整体介绍
大数据、人工智能与新工科的推动与发展，对大规模开放在线实训平台的诉求越来越迫切；软件进一步朝着云件形态的演进，为大规模云端软件实训环境的构建提供了机会。数据学院的研究队伍从2017年开始探究数据科学与工程的在线实训需求。在学习科学与认知规律指导下，我们提出了一套构建大规模云端软件实训平台的完整方法与关键技术，并构建了一个实际的面向数据专业的大规模开放在线实训平台。我们针对影响云端软件交互体验的高延迟问题，设计了云端软件交互协议，并形成交互渲染自适应调节策略；同时通用超轻量级容器技术，构建超轻量级容器最大化内存共享与最小化运行时环境；并引入智能运维方法，开展云环境的异常检测算法及智能预警模型研究工作。针对传统教育基础设施在灵活开放、弹性扩展、快速部署、安全性等方面的不足，系统解决了实践教学中落地难的痛点。该平台现已被推广至同济大学、武汉理工大学、湖北大学、上海应用技术学院等院校使用。
发展历程
大规模开放在线实训平台的构建从2016年就开始了，最开始是基于一个我们提出的“云件”的概念，即随时随地的通过浏览器使用任何软件；随着大数据与人工智能的兴起，2017年，我们基于云件技术开始了实训教育领域的探索，并陆续部署了基于云件的大数据实训平台；2018年开始，团队开始构建在公有云基础上的大规模实训服务系统，将已有的成果和经验推广到公共服务上，并开始在校内外的一些课程中使用；2019年初，新版本的平台上线（http://kfcoding.com/），并在高校教学、个人学习、社区活动等多个场景中开始实践。
联系人
王伟（wwang@dase.ecnu.edu.cn）
开源项目介绍
kfcoding平台承载了大规模开放在线实训平台的关键开源技术，包括云件操作系统、超轻量级容器技术、自适应流媒体渲染技术等。
GitHub连接: https://github.com/kfcoding
学术成果
1. Wei Wang, Liqing Zhang, Dong Guo, et al., Reg: An Ultra-lightweight Container that Maximizes Memory Sharing and Minimizes the Runtime Environment, The 2019 International Conference on Web Services (ICWS), IEEE Computer Society, 2019.
2. Wei Wang, Libo Huang, Dong Guo, Yanjun Xu, Fenglin Bi, Jun Tang, MOOBench: Towards Massive Open Online Workbench, ACM TURC 2019, Chengdu, China, May 17-19, 2019.
3. Kekun, Hu, Guosun Zeng, Huowen Jiang, Wei Wang, Partitioning big graph with respect to arbitrary proportions in a streaming manner, Future Generation Computer Systems, 2018, 80(3): 1-11.
4. Wei Wang, Zhengyu Liao, et al., Schedulability Analysis and Symbolic Verification Method for Heterogeneous Multicore Real-time Systems, International Journal of Performability Engineering, 2017, 13(6): 785-795.
5. Kekun, Hu, Guosun Zeng, Wenjuan Liu, Wei Wang, A Reliability Analysis for Successful Execution of Parallel DAG Tasks, Journal of Information Science and Engineering, 2017, 33(1): 81-99.
6. 王伟, 刘伟, 崔海波, 基于云件服务的新一代大数据工程实训平台, 计算机教育, 2018, 4: 162-166.
7. 王伟, 崔海波, 郭栋, MOOBench(慕班): 面向新工科的大规模开放在线实训平台, 2018年全国高校计算机教育大会, 2018.7.（最佳论文）
8. 王伟, 胡长武等, 一种面向云构软件的云操作系统, 计算机科学, 2017, 44(11): 33-40.
