2026年国开电大大数据技术形考题库100道及答案参考.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、在大数据处理的预处理阶段，以下哪个操作主要用于处理数据中的缺失值和异常值？

A.数据清洗

B.数据集成

C.数据转换

D.数据可视化

【答案】：A

解析：本题考察数据预处理操作知识点。数据清洗是预处理的关键步骤，主要用于处理数据中的缺失值（如空值）、异常值（如离群点）、重复值等问题，确保数据质量。数据集成是合并多源数据，数据转换是对数据进行标准化、归一化等格式转换，数据可视化是结果展示，不属于预处理操作。

2、以下哪项属于数据挖掘的典型应用场景？

A.对原始数据进行去重清洗

B.通过聚类算法实现客户细分

C.从传感器实时采集数据

D.将数据转换为图表进行展示

【答案】：B

解析：本题考察数据挖掘的定义及应用。数据挖掘是从大量数据中通过算法发现潜在模式或知识的过程。B选项“通过聚类算法实现客户细分”属于数据挖掘（聚类分析）的典型应用，通过对客户特征数据分组，识别不同客户群体。A选项“数据清洗”属于数据预处理环节，C选项“数据采集”是数据获取阶段，D选项“数据可视化”是数据呈现手段，均不属于数据挖掘。因此正确答案为B。

3、Hadoop生态系统中，负责分布式文件存储的核心组件是？

A.HDFS

B.MapReduce

C.YARN

D.Hive

【答案】：A

解析：本题考察Hadoop生态系统组件知识点。HDFS（HadoopDistributedFileSystem）是Hadoop的核心分布式文件存储系统，用于在集群中存储海量数据；MapReduce是分布式计算框架，YARN是资源管理器，Hive是数据仓库工具，均不负责文件存储。

4、Hadoop生态系统中负责分布式存储的核心组件是？

A.MapReduce

B.YARN

C.HDFS

D.Hive

【答案】：C

解析：本题考察Hadoop生态系统组件知识点。HDFS（HadoopDistributedFileSystem）是Hadoop的分布式文件系统，专门负责海量数据的分布式存储；MapReduce是分布式计算框架，用于并行处理大数据；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，用于数据仓库建模和查询。因此正确答案为C。

5、数据预处理中处理缺失值、异常值及重复记录的环节属于哪个步骤？

A.数据集成（合并多源数据）

B.数据清洗（处理数据质量问题）

C.数据转换（格式/单位转换）

D.数据规约（降低数据规模）

【答案】：B

解析：本题考察数据预处理环节知识点。数据清洗是处理数据质量问题的核心步骤，包括缺失值填充、异常值处理、重复记录去重等；数据集成是合并多源数据，数据转换是调整数据格式/类型，数据规约是通过降维/采样减少数据量，均与“处理缺失值、异常值”无关。

6、以下哪种大数据处理框架适合处理实时流数据并提供低延迟计算？

A.HadoopMapReduce

B.SparkStreaming

C.Hive

D.Flume

【答案】：B

解析：本题考察大数据处理框架的特性知识点。选项A的HadoopMapReduce是批处理框架，适用于离线海量数据计算，延迟较高；选项B的SparkStreaming是基于Spark的实时流处理框架，支持毫秒级低延迟计算，适合实时数据场景；选项C的Hive是数据仓库工具，用于离线SQL查询；选项D的Flume是日志采集工具，非处理框架。因此正确答案为B。

7、下列哪种工具属于大数据可视化工具？

A.MySQL（关系型数据库管理系统）

B.ApacheHBase（分布式数据库）

C.Tableau（交互式可视化平台）

D.Pig（高级查询语言）

【答案】：C

解析：本题考察大数据工具类型。Tableau是专业的交互式数据可视化工具，用于生成图表、仪表盘等；A、B属于数据存储工具，D是Hadoop生态中的查询语言，因此正确答案为C。

8、在大数据数据预处理阶段，处理缺失值、异常值等数据质量问题的步骤是？

A.数据清洗

B.数据集成

C.数据转换

D.数据归约

【答案】：A

解析：本题考察数据预处理步骤知识点。数据清洗主要用于处理数据中的缺失值、异常值、重复值等质量问题；数据集成是合并多源数据，数据转换是统一数据格式，数据归约是减少数据规模，均与处理缺失值无关，故正确答案为A。

9、下列哪项不属于数据预处理的基本步骤？

A.数据清洗（处理缺失值、异常值）

B.数据加密（数据安全措施）

C.数据集成（合并多源数据）

D.数据规约（降维、压缩数据）

【答案】：B

解析：本题考察数据预处理步骤知识点。数据预处理基本步骤包括数据清洗