2026年国开电大大数据技术形考题库100道含完整答案（历年真题）

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、大数据的4V特征中，不包含以下哪一项？

A.Volume（容量）

B.Velocity（速度）

C.Veracity（真实性）

D.Variety（多样性）

【答案】：C

解析：本题考察大数据核心特征知识点。大数据的4V特征明确为Volume（容量）、Velocity（速度）、Variety（多样性）、Value（价值），而Veracity（真实性）不属于4V特征范畴，属于干扰项。其他选项均为4V特征的组成部分。2、在大数据数据挖掘中，以下哪种算法常用于将数据对象自动分组为具有相似特征的簇？

A.线性回归（LinearRegression）

B.K-Means聚类算法

C.决策树（DecisionTree）

D.Apriori关联规则算法

【答案】：B

解析：本题考察数据挖掘典型算法的应用场景知识点。K-Means是经典的聚类算法，核心是将数据对象按相似度自动分组为K个簇；线性回归用于预测连续值（回归分析）；决策树用于分类或回归任务（通过树结构划分特征）；Apriori用于挖掘关联规则（如“购买A的用户也常购买B”）。选项A、C、D均非聚类分组算法，因此正确答案为B。3、在大数据技术架构中，负责对海量数据进行分布式存储的是哪一层？

A.采集层（负责数据的采集与接入）

B.存储层（负责数据的分布式存储）

C.计算层（负责数据的分布式计算）

D.分析层（负责数据的挖掘与分析）

【答案】：B

解析：本题考察大数据技术架构分层知识点。大数据技术架构通常分为采集层（如Flume、Kafka）、存储层（如HDFS、HBase）、计算层（如MapReduce、Spark）、分析层（如Hive、Impala）、应用层（如BI工具、业务系统）。其中存储层的核心功能是通过分布式文件系统（如HDFS）或NoSQL数据库实现海量数据的可靠存储，因此答案为B。4、以下关于数据仓库的描述，正确的是？

A.数据仓库仅存储结构化数据

B.数据仓库支持实时事务处理

C.数据仓库面向历史数据分析与决策支持

D.数据仓库的数据更新频率极高

【答案】：C

解析：本题考察数据仓库的定义与特性。数据仓库是面向主题、集成、非易失、时变的数据集，主要用于历史数据分析和决策支持；A错误，数据仓库可存储结构化、半结构化数据；B错误，实时事务处理由OLTP系统负责，数据仓库侧重批处理分析；D错误，数据仓库数据更新频率低，以历史数据为主。因此正确答案为C。5、Hadoop分布式文件系统的英文缩写是？

A.HDFS

B.YARN

C.MapReduce

D.Hive

【答案】：A

解析：本题考察Hadoop生态系统核心组件知识点。HDFS是HadoopDistributedFileSystem的缩写，是Hadoop的分布式文件系统，负责海量数据的存储；YARN是资源管理器，MapReduce是计算框架，Hive是数据仓库工具，因此A选项正确。6、以下哪项是大数据数据挖掘的核心目标？

A.从海量数据中提取有价值的模式或信息

B.存储海量数据到分布式文件系统

C.优化计算机硬件的存储性能

D.实现数据的实时传输与共享

【答案】：A

解析：本题考察数据挖掘的定义。数据挖掘旨在通过算法从海量数据中发现潜在规律、模式或信息，为决策提供支持；选项B是HDFS的作用，C属于硬件优化范畴，D是数据传输技术。因此正确答案为A。7、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。8、在Hadoop生态系统中，负责分布式文件存储的核心组件是？

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：HDFS（HadoopDistributedFileSystem）是Hadoop的分布式文件存储系统，负责将文件分布式存储在多台服务器上；MapReduce是分布式计算框架，用于并行处理大数据；YARN负责集群资源管理和调度；Hive是基于Hadoop的数据仓库工具。因此正确答案为B。9、数据预处理中，处理缺失值和异常值的关键步骤是？

A.数据集成

B.数据清洗

C.数据转换

D.数据归约

【答案】：B

解析：数据清洗阶段的核心任务是处理数据质量问题，包括填充/删除缺失值、识别/修正异常值等。数据集成是多源数据合并，数据转换是格式标准化，数据归约是压缩数据规模，均不直接针对缺失值和异常值处理，因此正确答案为B。10、在数据挖掘任务中，用于发现数据对象相似性并分组为多个簇的技术是？

A.关联规则挖掘

B.分类

C.聚类

D.回归分析

【答案】：C

解析：本题考察数据挖掘技术概念，聚类是将数据按相似度自动分组为不同簇（如K-Means算法）；关联规则挖掘发现项间关联（如“啤酒与尿布”）；分类是预测类别标签（如垃圾邮件分类）；回归分析预测连续值（如房价预测）。因此正确答案为C。11、在大数据预处理流程中，‘处理数据中存在的重复记录’属于以下哪种操作？

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的核心操作。数据预处理流程包括数据清洗、集成、转换、规约等环节：数据清洗（选项A）的目标是去除噪声、异常值、重复值等，因此“处理重复记录”属于数据清洗；数据集成（B）是合并多源数据；数据转换（C）是对数据格式/结构进行转换（如标准化）；数据规约（D）是通过降维、采样等减小数据规模。因此“处理重复记录”属于数据清洗操作。12、大数据的5V特征中，以下哪一项不属于大数据的典型特征？

A.Volume

B.Velocity

C.Validity

D.Variety

【答案】：C

解析：本题考察大数据5V特征知识点。大数据典型特征为Volume（容量）、Velocity（速度）、Variety（多样性）、Veracity（真实性）、Value（价值），Validity（有效性）并非5V特征之一，故正确答案为C。13、大数据的“4V”特征中，描述数据产生和处理速度快的是哪个特征？

A.Volume（数据容量）

B.Variety（数据多样性）

C.Velocity（数据速度）

D.Veracity（数据真实性）

【答案】：C

解析：本题考察大数据的基本特征知识点。大数据“4V”特征中，Velocity特指数据产生和处理的速度（如实时流数据处理）；Volume指数据规模巨大，Variety指数据类型多样（结构化、半结构化、非结构化），Veracity是数据质量维度（真实性），通常不属于4V核心特征。14、Hadoop生态系统中，负责存储海量数据的核心分布式文件系统是？

A.HDFS（HadoopDistributedFileSystem）

B.MapReduce（分布式计算框架）

C.YARN（资源管理器）

D.Hive（数据仓库工具）

【答案】：A

解析：本题考察Hadoop生态系统核心组件知识点。Hadoop的核心分布式文件系统是HDFS，用于存储海量数据；B选项MapReduce是分布式计算框架，负责并行计算任务；C选项YARN是资源管理器，管理集群资源；D选项Hive是基于Hadoop的数据仓库工具，用于数据查询和分析。因此正确答案为A。15、以下哪项是大数据技术在电子商务领域的典型应用？

A.智能推荐系统

B.基因序列分析

C.工业机器人控制

D.城市交通流量预测

【答案】：A

解析：本题考察大数据应用场景的知识点。智能推荐系统是电商领域的核心应用，通过分析用户浏览、购买、评价等行为数据，实现个性化商品推荐。B选项基因序列分析属于生物信息学（医疗/基因组学）；C选项工业机器人控制属于物联网与边缘计算（智能制造）；D选项城市交通流量预测属于智慧城市（交通大数据）。因此A选项符合电商领域的典型应用。16、在大数据预处理中，以下哪种方法不属于处理缺失值的常用手段？

A.删除包含缺失值的记录

B.使用均值/中位数进行插补

C.直接忽略缺失数据

D.通过KNN算法预测缺失值

【答案】：C

解析：本题考察数据预处理中缺失值处理方法。常用缺失值处理方法包括A（删除）、B（统计量插补）、D（基于模型预测）；C选项“直接忽略数据”不符合数据处理规范，会导致数据信息损失且缺乏系统性。因此正确答案为C。17、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。18、大数据的4V特征中，不包括以下哪一项？

A.Volume（规模）

B.Velocity（速度）

C.Veracity（真实性）

D.Variety（多样性）

【答案】：C

解析：本题考察大数据的4V特征知识点。大数据的标准4V特征为Volume（数据规模）、Velocity（处理速度）、Variety（数据多样性）、Value（数据价值）。选项C的Veracity（真实性）是大数据处理中需关注的数据质量维度，但不属于4V特征的核心定义，因此正确答案为C。19、以下哪项不属于大数据的基本特征？

A.数据量大（Volume）

B.价值密度高

C.处理速度快（Velocity）

D.数据类型多样（Variety）

【答案】：B

解析：本题考察大数据的基本特征知识点。大数据的核心特征通常包括Volume（数据量大）、Velocity（处理速度快）、Variety（数据类型多样）、Value（价值密度低）、Veracity（数据真实性）等。选项B“价值密度高”与大数据特征中“价值密度低”（即海量数据中有效信息占比低）相悖，因此不属于大数据基本特征。其他选项均为大数据典型特征。20、大数据处理中，构建分布式计算集群最常用的云计算服务模式是？

A.IaaS（基础设施即服务）

B.PaaS（平台即服务）

C.SaaS（软件即服务）

D.混合云（混合部署模式）

【答案】：A

解析：本题考察大数据与云计算服务模式的关系知识点。IaaS（A选项）提供服务器、存储、网络等基础设施资源，适合部署Hadoop等分布式计算集群；PaaS（B选项）提供开发运行平台，适合快速开发应用但灵活性不足；SaaS（C选项）是直接提供软件应用，无法满足大数据底层硬件需求；混合云（D选项）是云服务部署模式，非服务类型。因此正确答案为A。21、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。22、在大数据预处理流程中，‘处理缺失值、异常值、重复数据’属于哪个步骤？

A.数据集成（合并多源数据）

B.数据清洗（解决数据质量问题）

C.数据转换（格式标准化）

D.数据规约（降维减少规模）

【答案】：B

解析：本题考察大数据预处理步骤。数据清洗的核心是提升数据质量，包括处理缺失值（如填充/删除）、异常值（如检测修正）、重复数据（去重）等；数据集成是合并多源数据；数据转换是格式/尺度转换（如归一化）；数据规约是通过降维/特征选择缩减数据规模。因此处理数据质量问题的步骤是数据清洗，正确答案为B。23、以下哪一项不属于大数据的4V特征？

A.Volume

B.Velocity

C.Variety

D.Validity

【答案】：D

解析：大数据的4V特征指的是Volume（规模性）、Velocity（高速性）、Variety（多样性）、Value（价值性）。选项D的“Validity（有效性）”并非4V特征之一，因此答案为D。24、在数据采集环节，用于将关系型数据库（如MySQL）中的数据批量导入到Hadoop集群的工具是？

A.Flume

B.Sqoop

C.Kafka

D.Hive

【答案】：B

解析：本题考察Hadoop生态系统中数据传输工具的功能。Sqoop（SQL-to-Hadoop）是专门用于在关系型数据库与Hadoop之间进行数据导入导出的工具，支持批量数据传输。A选项Flume主要用于日志数据采集，C选项Kafka是分布式消息队列，用于实时数据流传输，D选项Hive是数据仓库工具，用于数据查询和分析，因此正确答案为B。25、在大数据数据预处理过程中，对数据进行格式转换（如数值型转字符串型）属于哪个步骤？

A.数据清洗

B.数据集成

C.数据转换

D.数据规约

【答案】：C

解析：本题考察数据预处理步骤知识点。数据转换（DataTransformation）是对数据进行格式调整、标准化、归一化等操作，包括数值型转字符串型；A选项数据清洗主要处理噪声、缺失值；B选项数据集成是合并多源数据；D选项数据规约是降维或减少特征维度，均不符合题意。26、在数据挖掘算法中，以下哪一项属于无监督学习算法？

A.K-Means聚类算法

B.支持向量机（SVM）

C.决策树

D.逻辑回归

【答案】：A

解析：本题考察数据挖掘算法分类知识点。无监督学习算法无需人工标注的标签数据，主要用于发现数据中的潜在模式或结构，A选项K-Means是典型的无监督聚类算法，通过距离度量将数据分组；B选项SVM（支持向量机）、C选项决策树、D选项逻辑回归均属于有监督学习算法，需要已知的训练标签数据，通过学习输入与输出的映射关系进行分类或回归预测。因此正确答案为A。27、下列哪项是大数据的特征之一，指数据产生和处理的速度极快？

A.Volume（数据量巨大）

B.Velocity（数据产生与处理速度快）

C.Variety（数据类型多样）

D.Value（数据价值密度高）

【答案】：B

解析：本题考察大数据的5V特征。A选项Volume指数据规模庞大，强调数据总量；B选项Velocity特指数据产生和处理的速度极快，符合题干描述；C选项Variety指数据类型多样（结构化、半结构化、非结构化）；D选项Value指数据价值密度低（海量数据中有效信息占比小）。因此正确答案为B。28、在Hadoop生态系统中，负责分布式存储海量数据的核心组件是？

A.HDFS（Hadoop分布式文件系统）

B.MapReduce（分布式计算框架）

C.YARN（资源管理器）

D.ZooKeeper（分布式协调服务）

【答案】：A

解析：本题考察Hadoop生态系统核心组件知识点。HDFS（Hadoop分布式文件系统）是Hadoop生态的基础，专为分布式存储海量数据设计；MapReduce是分布式计算框架，YARN负责资源管理与调度，ZooKeeper用于分布式协调，因此负责分布式存储的是HDFS，正确选项A。29、大数据的4V特征中，哪个特征描述数据产生和处理的速度快？

A.Volume（数据量）

B.Velocity（处理速度）

C.Variety（数据多样性）

D.Veracity（数据真实性）

【答案】：B

解析：本题考察大数据核心特征知识点。大数据4V特征中，Velocity特指数据产生和处理的速度（如实时流数据处理场景）；A选项Volume指数据规模大小，C选项Variety指数据类型多样（结构化/非结构化），D选项Veracity指数据质量可靠性。因此正确答案为B。30、关于大数据与云计算的关系，以下描述正确的是？

A.大数据处理必须依赖云计算平台

B.云计算是大数据处理的重要基础设施

C.大数据和云计算是完全独立的技术体系

D.云计算仅用于存储大数据而不参与计算

【答案】：B

解析：云计算为大数据提供弹性计算和存储资源，是大数据处理的重要基础设施；A错误，大数据可通过本地集群处理；C错误，两者技术体系相互支撑；D错误，云计算支持计算服务。因此正确答案为B。31、大数据技术在金融领域的典型应用场景是？

A.信用评分模型（风控核心应用）

B.智能交通调度（智慧城市场景）

C.电商商品推荐（零售场景）

D.医疗影像分析（医疗场景）

【答案】：A

解析：本题考察大数据金融应用。金融领域典型应用包括信用评分（基于用户行为数据建模）、欺诈检测（实时交易监控）、风险控制（市场波动预测）等；智能交通属于智慧城市；电商推荐属于零售；医疗影像分析属于医疗。因此金融领域典型应用是信用评分模型，正确答案为A。32、Hadoop生态系统中负责存储海量数据的核心组件是？

A.HDFS（分布式文件系统）

B.MapReduce（分布式计算框架）

C.YARN（资源管理器）

D.Hive（数据仓库工具）

【答案】：A

解析：本题考察Hadoop生态系统核心组件功能。HDFS（分布式文件系统）是Hadoop的核心存储组件，用于在集群中分布式存储海量数据；MapReduce是分布式计算框架，负责数据处理逻辑；YARN是资源管理器，管理集群资源分配；Hive是基于Hadoop的数据仓库工具，用于SQL查询和数据仓库分析。因此正确答案为A。33、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。34、在大数据技术架构中，负责对海量数据进行分布式处理和计算的是哪个层面？

A.采集层

B.存储层

C.计算层

D.分析层

【答案】：C

解析：本题考察大数据技术架构各层面的功能。大数据技术架构通常分为采集层（数据收集）、存储层（数据持久化）、计算层（分布式处理与计算）、分析层（数据挖掘与价值提取）。计算层的核心职责是对海量数据进行分布式处理和计算，因此正确答案为C。35、大数据的核心特征（4V）不包括以下哪一项？

A.Velocity（速度）

B.Variety（多样性）

C.Volume（容量）

D.Veracity（真实性）

【答案】：D

解析：大数据的4V核心特征指Volume（数据量巨大）、Velocity（数据处理速度快）、Variety（数据类型多样）、Value（数据蕴含价值）。Veracity（真实性）属于数据质量维度，并非4V特征，因此正确答案为D。36、以下哪个Python库主要用于机器学习模型的构建与训练？

A.Pandas（数据处理）

B.NumPy（数值计算）

C.Scikit-learn（机器学习）

D.TensorFlow（深度学习）

【答案】：C

解析：本题考察Python大数据分析库的功能。选项A的Pandas是数据清洗、转换和分析的核心工具；选项B的NumPy是数值计算基础库，提供数组和数学运算支持；选项C的Scikit-learn是机器学习库，内置分类、回归、聚类等算法及模型训练工具；选项D的TensorFlow是深度学习框架，侧重神经网络模型构建，虽可用于机器学习，但更聚焦深度学习。因此，Scikit-learn是专门用于机器学习模型构建与训练的库。37、大数据的核心特征“4V”不包括以下哪一项？

A.Volume（容量）

B.Velocity（速度）

C.Variety（多样性）

D.Viscosity（粘度）

【答案】：D

解析：本题考察大数据的“4V”核心特征知识点。大数据的“4V”特征包括：Volume（数据容量大）、Velocity（数据产生和处理速度快）、Variety（数据类型多样，如结构化、半结构化、非结构化）、Value（数据价值密度低但通过分析可挖掘高价值）。选项D中的“Viscosity（粘度）”并非大数据特征，属于错误选项。38、以下哪个工具是基于Hadoop的开源数据仓库工具，用于结构化数据的查询和分析？

A.HBase

B.Hive

C.Pig

D.Flume

【答案】：B

解析：本题考察大数据生态系统工具的功能。HBase是分布式列存储数据库，用于海量结构化数据的随机读写；Hive是基于Hadoop的开源数据仓库工具，使用类SQL的HQL语言对结构化数据进行查询和分析；Pig是数据流语言和执行框架，用于复杂数据转换；Flume是高可用的日志采集系统。因此正确答案为B。39、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。40、大数据的哪个特征是指数据的产生和处理速度快？

A.Volume（容量）

B.Velocity（速度）

C.Variety（多样性）

D.Value（价值）

【答案】：B

解析：本题考察大数据的核心特征知识点。大数据的四个关键特征中，Velocity（速度）特指数据的产生和处理速度快，能够实时或准实时处理数据；Volume（容量）指数据规模庞大；Variety（多样性）指数据类型多样（结构化、半结构化、非结构化）；Value（价值）指数据蕴含的潜在价值。因此正确答案为B。41、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。42、以下哪项是大数据在‘精准营销’场景下的典型应用？

A.电商平台根据用户历史购物行为推荐商品

B.医院利用大数据分析医疗影像诊断疾病

C.交通部门通过大数据监控城市实时路况

D.工业企业通过物联网设备监控设备运行状态

【答案】：A

解析：本题考察大数据应用场景知识点。精准营销的核心是基于用户数据（如行为、偏好）实现个性化推荐。选项A中电商平台通过用户历史购物行为分析实现商品推荐，属于典型的精准营销应用；B属于医疗大数据应用，C属于智慧城市交通管理，D属于工业物联网监控，均不属于精准营销场景，正确答案为A。43、在Hadoop生态系统中，负责分布式数据存储的核心组件是？

A.HDFS（HadoopDistributedFileSystem）

B.MapReduce（分布式计算框架）

C.YARN（资源管理器）

D.Hive（数据仓库工具）

【答案】：A

解析：本题考察Hadoop生态系统核心组件知识点。HDFS是Hadoop的分布式文件系统，用于存储海量数据；MapReduce是分布式计算框架，负责并行计算任务；YARN是资源管理器，协调集群资源；Hive是基于Hadoop的数据仓库工具，用于数据查询和分析。因此负责分布式存储的核心组件是HDFS。44、以下哪个是ApacheSpark生态系统中用于实时流数据处理的组件？

A.SparkSQL

B.SparkStreaming

C.SparkMLlib

D.SparkGraphX

【答案】：B

解析：本题考察Spark生态系统组件知识点。SparkStreaming是Spark的实时流处理组件，支持高吞吐量数据流的实时分析；SparkSQL用于结构化数据查询，SparkMLlib是机器学习库，SparkGraphX用于图计算。实时流处理对应SparkStreaming，选B。45、Hadoop分布式文件系统（HDFS）采用副本机制的主要目的是？

A.提高数据存储容量

B.保障数据可靠性和读取效率

C.加速数据传输速度

D.降低数据压缩成本

【答案】：B

解析：本题考察Hadoop分布式文件系统（HDFS）的核心机制知识点。HDFS的副本机制是指将数据在多个数据节点上存储多个副本（默认3个），其核心目的包括：①数据可靠性：当单个节点故障时，副本可替代故障节点数据，避免数据丢失；②读取效率：多个副本可并行读取，提升数据读取速度。选项A“存储容量”并非核心目的（副本会占用额外空间）；选项C“数据传输速度”与副本机制无关；选项D“数据压缩成本”与副本机制无关。因此正确答案为B。46、以下哪种数据库属于非关系型数据库（NoSQL数据库）？

A.MySQL

B.Oracle

C.MongoDB

D.SQLServer

【答案】：C

解析：本题考察关系型与非关系型数据库知识点。关系型数据库（如A选项MySQL、B选项Oracle、D选项SQLServer）基于关系模型，使用表格结构和SQL语言进行操作，具有严格的表结构和关系约束；C选项MongoDB是文档型NoSQL数据库，属于非关系型数据库，以键值对或文档（如JSON格式）存储数据，灵活扩展，适合非结构化数据存储。因此正确答案为C。47、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。48、Hadoop生态系统中，负责分布式存储的核心组件是？

A.HDFS（分布式文件系统）

B.MapReduce（计算框架）

C.YARN（资源管理器）

D.Hive（数据仓库工具）

【答案】：A

解析：本题考察Hadoop生态组件功能。HDFS（HadoopDistributedFileSystem）是Hadoop的分布式文件系统，负责海量数据的分布式存储；MapReduce是分布式计算框架，YARN负责集群资源管理，Hive提供数据仓库查询接口。因此正确答案为A。49、在大数据预处理阶段，用于处理缺失值的方法不包括以下哪项？

A.删除记录（适用于缺失值少的情况）

B.均值填充（用均值替换缺失值）

C.插值法（如线性插值）

D.数据分片（将数据划分成不同块）

【答案】：D

解析：数据预处理中处理缺失值的方法包括删除记录（缺失比例低时）、均值/中位数填充、插值法（如线性/多项式插值）等；数据分片是将数据集按规则划分成多个子数据集（如按行/列或哈希分片），用于并行处理，不属于缺失值处理方法。因此答案为D。50、以下哪种数据采集方式属于主动式数据采集？

A.网络爬虫（爬取公开网页数据）

B.传感器实时监测（采集环境数据）

C.数据库日志文件读取（系统自动生成日志）

D.用户行为日志被动上传（用户操作触发）

【答案】：B

解析：本题考察数据采集方式知识点。主动式数据采集是指采集方主动发起数据获取动作，传感器实时监测通过主动发送信号或定时上报数据，属于主动采集；而A（网络爬虫被动抓取网页）、C（读取系统日志被动等待数据生成）、D（用户行为日志被动上传）均为被动等待数据产生后采集，属于被动式。因此选B。51、Hadoop生态系统的核心组件不包括以下哪项？

A.HDFS（分布式文件系统）

B.MapReduce（分布式计算框架）

C.YARN（资源管理器）

D.MySQL（关系型数据库管理系统）

【答案】：D

解析：本题考察Hadoop生态系统核心组件知识点。Hadoop的核心组件包括HDFS（A选项，负责分布式存储）、MapReduce（B选项，负责分布式计算）、YARN（C选项，负责资源管理与调度）；而MySQL（D选项）是独立的关系型数据库管理系统，不属于Hadoop生态系统的核心组件。因此正确答案为D。52、以下哪项是Python中用于大数据可视化的库？

A.Tableau

B.PowerBI

C.Matplotlib

D.Hadoop

【答案】：C

解析：本题考察大数据可视化工具知识点。Matplotlib（选项C）是Python的基础可视化库，可用于绘制折线图、柱状图等统计图表，适用于大数据分析中的数据可视化；Tableau（选项A）和PowerBI（选项B）是商业可视化工具；Hadoop（选项D）是分布式存储与计算框架，非可视化工具。正确答案为C。53、K-means算法在数据挖掘中主要用于解决以下哪种任务？

A.分类（Classification）

B.聚类（Clustering）

C.关联规则挖掘（AssociationRuleMining）

D.回归分析（RegressionAnalysis）

【答案】：B

解析：本题考察数据挖掘算法类型。K-means是经典的无监督学习聚类算法，通过距离度量将数据划分为K个簇（cluster）；选项A的分类需预先定义类别标签（如决策树、SVM），属于有监督学习；选项C的关联规则挖掘（如Apriori）用于发现数据项之间的关联关系（如“啤酒与尿布”）；选项D的回归分析用于预测连续数值（如线性回归）。因此，K-means属于聚类任务，正确答案为B。54、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。55、以下哪种数据挖掘算法常用于预测连续型变量的取值？

A.线性回归

B.决策树

C.Apriori算法

D.K-means聚类

【答案】：A

解析：本题考察数据挖掘算法应用场景知识点。线性回归是典型的预测连续型变量的算法（如预测房价、销售额等）；决策树可用于分类或回归，但更侧重于分类；Apriori算法用于关联规则挖掘（如购物篮分析）；K-means是无监督聚类算法，无法用于预测。故正确答案为A。56、在大数据分析流程中，以下哪项属于数据预处理的典型操作？

A.处理缺失值和异常值

B.生成数据可视化报告

C.构建机器学习预测模型

D.对数据进行聚类分析

【答案】：A

解析：本题考察大数据分析流程中数据预处理的知识点。数据预处理是分析前对原始数据进行清洗、转换、集成等操作的环节，目的是提高数据质量。选项A“处理缺失值和异常值”属于数据清洗的典型操作，是预处理的核心内容；选项B“生成可视化报告”属于数据分析结果的展示环节；选项C“构建预测模型”和D“聚类分析”属于数据挖掘或建模环节，均不属于预处理。因此正确答案为A。57、以下哪种工具主要用于在关系型数据库与Hadoop之间进行数据导入导出？

A.Flume（日志收集工具）

B.Sqoop（数据传输工具）

C.Kafka（消息队列系统）

D.HBase（分布式数据库）

【答案】：B

解析：Sqoop（SQL-to-Hadoop）是专门设计用于关系型数据库与Hadoop之间批量数据迁移的工具。Flume用于日志实时采集，Kafka用于高吞吐量消息传递，HBase是分布式数据库而非传输工具，因此正确答案为B。58、以下哪个大数据处理框架主要用于实时流数据处理？

A.Hadoop

B.Spark

C.Flink

D.HBase

【答案】：C

解析：本题考察主流大数据处理框架的应用场景。Hadoop是分布式存储与批处理框架（MapReduce）；Spark是内存计算框架，支持批处理和流处理（SparkStreaming）；Flink是专为实时流数据处理设计的开源框架，具有低延迟、高吞吐特性；HBase是分布式NoSQL数据库，用于随机读写。因此主要用于实时流数据处理的是Flink，正确答案为C。59、在Hadoop生态系统中，负责分布式计算任务调度与资源管理的核心组件是？

A.HDFS（分布式文件系统）

B.YARN（资源管理器）

C.MapReduce（分布式计算框架）

D.Hive（数据仓库工具）

【答案】：B

解析：本题考察Hadoop生态系统核心组件功能。HDFS（A选项）是负责分布式文件存储的组件；YARN（B选项）是Hadoop2.x引入的资源管理器，主要负责集群资源的分配与任务调度；MapReduce（C选项）是基于YARN的分布式计算框架；Hive（D选项）是基于Hadoop的SQL查询工具。因此负责资源管理和调度的是YARN。60、以下关于NoSQL数据库的描述，正确的是？

A.NoSQL数据库只能存储结构化数据

B.NoSQL数据库通常不严格遵循ACID事务特性

C.NoSQL数据库仅支持单机部署，无法分布式扩展

D.NoSQL数据库的查询语言与SQL完全相同

【答案】：B

解析：本题考察NoSQL数据库特性知识点。NoSQL（非关系型数据库）的特点：A错误，NoSQL支持非结构化（如文档、图片）、半结构化数据，而SQL主要处理结构化数据；B正确，NoSQL为提高扩展性，通常弱化ACID（如BASE理论），不严格遵循原子性、一致性等特性；C错误，NoSQL支持分布式部署（如MongoDB分片），可横向扩展；D错误，NoSQL查询语言多样（如MongoDB的BSON查询、Redis的键值对查询），与SQL语法不同。因此选B。61、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。62、在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生态系统组件功能。HDFS（HadoopDistributedFileSystem）是Hadoop的分布式文件系统，专门用于存储海量数据；MapReduce是分布式计算框架，YARN负责集群资源管理，Hive是基于Hadoop的数据仓库工具，故B选项正确。63、以下哪项是大数据在电商领域的典型应用？

A.智能交通信号控制（交通领域）

B.基于用户行为分析的个性化商品推荐（电商领域）

C.医院病历数据分析（医疗领域）

D.企业财务报表自动生成（传统财务领域）

【答案】：B

解析：本题考察大数据应用场景。A属于交通领域，C属于医疗领域，D属于传统财务自动化处理；B通过分析用户浏览、购买、停留时间等大数据，实现精准推荐商品，是电商个性化营销的核心应用。因此正确答案为B。64、以下哪项不属于大数据的4V特征？

A.Volume（数据量）

B.Velocity（数据速度）

C.Variance（方差）

D.Value（数据价值）

【答案】：C

解析：大数据的4V特征标准定义为Volume（数据量）、Velocity（数据产生速度）、Variety（数据多样性）、Value（数据价值）。选项C的Variance（方差）是统计学概念，不属于大数据4V特征；其他选项均为4V核心特征，因此正确答案为C。65、以下哪项属于大数据在交通领域的典型应用？

A.电商平台智能推荐系统

B.城市交通流量实时预测与信号灯优化

C.基因测序数据的生物特征分析

D.社交媒体用户情感倾向识别

【答案】：B

解析：本题考察大数据的行业应用场景。选项B中“城市交通流量预测与信号灯优化”直接利用交通数据（Volume、Velocity等）实现实时决策，属于交通领域典型应用；A、D属于电商/社交领域，C属于生物医疗领域，因此正确答案为B。66、在大数据安全防护中，以下哪项属于数据安全的威胁而非防护措施？

A.数据加密

B.数据篡改

C.访问控制

D.数据备份

【答案】：B

解析：本题考察大数据安全威胁与防护措施。数据篡改（B）是攻击者未经授权修改数据，属于安全威胁；数据加密（A）、访问控制（C）、数据备份（D）均为数据安全的防护措施。因此正确答案为B。67、以下哪种数据库类型适合存储非结构化或半结构化数据（如日志、文档、图片元数据）？

A.关系型数据库（如MySQL）

B.NoSQL数据库（如MongoDB）

C.HDFS文件系统

D.Hive数据仓库

【答案】：B

解析：本题考察大数据存储技术知识点。NoSQL数据库（非关系型数据库）支持多种数据模型，可灵活存储非结构化/半结构化数据（如JSON文档、图片二进制数据等），典型如MongoDB、Cassandra。关系型数据库（A）适合结构化数据（二维表），HDFS（C）是分布式文件存储系统而非数据库，Hive（D）是基于Hadoop的数据仓库工具，依赖关系型数据库或HDFS存储数据，本身不直接存储非结构化数据。68、Spark相比MapReduce，在处理速度上具有显著优势的主要原因是？

A.采用内存计算模式

B.支持更多数据格式

C.使用Java语言开发

D.提供更丰富的API

【答案】：A

解析：本题考察Spark与MapReduce的技术差异。Spark的核心优势在于内存计算（In-MemoryComputing），中间结果存储在内存而非磁盘，避免了MapReduce因多次磁盘IO导致的性能损耗。A选项正确。B选项“支持更多数据格式”是扩展性优势，与速度无关；C选项“使用Java语言开发”不影响处理速度（MapReduce也支持Java）；D选项“丰富API”提升开发便利性，但非速度优势的核心原因。因此正确答案为A。69、大数据预处理阶段中，用于处理数据中的缺失值、异常值和重复数据的关键步骤是？

A.数据采集（DataCollection）

B.数据清洗（DataCleaning）

C.数据集成（DataIntegration）

D.数据转换（DataTransformation）

【答案】：B

解析：本题考察大数据预处理流程知识点。数据清洗的核心是处理数据质量问题，包括缺失值填充、异常值处理、重复数据去重等；选项A的数据采集是获取原始数据的过程，不涉及清洗；选项C的数据集成是合并多源数据，需先清洗再集成；选项D的数据转换是对数据格式、结构进行转换（如标准化），与处理缺失/异常值无关。因此，正确答案为B。70、数据仓库中常用的逻辑模型包括以下哪些？

A.星型模型（事实表+维度表）

B.雪花模型（维度表分层）

C.星座模型（多个事实表共享维度表）

D.以上都是

【答案】：D

解析：本题考察数据仓库的逻辑模型知识点。数据仓库常用的逻辑模型包括：星型模型（最简单，单事实表+多维度表）、雪花模型（维度表进一步分层，更规范）、星座模型（多个事实表共享维度表，适用于复杂业务）。三者均为数据仓库的核心逻辑模型，因此正确答案为D。71、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。72、以下哪种技术常用于大数据传输过程中的安全加密？

A.AES加密

B.SSL/TLS协议

C.MD5哈希算法

D.RSA加密

【答案】：B

解析：本题考察大数据安全传输技术。SSL/TLS（安全套接层/传输层安全）是专门用于网络传输层的数据加密协议，保障数据在传输过程中的安全性；A选项AES是对称加密算法，多用于数据存储加密；C选项MD5是单向哈希算法，仅用于数据校验而非加密；D选项RSA是非对称加密算法，常用于身份认证或小数据量加密，不直接用于传输层大规模数据加密。73、大数据的“4V”特征不包括以下哪一项？

A.Volume（数据量）

B.Velocity（速度）

C.Variety（多样性）

D.Value（价值）

【答案】：D

解析：本题考察大数据的核心特征（4V）知识点。大数据的“4V”特征标准定义为Volume（数据量）、Velocity（速度）、Variety（多样性）、Veracity（真实性），而“Value”并非大数据特征的标准组成部分。因此正确答案为D。74、在大数据数据预处理流程中，用于处理数据缺失值、异常值的关键步骤是？

A.数据清洗

B.数据集成

C.数据变换

D.数据规约

【答案】：A

解析：本题考察大数据数据预处理步骤知识点。数据清洗是预处理的核心步骤，主要负责处理数据中的缺失值、异常值、重复值等问题；B选项数据集成是合并多个数据源；C选项数据变换是对数据格式、类型等进行转换；D选项数据规约是通过降维、压缩等方式减少数据规模。因此正确答案为A。75、以下哪个是典型的大数据批处理计算框架？

A.MapReduce

B.SparkStreaming

C.ApacheFlink

D.ApacheStorm

【答案】：A

解析：本题考察大数据计算框架类型。MapReduce是Hadoop生态系统中经典的批处理计算框架，适用于离线、大规模数据处理；SparkStreaming、Flink、Storm均以实时流处理为核心设计（可处理批处理但非典型批处理框架）。因此正确答案为A。76、相比传统的MapReduce，Spark的主要优势在于？

A.只能处理批处理任务

B.基于内存计算，处理速度更快

C.必须使用分布式文件系统

D.仅适用于结构化数据处理

【答案】：B

解析：本题考察Spark与MapReduce的技术差异，正确答案为B。Spark的核心优势是采用内存计算模式，避免了MapReduce中频繁的磁盘IO操作，因此处理速度更快。A选项错误，Spark既支持批处理也支持流处理（如SparkStreaming）；C选项错误，Spark可适配多种存储系统（如HDFS、S3、内存等），并非必须依赖分布式文件系统；D选项错误，Spark支持结构化、半结构化和非结构化数据的处理，并非仅适用于结构化数据。77、以下哪一项属于无监督学习算法？

A.决策树

B.K-means

C.线性回归

D.支持向量机（SVM）

【答案】：B

解析：机器学习算法分为监督学习（需标签数据，如分类、回归）和无监督学习（无标签数据，如聚类、降维）。决策树（A）、线性回归（C）、SVM（D）均属于监督学习算法（分别用于分类、回归、分类/回归）。K-means（B）是典型无监督聚类算法，无需标签即可分组数据，因此正确答案为B。78、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。79、以下哪项不属于大数据在智慧城市建设中的典型应用场景？

A.智能交通信号优化（基于实时车流量数据）

B.城市空气质量实时监测与预警（大数据分析污染数据）

C.传统人工窗口办理政务（依赖人工操作，非大数据驱动）

D.公共安全视频监控智能分析（异常行为识别）

【答案】：C

解析：本题考察大数据在智慧城市领域的应用场景知识点。智能交通、空气质量监测、公共安全监控均是大数据典型应用（通过海量数据实时分析优化决策）；而“传统人工窗口办理政务”依赖人工流程，未利用大数据技术进行自动化处理或优化，不属于大数据典型应用。因此正确答案为C。80、相比MapReduce，Spark的主要计算优势是？

A.基于内存计算，处理速度更快

B.仅支持批处理任务（不支持流处理）

C.不支持复杂SQL查询（仅支持简单计算）

D.必须依赖HDFS作为唯一存储系统

【答案】：A

解析：本题考察Spark与MapReduce的核心差异。Spark采用内存计算模式，避免MapReduce的磁盘IO瓶颈，处理速度更快；Spark支持批处理、流处理（SparkStreaming）和交互式查询；Spark可使用多种存储系统（如HDFS、Cassandra等），并非必须依赖HDFS。因此正确答案为A。81、在Hadoop生态系统中，负责存储海量结构化与非结构化数据的核心组件是？

A.HDFS（分布式文件系统）

B.MapReduce（分布式计算框架）

C.YARN（资源管理器）

D.Spark（内存计算引擎）

【答案】：A

解析：本题考察Hadoop核心组件功能。HDFS（HadoopDistributedFileSystem）是Hadoop生态系统的分布式文件系统，专门用于存储海量数据；MapReduce是分布式计算框架，YARN是资源管理系统，Spark是独立的内存计算引擎（非Hadoop原生核心组件）。因此正确答案为A。82、大数据的“4V”特征不包括以下哪一项？

A.Volume（规模）

B.Velocity（速度）

C.Value（价值）

D.Validity（有效性）

【答案】：D

解析：大数据的核心特征通常总结为“4V”，即Volume（数据量巨大）、Velocity（数据产生和处理速度快）、Variety（数据类型多样，含结构化、半结构化、非结构化数据）、Value（蕴含高价值但需挖掘）。选项D的“Validity（有效性）”并非大数据4V特征之一，因此正确答案为D。83、在MapReduce编程模型中，哪个阶段负责对Map阶段输出的中间结果进行聚合，生成最终计算结果？

A.Map阶段

B.Reduce阶段

C.Shuffle阶段

D.Split阶段

【答案】：B

解析：本题考察MapReduce编程模型知识点。MapReduce采用“分而治之”思想，分为Map、Shuffle、Reduce三个主要阶段。Map阶段（A）负责将输入数据拆分为键值对，进行初步映射处理；Shuffle阶段（C）负责将Map输出的中间结果按Key分发到对应的Reduce节点；Reduce阶段（B）接收Shuffle后的中间结果，对相同Key的Value进行聚合计算，生成最终结果。Split阶段（D）是数据分片，属于底层准备工作。因此答案为B。84、以下哪项属于大数据在金融领域的典型应用场景？

A.医疗影像分析（医疗领域）

B.电商个性化推荐（电商领域）

C.智能交通信号优化（交通领域）

D.金融欺诈行为检测（金融领域）

【答案】：D

解析：本题考察大数据应用场景分类。A属于医疗影像分析（医疗行业），B属于电商精准营销（电商行业），C属于智能交通管理（交通行业），D选项金融欺诈检测通过大数据分析交易模式识别异常行为，是金融领域典型应用。因此正确答案为D。85、数据预处理中，对数据进行去重、处理缺失值和异常值的步骤属于？

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。数据清洗的核心是解决数据质量问题，包括去除重复数据、处理缺失值、异常值等；数据集成是合并多源数据，数据转换是格式/类型转换，数据规约是压缩数据规模，因此答案为A。86、以下关于数据集市的描述，正确的是？

A.数据集市是企业级统一的数据集合

B.数据集市通常面向特定业务部门或用户群体

C.数据集市的数据仅来源于单一业务系统

D.数据集市的存储结构与数据仓库完全独立

【答案】：B

解析：本题考察数据集市与数据仓库的区别。数据集市是面向部门级或特定业务需求的小型数据集合，通常从数据仓库中抽取数据；数据仓库才是企业级统一数据集合（排除A）；数据集市的数据可来源于数据仓库（排除C）；数据集市的存储结构与数据仓库类似但规模更小（排除D）。因此正确答案为B。87、Hadoop分布式文件系统（HDFS）的英文缩写是？

A.HDFS

B.HBase

C.MapReduce

D.YARN

【答案】：A

解析：本题考察Hadoop生态系统的核心组件知识点。HDFS（HadoopDistributedFileSystem）是Hadoop分布式文件系统的缩写，用于存储海量数据；HBase是基于Hadoop的NoSQL数据库，MapReduce是分布式计算框架，YARN是Hadoop的资源管理器，均不属于分布式文件系统。因此正确答案为A。88、在大数据预处理流程中，将不同来源的数据合并成一个统一数据集的步骤是？

A.数据清洗

B.数据集成

C.数据转换

D.数据规约

【答案】：B

解析：大数据预处理主要步骤包括：数据清洗（处理缺失值、异常值等）、数据集成（合并多源数据形成统一数据集）、数据转换（如归一化、标准化）、数据规约（减少数据规模或维度）。选项B“数据集成”正是多源数据合并的步骤，因此正确答案为B。89、数据挖掘中，K-Means算法主要用于完成以下哪类任务？

A.分类

B.聚类

C.回归

D.关联规则挖掘

【答案】：B

解析：本题考察数据挖掘算法K-Means的应用场景。K-Means是典型的无监督学习聚类算法，通过计算样本间相似度将数据划分为K个簇，使簇内样本相似度高、簇间差异大；分类属于监督学习（如决策树）；回归用于预测连续值（如线性回归）；关联规则挖掘用于发现项集间关联（如Apriori算法）。因此正确答案为B。90、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

B.YARN

C.HDFS

D.Hive

【答案】：C

解析：本题考察Hadoop核心组件知识点。HDFS（HadoopDistributedFileSystem）是Hadoop的分布式文件系统，专门用于存储海量数据；MapReduce是分布式计算框架，YARN是资源管理器，Hive是数据仓库工具。因此负责分布式存储的核心组件是HDFS，选C。91、大数据的核心4V特征不包括以下哪一项？

A.Volume（规模）

B.Velocity（速度）

C.Veracity（真实性）

D.Vari