校教育教学质量,传统实验室的运行和管理模式已很难满足教学需求。云桌面技术和基于云桌面智慧教育项目课程管理系统的出现,为高校计算机实验室建设提供了有效解决措施,也为多媒体教学建设问题带来了有效解决方案。为每个师生分配专用的虚拟桌面,其核心就是采用虚拟化技术构建资源池集群,也就是说,用户可选择便携式PC机、传统的台式机等不同种类的客户端通过网络访问虚拟桌面。在云桌面环境下搭建的智慧教育项目课程管理系统,为高校多媒体教学模式提供借鉴。

      最重要的是,云桌面技术使实验室管理人员的工作模式得到了改变,也可以很快地对批量的虚拟桌面进行优化或安装等工作。只要能够访问云桌面的地方(或环境),管理人员就可以管理和维护选定的虚拟桌面环境,而不必再每次出现问题都必须赶到现场去处理故障,从而减少了管理难度,降低了管理成本,实现了计算机实验室的智慧管理。

参考文献 (10)

目录

    /

    返回文章
    返回