2026年国开电大大数据技术形考题库100道（易错题）.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、Spark作为主流大数据计算框架，其相比MapReduce的核心优势在于？

A.更适合大规模离线批处理任务

B.基于内存计算，运行速度更快

C.仅支持结构化数据处理

D.对硬件资源要求更低

【答案】：B

解析：本题考察主流大数据计算框架（SparkvsMapReduce）的技术差异知识点。Spark的核心优势是采用内存计算模式，将中间结果存储在内存而非磁盘，大幅减少IO操作，因此运行速度比MapReduce（基于磁盘的迭代计算）快数倍至数十倍。选项A错误，MapReduce更擅长传统大规模离线批处理；选项C错误，Spark支持结构化、半结构化和非结构化数据；选项D错误，Spark若全内存计算可能需要更多内存资源。因此正确答案为B。

2、以下哪项属于数据预处理中处理缺失值的常用方法？

A.均值插值法（如均值、中位数填充）

B.分类算法（如决策树分类）

C.聚类算法（如K-Means聚类）

D.关联规则挖掘（如Apriori算法）

【答案】：A

解析：本题考察数据预处理方法知识点。数据预处理中处理缺失值的常用方法包括均值/中位数插值、众数填充、基于模型的预测填充等，选项A符合。而B、C、D均属于数据挖掘算法（分类、聚类、关联规则），不属于数据预处理方法。

3、数据预处理阶段中，用于处理数据缺失值、异常值和重复数据的步骤是？

A.数据清洗

B.数据集成

C.数据转换

D.数据规约

【答案】：A

解析：本题考察数据预处理步骤知识点。数据清洗的核心作用是处理数据中的质量问题，包括缺失值填充、异常值修正、重复数据删除等；B选项数据集成是合并多个数据源，C选项数据转换是对数据格式或尺度进行标准化处理，D选项数据规约是通过降维或采样减少数据规模。因此正确答案为A。

4、以下关于数据仓库（DW）和数据湖（DataLake）的描述，正确的是？

A.数据仓库主要存储结构化数据，数据湖仅存储非结构化数据

B.数据仓库面向主题和历史数据，数据湖更注重原始数据的存储与管理

C.数据仓库更新频率高，数据湖更新频率低

D.数据仓库适合实时分析，数据湖适合批处理分析

【答案】：B

解析：本题考察数据仓库与数据湖的核心区别。数据仓库（DW）是面向主题、集成、时变、非易失的结构化数据集合，用于历史分析和决策支持；数据湖（DataLake）则支持存储结构化、半结构化、非结构化原始数据，强调数据多样性和灵活性，更注重原始数据的存储与管理。选项A错误，数据湖可存储结构化数据；选项C错误，数据湖因存储原始数据，更新频率通常更高；选项D错误，数据仓库适合批处理，数据湖可同时支持批处理和实时分析。

5、以下哪种系统主要用于支持企业的日常事务处理（如订单管理、用户登录等）？

A.OLTP（联机事务处理系统）

B.OLAP（联机分析处理系统）

C.数据仓库（DataWarehouse）

D.数据湖（DataLake）

【答案】：A

解析：本题考察OLTP与OLAP系统的区别知识点。OLTP（A）以事务处理为核心，针对短时间、高频次的业务操作（如订单创建、支付），强调实时性和高并发；OLAP（B）用于复杂数据分析（如销售报表、趋势预测），侧重决策支持。数据仓库（C）是OLAP的典型存储载体，用于整合历史数据；数据湖（D）存储原始数据（结构化、半结构化、非结构化），更偏向存储而非事务处理。因此答案为A。

6、下列算法中，常用于大数据分类任务的是？

A.K-Means聚类算法

B.Apriori关联规则算法

C.支持向量机（SVM）

D.PCA主成分分析算法

【答案】：C

解析：本题考察数据挖掘算法类型知识点。支持向量机（SVM）是典型的有监督分类算法；K-Means是无监督聚类算法，Apriori用于关联规则挖掘（无监督），PCA用于降维（特征工程），因此答案为C。

7、Spark相比MapReduce，在数据处理上的主要优势是？

A.仅支持批处理任务

B.基于内存计算，处理速度更快

C.必须依赖磁盘进行所有中间结果存储

D.仅能处理结构化数据

【答案】：B

解析：本题考察Spark与MapReduce的技术对比。Spark采用内存计算模型，中间结果暂存内存，大幅减少磁盘I/O，处理速度远快于MapReduce（后者依赖磁盘存储中间结果）；Spark不仅支持批处理，还支持流处理（如SparkStreaming）等多种任务；且Spark对结构化、半结构化、非结构化数据均有良好支持。因此正确答案为B。

8、以下哪项不属于大数据在实时处理场景中的典型应用？

A.交通流量实时监控系统

B.金融高频交易系统

C.用户历史行为