2026年国开电大大数据技术概论形考题库100道及完整答案1套.docxVIP

2026年国开电大大数据技术概论形考题库100道

第一部分单选题(100题)

1、数据清洗在大数据处理流程中的主要作用是？

A.去除数据中的噪声和异常值

B.提高数据存储的物理效率

C.加速数据传输速度

D.降低数据采集成本

【答案】：A

解析：本题考察数据清洗的核心目的。数据清洗是对原始数据进行预处理，主要解决数据中的缺失值、重复值、异常值、噪声等问题，以提升数据质量，确保后续分析结果的准确性。选项B、C、D分别涉及存储效率、传输速度、采集成本，均不属于数据清洗的核心作用，因此正确答案为A。

2、以下哪项是Spark作为大数据处理框架相比MapReduce的显著优势？

A.仅支持非结构化数据处理，不适合结构化数据

B.基于磁盘存储的批处理，适合超大规模数据

C.内存计算架构，处理速度比MapReduce快10-100倍

D.仅支持实时流处理，无法处理离线批处理任务

【答案】：C

解析：本题考察Spark与MapReduce的技术差异。Spark采用内存计算架构，避免了MapReduce中频繁的磁盘IO操作，因此处理速度更快；A选项错误，Spark既支持结构化也支持非结构化数据；B选项错误，Spark支持内存和磁盘混合存储，且MapReduce本身也能处理超大规模数据；D选项错误，Spark同时支持批处理和流处理（StructuredStreaming）。

3、HBase作为分布式数据库，其数据模型属于以下哪种类型？

A.关系型数据库（SQL）

B.NoSQL数据库

C.键值对数据库

D.文档型数据库

【答案】：B

解析：本题考察HBase数据模型类型知识点。HBase是基于HDFS的分布式列族数据库，属于NoSQL（非关系型）数据库范畴；A选项关系型数据库（如MySQL）采用表结构和SQL语言；C选项键值对数据库（如Redis）仅支持键值对存储，HBase是列族模型，属于更复杂的NoSQL类型；D选项文档型数据库（如MongoDB）以文档为单位存储数据。因此正确答案为B。

4、Hadoop生态系统中，负责分布式文件存储的核心组件是？

A.HDFS（HadoopDistributedFileSystem）

B.MapReduce（分布式计算模型）

C.YARN（资源管理器）

D.Hive（数据仓库工具）

【答案】：A

解析：本题考察Hadoop生态系统的核心组件功能。HDFS（选项A）是Hadoop分布式文件系统，专门用于存储海量分布式数据，是Hadoop的基础存储层；MapReduce（选项B）是分布式计算框架，负责并行处理大数据；YARN（选项C）是资源管理器，负责集群资源调度；Hive（选项D）是基于Hadoop的数据仓库工具，用于数据查询和分析。因此正确答案为A。

5、Hadoop生态系统中，负责分布式资源管理与调度的核心组件是？

A.HDFS（分布式文件系统）

B.MapReduce（分布式计算框架）

C.YARN（资源管理器）

D.Hive（数据仓库工具）

【答案】：C

解析：本题考察Hadoop生态系统核心组件的功能。选项A的HDFS负责分布式存储海量数据；选项B的MapReduce是分布式计算框架，实现并行计算；选项C的YARN是资源管理器，负责集群资源的分配与调度；选项D的Hive是基于Hadoop的数据仓库工具，用于数据查询和分析。因此正确答案为C。

6、以下哪种技术是基于内存计算的快速大数据处理框架，适用于批处理和流处理场景？

A.HadoopMapReduce

B.ApacheSpark

C.ApacheStorm

D.ApacheFlink

【答案】：B

解析：本题考察大数据关键技术框架知识点。正确答案为B。解析：ApacheSpark是基于内存计算的分布式计算框架，相比HadoopMapReduce（基于磁盘，速度慢），Spark通过内存存储中间结果，处理速度提升数倍，且支持批处理（如离线分析）和流处理（如SparkStreaming）；A选项HadoopMapReduce是早期分布式批处理框架，依赖磁盘I/O，性能较低；C选项Storm和D选项Flink是专注于实时流处理的框架，主要用于低延迟场景（如实时监控告警），而Spark更侧重快速批处理和统一的处理引擎。因此B为正确选项。

7、Hadoop分布式文件系统（HDFS）的核心作用是？

A.存储海量结构化与非结构化数据

B.实现大规模数据的并行计算

C.对数据进行清洗和转换

D.对数据进行实时可视化展示

【答案】：A

解析：本题考察HDFS功能知识点。HDFS是Hadoop生态系统的核心存储组件，其设计目标是高容错、高吞吐量，适用于存储PB级以上的海量