南开大学2025年9月《大数据开发技术》作业考核试题及答案参考8.docxVIP

南开大学2025年9月《大数据开发技术》作业考核试题及答案参考8

姓名：__________考号：__________

题号

一

二

三

四

五

总分

评分

一、单选题(共10题)

1.大数据开发中，Hadoop的HDFS存储系统采用的是什么文件存储模型？()

A.文件系统

B.数据库

C.关系型存储

D.分布式文件系统

2.在Hadoop生态系统中，用于进行实时数据流处理的工具是？()

A.HDFS

B.Hive

C.HBase

D.Spark

3.MapReduce编程模型中的Map函数的主要作用是什么？()

A.对数据进行过滤

B.将输入数据映射到键值对

C.对数据进行排序

D.对结果进行聚合

4.以下哪个不是SparkSQL的内置函数？()

A.SUM

B.COUNT

C.DISTINCT

D.GROUP_CONCAT

5.在Python中，使用pandas库进行数据清洗时，哪个函数可以用来删除重复的行？()

A.drop_duplicates

B.drop_duplicates

C.remove_duplicates

D.unique

6.在Hadoop生态系统中，用于大规模数据处理分析的工具是？()

A.HDFS

B.Hive

C.HBase

D.YARN

7.以下哪个不是Python中pandas库的数据结构？()

A.Series

B.DataFrame

C.Index

D.List

8.在Spark中，以下哪个组件用于处理批处理数据？()

A.SparkStreaming

B.SparkSQL

C.SparkMLlib

D.SparkCore

9.在Hadoop中，什么是数据节点（DataNode）？()

A.存储数据的主节点

B.存储数据的从节点

C.管理HDFS的主节点

D.管理HDFS的从节点

10.在Hive中，如何将数据从关系数据库导入到Hive表中？()

A.使用LOADDATA命令

B.使用INSERTINTO命令

C.使用CREATETABLEASSELECT命令

D.使用DROPTABLE命令

二、多选题(共5题)

11.Hadoop生态系统中的以下哪些组件用于数据处理？()

A.HDFS

B.Hive

C.HBase

D.YARN

E.MapReduce

F.Spark

12.以下哪些是SparkSQL的内置函数？()

A.SUM

B.COUNT

C.AVG

D.MIN

E.MAX

F.CONCAT

13.在Hadoop的MapReduce编程模型中，以下哪些阶段是必须的？()

A.Map

B.Shuffle

C.Reduce

D.Sort

E.Combiner

14.以下哪些是Python中pandas库的常见操作？()

A.数据清洗

B.数据合并

C.数据转换

D.数据分析

E.数据可视化

15.在Hive中，以下哪些命令可以用来创建表？()

A.CREATETABLE

B.ALTERTABLE

C.INSERTINTO

D.DROPTABLE

E.TRUNCATETABLE

三、填空题(共5题)

16.在Hadoop中，用于存储数据的分布式文件系统是______。

17.Spark中的______组件用于进行分布式计算。

18.在Python的pandas库中，用于创建包含数据的表格数据的对象是______。

19.Hive中的______是用于执行HiveQL查询并返回结果的工具。

20.在MapReduce编程模型中，将输入数据映射为键值对的过程称为______。

四、判断题(共5题)

21.Hadoop生态系统中的Hive只能处理结构化数据。()

A.正确B.错误

22.在Spark中，所有的操作都是以弹性分布式数据集（RDD）为基础的。()

A.正确B.错误

23.MapReduce编程模型中的Reduce阶段负责将所有Map阶段的输出合并成最终结果。()

A.正确B.错误

24.在Python的pandas库中，Series对象可以包含不同类型的数据。()

A.正确B.错误

25.HBase中的数据是存储在内存中的。()

A.正确