随着智慧校园的不断建设,学业预警作为智慧校园的分支之一,也在飞速发展中,本文就是以学业预警作为研究主题。为了防止学生在学习的过程中因迷茫、懈怠而导致成绩不及格,甚至不能毕业的情况出现,需要通过对学生的每个学期的情况进行评估,进而从不同的阶段掌握学生的学习状态。本文通过对学生的成绩、学分绩、考勤、上网日志四类数据进行分析,从而实现对状态较差的学生进行预警。由于学生数据量大,数据种类多并且繁杂,传统的关系型数据库只能对结构化数据分析处理,对学生上网日志这些非结构化数据,便不再适用,同时数据量大的时候还会出现查询速度慢的问题,而Hadoop技术刚好可以解决这些难题,所以本文采用当下主流的Hadoop平台来进行处理。系统采用分布式文件系统HDFS对学生的数据进行存储,使用分布式面向列存储数据库HBase对大规模半结构化数据进行实时处理,使用分布式数据仓库Hive对存放在数据库中的大规模数据集执行HiveQL查询,最后利用Hue可视化工具对处理的数据进行直观的展示,并通过分析系统得到需要预警学生的名单。本文通过Hadoop平台对学生的数据进行处理,将数据按照学院来划分,针对不同学院的学生做预警。现有的预警系统大部分是基于“事后处理”的,针对成绩已经不及格或不能毕业的学生进行警告,不能真正起到预警的效果。本文是由“事后处理”变为“事前预警”,通过对学生的成绩数据、学分绩数据、考勤数据、上网日志数据进行四个维度的预警分析。分析当前学期每个学生的考勤数据、上网时长数据以及上网偏好数据,预警那些平时上课缺席并长时间上网打游戏的学生。通过分析学生的历史成绩和学分绩数据,对可能存在不能顺利毕业的学生进行预警。