2026年数据科学大数据分析平台操作练习题.docxVIP

第PAGE页共NUMPAGES页

2026年数据科学：大数据分析平台操作练习题

一、单选题（共10题，每题2分，合计20分）

1.在Hadoop生态系统中，以下哪个组件主要负责分布式存储海量数据？

A.YARN

B.Hive

C.HDFS

D.Spark

2.使用SparkSQL进行数据查询时，以下哪个函数可用于统计不同类别的数量？

A.`SUM()`

B.`GROUPBY()`

C.`COUNT()`

D.`DISTINCT()`

3.在Kafka中，以下哪种分区策略适用于动态扩容的场景？

A.轮询分区（Round-robin）

B.范围分区（Range）

C.哈希分区（Hash）

D.负载均衡分区（Load-balanced）

4.以下哪个工具适用于实时数据流处理，且支持高吞吐量？

A.Flink

B.Storm

C.HadoopMapReduce

D.SparkCore

5.在Hive中，以下哪种文件格式支持列式存储，适合大数据分析场景？

A.ORC

B.Avro

C.Parquet

D.JSON

6.使用Pandas进行数据清洗时，以下哪个函数可用于去除重复值？

A.`dropna()`

B.`fillna()`

C.`drop_duplicates()`

D.`unique()`

7.在E