2026年国开电大大数据技术形考题库100道学生专用.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、在大数据预处理流程中，“去除重复记录”属于以下哪个步骤？

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：本题考察大数据预处理步骤知识点。数据清洗阶段主要处理数据质量问题，包括去除重复记录、填补缺失值、处理异常值等；数据集成是合并多源数据，数据转换是格式转换或标准化，数据规约是减少数据规模。去除重复记录属于数据清洗环节，选A。

2、以下哪种框架主要用于实时流数据处理？

A.MapReduce

B.Spark

C.Flink

D.HBase

【答案】：C

解析：本题考察主流数据处理框架的应用场景。Flink是专门针对实时流数据处理的开源框架，支持高吞吐、低延迟的流处理任务。A选项MapReduce和B选项Spark主要用于批处理（Spark也支持流处理但非核心定位），D选项HBase是分布式NoSQL数据库，用于存储和访问海量结构化数据，因此正确答案为C。

3、Hadoop生态系统中，负责分布式存储海量数据的核心组件是？

A.MapReduce（计算框架）

B.YARN（资源管理器）

C.HDFS（分布式文件系统）

D.Hive（数据仓库工具）

【答案】：C

解析：本题考察Hadoop生态系统核心组件知识点。HDFS（分布式文件系统）是Hadoop的核心存储组件，负责将海量数据分布存储在多台服务器上；MapReduce是分布式计算框架，负责并行处理数据；YARN是资源管理器，负责集群资源调度；Hive是基于Hadoop的数据仓库工具，用于数据查询和分析。选项A、B、D均非Hadoop的分布式存储组件，因此正确答案为C。

4、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。

5、大数据在医疗领域的典型应用场景是？

A.智能交通信号控制（交通领域）

B.医疗影像辅助诊断（医疗领域）

C.电商个性化推荐（电商领域）

D.社交网络舆情监控（舆情领域）

【答案】：B

解析：本题考察大数据应用场景知识点。医疗影像辅助诊断利用大数据分析医学影像数据，辅助医生提高诊断效率；A属于交通领域的智能信号控制，C属于电商的个性化推荐，D属于舆情监控领域，均非医疗典型应用。因此选B。

6、Hadoop生态系统中，负责分布式存储的核心组件是？

A.HDFS

B.MapReduce

C.YARN

D.ZooKeeper

【答案】：A

解析：本题考察Hadoop核心组件知识点。HDFS（Hadoop分布式文件系统）是Hadoop生态中负责数据分布式存储的核心组件；MapReduce是分布式计算框架，YARN是资源管理器，ZooKeeper是分布式协调服务，均不符合题意，故正确答案为A。

7、在大数据分析流程中，以下哪项属于数据预处理的核心环节？

A.数据清洗（处理缺失值、异常值）

B.数据挖掘（发现数据模式）

C.模型训练（构建预测模型）

D.结果可视化（展示分析结果）

【答案】：A

解析：本题考察大数据分析流程的阶段划分。数据预处理是分析前的关键步骤，包括数据清洗（处理缺失值、异常值）、数据集成、转换和规约；数据挖掘属于分析阶段（发现模式），模型训练是挖掘后的建模步骤，结果可视化是最终展示环节。因此正确答案为A。

8、国开电大大数据技术课程中常见的企业级数据可视化与商业智能（BI）工具是？

A.Tableau

B.Python的NumPy库

C.MySQL数据库

D.Hadoop分布式框架

【答案】：A

解析：本题考察大数据可视化工具的应用。Tableau（A选项）是企业级数据可视化与BI工具，支持拖拽式分析和丰富图表展示；NumPy（B选项）是Python数值计算库，不侧重可视化；MySQL（C选项）是关系型数据库，用于数据存储而非可视化；Hadoop（D选项）是分布式计算框架，不直接用于可视化。因此正确答案为Tableau。

9、以下哪种技术适用于实时流数据处理？

A.MapRedu