2026年国开电大大数据技术形考题库100道含答案（精练）.docxVIP

2026年国开电大大数据技术形考题库100道

第一部分单选题(100题)

1、Hadoop分布式文件系统（HDFS）的核心作用是？

A.提供分布式计算框架

B.实现海量数据的分布式存储

C.执行数据挖掘算法

D.进行数据可视化展示

【答案】：B

解析：本题考察Hadoop生态系统组件。HDFS是Hadoop的分布式存储系统，主要负责将海量数据分散存储在多台服务器上；A选项是MapReduce/YARN的功能；C选项数据挖掘工具如Mahout不属于HDFS；D选项数据可视化工具如Hue属于辅助组件，非HDFS核心功能。因此正确答案为B。

2、以下哪个大数据框架主要用于批处理计算？

A.SparkStreaming（实时流处理框架）

B.Storm（实时流处理框架）

C.Flink（实时流处理框架）

D.MapReduce（分布式批处理框架）

【答案】：D

解析：MapReduce是Hadoop的核心批处理计算框架，适用于离线大数据计算；SparkStreaming、Storm、Flink均支持实时流数据处理（SparkStreaming为微批处理，Storm/Flink为纯流处理）。因此正确答案为D。

3、Hadoop生态系统中，负责分布式数据存储的核心组件是？

A.MapReduce（分布式计算框架）

B.HDFS（分布式文件系统）

C.YARN（资源管理器）

D.Hive（数据仓库工具）

【答案】：B

解析：本题考察Hadoop核心组件功能。HDFS（HadoopDistributedFileSystem）是分布式文件系统，负责海量数据的分布式存储；A选项MapReduce是分布式计算框架，C选项YARN负责资源调度与管理，D选项Hive是基于Hadoop的数据仓库工具。因此正确答案为B。

4、Hadoop分布式文件系统（HDFS）的核心作用是？

A.负责海量数据的存储

B.调度分布式计算任务

C.实现分布式并行计算

D.提供数据可视化功能

【答案】：A

解析：本题考察Hadoop生态系统中HDFS的功能。HDFS（HadoopDistributedFileSystem）是Hadoop的分布式文件系统，其核心作用是存储海量数据，通过副本机制实现数据冗余和可靠性（如默认3副本）。B选项“调度分布式计算任务”是YARN的资源管理器功能；C选项“实现分布式并行计算”是MapReduce的核心目标；D选项“数据可视化”属于数据呈现环节，并非HDFS的功能。因此正确答案为A。

5、以下哪项属于大数据预处理阶段的核心操作？

A.数据清洗

B.数据挖掘

C.模型训练

D.结果可视化

【答案】：A

解析：本题考察大数据处理流程各阶段的任务区分。大数据处理流程分为：数据采集→预处理→数据存储→分析挖掘→结果展示。预处理阶段的核心操作包括数据清洗（处理缺失值、去重、格式统一等）、数据集成等。选项B的数据挖掘属于分析阶段，C的模型训练属于建模阶段，D的结果可视化属于后处理阶段。因此正确答案为A。

6、在大数据处理流程中，以下哪项不属于数据预处理阶段？

A.数据清洗

B.数据集成

C.数据存储

D.数据转换

【答案】：C

解析：本题考察大数据处理流程中数据预处理阶段知识点，数据预处理通常包括数据清洗（处理缺失值、异常值）、数据集成（合并多源数据）、数据转换（格式转换、标准化）等操作；而数据存储属于数据处理后的持久化环节，不属于预处理阶段，因此正确答案为C。

7、以下哪种数据挖掘算法属于无监督学习中的聚类算法？

A.决策树

B.K-Means

C.线性回归

D.Apriori

【答案】：B

解析：本题考察数据挖掘算法类型知识点。K-Means是典型的无监督聚类算法，通过距离度量将数据自动分组为不同簇；决策树常用于分类任务（有监督），线性回归用于回归预测（有监督），Apriori用于关联规则挖掘（无监督但非聚类）。因此选B。

8、以下哪种属于大数据流处理技术？

A.HadoopMapReduce（批处理框架）

B.ApacheStorm（实时流处理框架）

C.ApacheSpark（批处理为主）

D.HBase（分布式NoSQL数据库）

【答案】：B

解析：本题考察大数据处理技术类型知识点。HadoopMapReduce是典型的批处理框架，适用于离线数据计算；Spark以批处理为核心（虽支持SparkStreaming流处理，但非专门流处理框架）；Storm是专门针对实时流数据处理的技术；HBase是分布式NoSQL数据库，用于数据存储而非处理。因此正确答案为B。

9、以下哪个工具主要用于交互式数据探索和商业智能报表制作？

A.Python