2026年国开电大大数据技术形考题库100道附参考答案（能力提升）

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、大数据的核心特征（4V）不包括以下哪一项？

A.数据量巨大（Volume）

B.数据类型单一（Uniformity）

C.处理速度快（Velocity）

D.数据价值密度低（Value）

【答案】：B

解析：本题考察大数据的4V特征知识点。大数据的核心特征为Volume（数据量巨大）、Velocity（处理速度快）、Variety（数据类型多样）、Value（价值密度低）。选项B中“数据类型单一”不符合4V特征，属于错误表述；其他选项均为4V特征的正确描述。2、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（HadoopDistributedFileSystem）

B.MapReduce

C.YARN

D.Pig

【答案】：A

解析：本题考察Hadoop生态系统的核心组件功能，正确答案为A。HDFS（Hadoop分布式文件系统）是Hadoop的核心组件之一，专门用于在集群中分布式存储海量数据。B选项MapReduce是Hadoop的分布式计算框架，负责数据处理而非存储；C选项YARN是Hadoop的资源管理器，负责集群资源调度；D选项Pig是基于Hadoop的高级查询语言，用于数据处理而非存储。3、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。4、大数据的经典‘4V’特征不包括以下哪一项？

A.Veracity（真实性）

B.Volume（数据量）

C.Velocity（处理速度）

D.Variety（数据多样性）

【答案】：A

解析：本题考察大数据的‘4V’核心特征知识点。大数据的经典‘4V’特征明确为：Volume（数据量巨大）、Velocity（处理速度快）、Variety（数据类型多样）、Value（低价值密度但蕴含价值）。选项A的‘Veracity’（真实性）属于数据质量维度的概念，并非大数据‘4V’特征的核心组成部分，因此正确答案为A。5、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。6、以下哪种算法属于无监督学习的聚类算法？

A.K-Means（无监督聚类）

B.SVM（监督分类算法）

C.决策树（监督分类/回归）

D.逻辑回归（监督分类/回归）

【答案】：A

解析：本题考察无监督学习算法类型。无监督学习无需标签，通过数据自身特征分组。K-Means是典型无监督聚类算法，将相似数据点自动划分为K个簇；SVM、决策树、逻辑回归均为监督学习算法，需预先标记的训练数据（如分类标签）。因此正确答案为A。7、在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.Hive

【答案】：A

解析：本题考察Hadoop生态系统核心组件知识点。HDFS（HadoopDistributedFileSystem）是Hadoop的分布式文件系统，负责大数据的分布式存储；MapReduce是分布式计算框架，YARN是资源管理器，Hive是基于Hadoop的数据仓库工具。因此负责分布式存储的是HDFS，正确答案为A。8、下列算法中，属于分类算法的是？

A.K-Means（聚类算法）

B.Apriori（关联规则挖掘算法）

C.决策树（分类/回归算法）

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。决策树（C选项）是典型的分类算法，可用于预测类别标签；K-Means（A选项）是无监督聚类算法，用于数据分组；Apriori（B选项）是关联规则挖掘算法，用于发现数据项之间的关联关系；PCA（D选项）是降维算法，用于减少特征维度。因此正确答案为C。9、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。10、下列哪个框架不属于实时流处理计算框架？

A.Flink

B.Storm

C.SparkStreaming

D.MapReduce

【答案】：D

解析：本题考察流处理与批处理框架区别，Flink、Storm、SparkStreaming均为实时流处理框架，支持低延迟、高吞吐的实时数据计算；MapReduce是Hadoop生态中的经典批处理框架，适用于离线大规模数据处理（如T+1数据清洗），不具备实时处理能力。因此正确答案为D。11、在决策树算法中，ID3算法用于选择最优分裂特征时采用的指标是？

A.信息增益

B.信息增益比

C.基尼指数

D.均方误差

【答案】：A

解析：本题考察决策树算法的核心指标。决策树分裂特征选择是关键：ID3算法基于信息熵，使用“信息增益”（选项A）衡量特征对分类的贡献；C4.5算法优化为“信息增益比”（选项B）以解决信息增益偏向多值特征的问题；CART算法（分类与回归树）采用“基尼指数”（选项C）；均方误差（选项D）是回归问题中（如线性回归）衡量预测误差的指标，与决策树无关。因此ID3算法使用信息增益选择分裂特征。12、以下哪项不属于大数据的4V核心特征？

A.Veracity（真实性）

B.Volume（规模）

C.Velocity（速度）

D.Variety（多样性）

【答案】：A

解析：本题考察大数据4V特征知识点。大数据的4V标准定义为Volume（数据规模）、Velocity（数据产生和处理速度）、Variety（数据类型多样性）、Value（数据价值密度）。Veracity（数据真实性）通常是扩展的“5V”特征之一，不属于4V核心定义，因此答案为A。13、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。14、MongoDB数据库属于以下哪种类型的NoSQL数据库？

A.关系型数据库

B.文档型数据库

C.键值对数据库

D.列族型数据库

【答案】：B

解析：本题考察NoSQL数据库类型，MongoDB以JSON/BSON格式存储数据，属于文档型数据库；关系型数据库以MySQL为代表，键值对数据库如Redis，列族型数据库如HBase（适用于结构化高维数据）。因此正确答案为B。15、大数据的哪一项特征强调数据产生和处理的速度快？

A.容量（Volume）

B.速度（Velocity）

C.多样性（Variety）

D.价值密度（Value）

【答案】：B

解析：本题考察大数据的核心特征，正确答案为B。大数据的Velocity特征指数据产生和处理的速度极快（如实时数据流）；A选项“容量”描述数据规模大小；C选项“多样性”指数据来源/格式多样（结构化/非结构化）；D选项“价值密度”指海量数据中高价值信息需挖掘。因此B选项符合题意。16、下列哪个工具通常用于实时采集分布式系统中的日志数据？

A.Sqoop

B.Flume

C.Kafka

D.Hive

【答案】：B

解析：本题考察大数据数据采集工具的功能，正确答案为B。Flume是Cloudera开源的分布式日志收集系统，专为实时采集分布式系统中的日志数据设计。A选项Sqoop主要用于Hadoop与关系型数据库之间的数据批量导入/导出；C选项Kafka是高吞吐量的分布式消息队列，主要用于数据传输和异步通信，而非实时日志采集；D选项Hive是基于Hadoop的数据仓库工具，用于数据存储和分析，不具备数据采集功能。17、以下哪项不属于大数据的4V特征？

A.Volume（数据量）

B.Velocity（速度）

C.Variety（多样性）

D.Variability（变异性）

【答案】：D

解析：本题考察大数据的4V核心特征。大数据的4V特征定义为：Volume（数据量，如TB/PB级海量数据）、Velocity（速度，如实时流数据生成）、Variety（多样性，含结构化/非结构化数据）、Value（价值密度，需挖掘潜在价值）。选项D的“Variability（变异性）”并非4V特征之一，因此正确答案为D。18、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。19、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。20、在大数据处理流程中，用于处理数据中的缺失值、异常值和重复数据的环节是？

A.数据集成

B.数据清洗

C.数据转换

D.数据规约

【答案】：B

解析：数据清洗是数据预处理的关键步骤，主要任务包括处理缺失值（如填充/删除）、异常值（检测/修正）和重复数据（去重）；数据集成是合并多源数据，数据转换是格式转换（如标准化），数据规约是减少数据规模，均不直接处理“脏数据”。因此B正确。21、以下哪项不属于大数据技术在金融领域的典型应用？

A.信用评分模型

B.智能投顾

C.精准营销

D.交通流量预测

【答案】：D

解析：A、B、C均为金融领域典型应用：信用评分模型通过多维度数据评估用户信用风险，智能投顾基于市场数据与用户偏好提供投资建议，精准营销通过用户行为数据推送金融产品；交通流量预测属于智慧城市（交通管理）领域，故正确答案为D。22、Hadoop分布式文件系统HDFS的主要特点不包括以下哪项？

A.采用分块（Block）方式存储超大规模文件

B.支持高容错性，单节点故障不影响整体服务

C.适合存储和处理TB/PB级别的大文件

D.支持实时性要求高的低延迟数据写入操作

【答案】：D

解析：本题考察Hadoop分布式文件系统（HDFS）的核心特点。HDFS的设计目标是存储和处理超大规模数据，其特点包括：采用分块（默认64MB/128MB）存储大文件（选项A、C正确）；通过副本机制实现高容错性（选项B正确）。而HDFS采用“一次写入，多次读取”的设计，更适合批处理场景，不支持低延迟实时写入（实时写入需其他技术如Kafka+流处理），因此选项D不属于HDFS的主要特点。23、在大数据分析流程中，数据清洗的主要目的是？

A.将多源数据合并为统一格式

B.处理缺失值、异常值以保证数据质量

C.降低数据维度减少计算量

D.转换数据格式以适配分析工具

【答案】：B

解析：本题考察数据预处理步骤。数据清洗是大数据分析前的关键环节，核心任务是处理数据中的噪声（如缺失值、异常值）和不一致性；A选项对应数据集成；C选项对应数据规约；D选项对应数据转换。因此正确答案为B。24、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。25、K-Means算法在数据挖掘中属于以下哪种类型？

A.分类算法

B.聚类算法

C.关联规则挖掘算法

D.回归算法

【答案】：B

解析：本题考察数据挖掘算法类型知识点。K-Means是典型的无监督聚类算法，通过最小化簇内距离将数据自动划分为不同簇（Cluster）；A选项分类算法（如决策树、SVM）需标注训练数据类别，属于监督学习；C选项关联规则挖掘（如Apriori）用于发现数据项间的关联关系；D选项回归算法（如线性回归）用于预测连续数值。因此正确答案为B。26、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。27、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。28、大数据的5V特征中，描述数据价值密度低的特征是以下哪一项？

A.Volume（容量）

B.Velocity（速度）

C.Variety（多样性）

D.Value（价值密度高）

【答案】：D

解析：本题考察大数据的5V特征知识点。大数据的5V特征包括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）。选项D中“价值密度高”与大数据实际特征不符，大数据中大部分数据原始价值密度低，需通过挖掘分析提升价值，因此正确答案为D。29、以下哪项是Hadoop生态系统中用于高吞吐率日志数据采集的工具？

A.Flume

B.Kafka

C.HDFS

D.MapReduce

【答案】：A

解析：本题考察Hadoop生态组件功能，Flume是Hadoop生态中专门用于日志数据采集的工具，支持高吞吐率、多源日志收集；Kafka是高吞吐消息队列系统，主要用于实时数据流传输；HDFS是分布式文件存储系统；MapReduce是批处理计算框架。因此正确答案为A。30、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。31、以下哪种技术适用于实时流数据处理？

A.MapReduce（批处理框架）

B.SparkStreaming（流处理框架）

C.Hive（数据仓库工具）

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应用场景知识点。SparkStreaming是专为实时流数据设计的框架，可对持续产生的数据流进行毫秒级或秒级实时分析；A选项MapReduce是经典批处理框架，适用于离线海量数据计算；C选项Hive基于批处理引擎（如MapReduce），主要用于离线数据分析；D选项HBase是分布式数据库，用于存储非结构化数据而非处理流数据。因此正确答案为B。32、以下哪项不属于Hadoop生态系统的核心组件？

A.HDFS（分布式文件系统）

B.YARN（资源管理器）

C.Spark（内存计算框架）

D.MapReduce（计算模型）

【答案】：C

解析：本题考察Hadoop生态系统知识点。Hadoop生态系统的核心组件包括HDFS（分布式文件系统，用于存储海量数据）、MapReduce（分布式计算模型，处理批处理任务）、YARN（资源管理器，负责集群资源调度）。而Spark（内存计算框架）虽常与Hadoop结合使用，但属于独立的大数据处理框架，并非Hadoop生态系统的核心组件（Hadoop2.x后YARN已整合，但Spark仍独立）。因此C选项不属于Hadoop核心组件，选C。33、大数据技术在以下哪个行业的精准营销应用最广泛？

A.金融行业

B.传统制造业

C.农业种植

D.传统零售业

【答案】：A

解析：本题考察大数据技术的行业应用场景。金融行业（如银行、保险）通过大数据分析客户交易行为、信用记录、风险偏好等，可实现精准风控、个性化理财产品推荐等。A选项符合题意。B选项“传统制造业”更多依赖物联网、工业互联网优化生产流程；C选项“农业种植”数据规模较小，大数据应用场景有限；D选项“传统零售业”虽有数据应用，但相比金融行业的精准营销需求（如用户画像、风险评估），应用深度和广度较弱。因此正确答案为A。34、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。35、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。36、大数据的5V特征不包括以下哪一项？

A.Volume（容量）

B.Velocity（速度）

C.Variety（多样性）

D.Validity（有效性）

【答案】：D

解析：本题考察大数据5V特征知识点。大数据的5V特征是数据处理领域的核心概念，具体包括：Volume（数据量巨大）、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（数据蕴含价值）、Veracity（数据真实性与可信度）。选项D的“Validity（有效性）”并非5V特征之一，因此错误。37、在大数据技术架构中，负责将分散的数据源（如日志、传感器数据等）进行收集和初步过滤的环节是？

A.数据采集层

B.数据存储层

C.数据计算层

D.数据应用层

【答案】：A

解析：本题考察大数据技术架构的核心环节知识点。大数据技术架构通常分为采集、存储、计算、分析、应用五层。数据采集层的功能是负责从各类分散数据源（如数据库、日志、传感器等）收集原始数据，并进行初步清洗、过滤和格式标准化；数据存储层主要负责长期存储数据；计算层负责对数据进行分布式处理；应用层负责将分析结果转化为业务应用。因此，正确答案为A。38、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。39、在Hadoop生态系统中，负责存储海量数据的分布式文件系统是？

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.Spark（快速计算引擎）

【答案】：B

解析：本题考察Hadoop生态系统核心组件知识点。HDFS（HadoopDistributedFileSystem）是Hadoop的分布式文件系统，用于存储海量数据；A选项MapReduce是分布式计算框架，C选项YARN负责集群资源管理，D选项Spark是独立的快速计算引擎，均非分布式文件系统。40、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。41、大数据的4V特征中，不包括以下哪一项？

A.多样性（Variety）

B.可变性（Variability）

C.速度（Velocity）

D.价值（Value）

【答案】：B

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（容量）、Velocity（速度）、Variety（多样性）、Value（价值）。选项B的“可变性”并非大数据4V特征之一，属于干扰项，因此正确答案为B。42、K-Means算法在大数据分析中主要用于以下哪种数据挖掘任务？

A.分类（如预测用户是否流失）

B.聚类（如将用户分群）

C.回归（如预测销售额）

D.关联规则挖掘（如购物篮分析）

【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自动分组为不同簇；分类属于有监督学习（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数据项间关联（如Apriori算法）。因此正确答案为B。43、以下哪种算法属于聚类算法？

A.Apriori（关联规则挖掘）

B.K-Means（无监督聚类）

C.SVM（支持向量机）

D.LinearRegression（线性回归）

【答案】：B

解析：K-Means是典型的无监督学习聚类算法，用于将数据自动分组为不同簇。Apriori用于关联规则挖掘，SVM是分类算法，LinearRegression是预测算法，均不属于聚类算法，因此正确答案为B。44、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。45、通过历史数据预测未来趋势的分析属于大数据分析的哪种类型？

A.描述性分析

B.预测性分析

C.规范性分析

D.探索性分析

【答案】：B

解析：本题考察大数据分析类型知识点，预测性分析通过历史数据建模预测未来趋势；描述性分析主要总结历史数据（如报表、统计）；规范性分析通过优化算法给出最优决策建议；探索性分析用于发现数据中的潜在模式或关系。因此正确答案为B。46、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。47、在大数据处理流程中，以下哪个步骤主要用于处理数据中的缺失值、异常值和重复值？

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。数据清洗的核心任务是处理数据质量问题，包括缺失值填充、异常值修正、重复值删除等；数据集成是合并多源数据，数据转换是调整数据格式，数据规约是降低数据规模。因此正确答案为A。48、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。49、在大数据采集阶段，用于收集服务器日志、用户行为数据等非结构化数据的常用工具是？

A.Flume

B.Spark

C.HBase

D.Hive

【答案】：A

解析：本题考察大数据采集工具知识点。Flume是Cloudera开发的高可用、高可靠的日志收集系统，专门用于采集和聚合日志数据；Spark是内存计算框架，主要用于数据处理；HBase是分布式NoSQL数据库，用于海量数据存储；Hive是数据仓库工具，用于结构化数据查询。因此正确答案为A。50、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。51、在机器学习中，用于预测类别标签（如“垃圾邮件/非垃圾邮件”）的算法是？

A.逻辑回归（LogisticRegression）

B.线性回归（LinearRegression）

C.K-means聚类算法

D.PCA（主成分分析）降维算法

【答案】：A

解析：本题考察机器学习算法类型知识点。逻辑回归是典型的分类算法，用于预测离散类别；线性回归是回归算法（预测连续值）；K-means是无监督聚类算法（无标签数据分组）；PCA是无监督降维算法（减少特征维度），均不用于分类任务。52、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。53、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。54、在大数据分析流程中，哪个步骤主要用于处理数据中的缺失值和异常值？

A.数据采集

B.数据清洗

C.数据挖掘

D.数据可视化

【答案】：B

解析：数据清洗是大数据分析的关键前置步骤，核心任务是处理原始数据中的噪声、缺失值、异常值、重复数据及格式不一致等问题，确保数据质量；数据采集是获取原始数据的过程，数据挖掘是从数据中提取模式，数据可视化是结果展示环节，故正确答案为B。55、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。56、大数据的5V特征中，“Velocity”指的是？

A.数据处理的速度（数据产生和流动的速度）

B.数据的规模（数据量大小）

C.数据的多样性（结构化与非结构化数据并存）

D.数据的价值密度（数据蕴含的价值）

【答案】：A

解析：本题考察大数据的5V特征知识点。大数据的5V特征分别是Volume（数据量）、Velocity（速度）、Variety（多样性）、Veracity（准确性）、Value（价值）。选项A准确描述了Velocity的含义；B对应Volume，C对应Variety，D对应Value，均为错误选项。57、大数据的5V特征中，不包括以下哪一项？

A.Volume

B.Velocity

C.Viscosity

D.Variety

【答案】：C

解析：本题考察大数据5V特征知识点。大数据的5V特征为Volume（数量）、Velocity（速度）、Variety（多样性）、Value（价值）、Veracity（真实性）。选项C的Viscosity（粘度）并非5V特征之一，属于干扰项。正确答案为C。58、以下哪项不属于大数据在政务领域的典型应用？

A.智慧交通管理系统（如实时路况分析）

B.电子政务平台（如在线审批、信息公开）

C.城市规划决策支持系统（基于人口、交通等数据）

D.人脸识别门禁系统（企业或小区安防）

【答案】：D

解析：本题考察大数据政务应用场景知识点。政务领域应用聚焦公共服务与城市治理，如智慧交通（A）、电子政务（B）、城市规划（C）均属于政务范畴；而人脸识别门禁系统属于企业/安防领域的门禁管理，不属于政务应用，因此正确选项D。59、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。60、以下哪种工具通常用于企业级大数据的交互式可视化分析？

A.Excel（基础数据处理工具）

B.Tableau（专业可视化分析工具）

C.ECharts（前端可视化库）

D.PowerShell（脚本语言）

【答案】：B

解析：本题考察大数据可视化工具知识点。Tableau是专业的企业级交互式可视化分析工具，支持拖拽式操作和多维度数据探索；Excel虽能可视化但处理大数据能力有限；ECharts主要用于网页端数据可视化嵌入；PowerShell是脚本执行工具，非可视化工具。因此选B。61、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。62、在大数据处理流程中，对数据进行清洗、去重、填补缺失值等操作属于以下哪个环节？

A.数据预处理

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环节定义。数据预处理是大数据处理的前期关键步骤，包含数据清洗（处理缺失值、异常值）、数据集成（合并多源数据）、数据转换（格式转换）等操作；数据挖掘是从数据中提取模式，模型训练和结果可视化属于后续环节。因此正确答案为A。63、以下哪种数据库不属于大数据存储的典型技术？

A.HBase

B.MongoDB

C.MySQL

D.HDFS

【答案】：C

解析：本题考察大数据存储技术知识点。HBase（选项A）是基于HDFS的分布式NoSQL数据库，MongoDB（选项B）是文档型NoSQL数据库，均为大数据常用存储工具；HDFS（选项D）是Hadoop生态的分布式文件系统，用于存储海量数据。而MySQL（选项C）是传统关系型数据库，通常用于结构化数据的中小规模存储，不属于大数据典型存储技术。正确答案为C。64、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。65、大数据的5V特征中，不包括以下哪一项？

A.Volume（容量）

B.Velocity（速度）

C.Variability（变异性）

D.Veracity（真实性）

【答案】：C

解析：本题考察大数据的5V特征知识点。大数据的5V特征包括Volume（数据量巨大）、Velocity（处理速度快）、Variety（数据类型多样）、Veracity（数据真实性/准确性）、Value（数据价值密度低）。选项C“Variability（变异性）”并非5V特征之一，正确的是“Variety（多样性）”，因此答案为C。66、在大数据预处理中，对于缺失值的处理方法不包括以下哪种？

A.删除法（删除含缺失值的样本）

B.插补法（用统计量填充缺失值）

C.替换法（用特定值替换缺失值）

D.归一化法（将数据缩放到统一范围）

【答案】：D

解析：本题考察大数据预处理中缺失值处理方法。缺失值处理的常见方法包括：删除法（直接删除含缺失值的样本或特征）、插补法（用均值、中位数等统计量填充）、替换法（如用特定值或模型预测值替换）。选项D的“归一化法”属于数据标准化/归一化操作，用于消除量纲影响，与缺失值处理无关，因此错误。67、在大数据预处理中，当数据集中存在大量缺失值且数据类型为数值型时，最常用的处理方法是？

A.直接删除所有包含缺失值的样本

B.使用均值填充缺失值

C.使用众数填充缺失值

D.使用KNN算法进行缺失值预测

【答案】：B

解析：本题考察大数据数据预处理中缺失值处理的知识点。对于数值型数据，均值填充是最常用的缺失值处理方法（均值对整体趋势拟合较好）；众数填充主要适用于类别型数据；直接删除会丢失大量数据信息，降低数据完整性；KNN算法属于复杂的机器学习方法，在大数据预处理中较少作为基础缺失值处理手段。因此正确答案为B。68、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。69、在大数据处理流程中，“处理数据中的缺失值、异常值和重复记录”属于以下哪个环节？

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：数据清洗的主要任务是对原始数据进行净化，包括去除重复数据、处理缺失值、修正异常值等；数据集成是合并多个数据源；数据转换是格式标准化处理；数据归约是减少数据量。因此“处理缺失值、异常值”属于数据清洗环节，答案为A。70、在大数据处理流程中，以下哪项不属于数据预处理阶段？

A.数据清洗

B.数据集成

C.数据存储

D.数据转换

【答案】：C

解析：本题考察大数据处理流程中数据预处理阶段知识点，数据预处理通常包括数据清洗（处理缺失值、异常值）、数据集成（合并多源数据）、数据转换（格式转换、标准化）等操作；而数据存储属于数据处理后的持久化环节，不属于预处理阶段，因此正确答案为C。71、大数据的特征中，强调数据产生和处理速度快的是以下哪一项？

A.Volume（规模）

B.Velocity（速度）

C.Variety（多样性）

D.Veracity（真实性）

【答案】：B

解析：本题考察大数据的5V特征知识点。大数据的5V特征中，Velocity（速度）指数据生成和处理的速度快，能够实时或近实时处理数据；A选项Volume是指数据规模大，通常以TB、PB衡量；C选项Variety是指数据类型多样，包括结构化、半结构化和非结构化数据；D选项Veracity是指数据的真实性和准确性，确保数据质量。因此正确答案为B。72、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。73、以下哪项不属于大数据在金融领域的典型应用？

A.基于用户交易数据的风险评估模型

B.实时监控交易行为的欺诈检测系统

C.结合市场数据的智能投顾服务

D.自动驾驶车辆的路径规划系统

【答案】：D

解析：本题考察大数据应用场景的领域区分。大数据在金融领域的应用广泛，如A项通过用户交易数据构建风险评估模型，B项利用实时交易数据监控欺诈行为，C项结合市场数据生成个性化投资建议均属于金融场景。而D项“自动驾驶车辆的路径规划系统”主要依赖传感器数据与AI算法，属于智能交通/自动驾驶领域，与金融领域无关，因此答案为D。74、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。75、大数据的哪个特征体现了数据产生和处理的速度要求？

A.Volume（数据量）

B.Velocity（速度）

C.Variety（多样性）

D.Value（价值密度）

【答案】：B

解析：本题考察大数据的5V特征知识点。大数据的5V特征中，Velocity（速度）特指数据产生和处理的速度要求，例如实时流数据的快速处理；Volume（A选项）指数据量大小，强调数据规模；Variety（C选项）指数据类型多样（结构化、半结构化、非结构化）；Value（D选项）指数据价值密度低，需通过分析挖掘价值。因此正确答案为B。76、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。77、在大数据技术架构中，负责对数据进行分布式并行计算的是哪一层？

A.基础设施层

B.数据存储层

C.数据处理层

D.数据应用层

【答案】：C

解析：大数据技术架构通常分为四层：基础设施层（提供硬件、虚拟化等基础资源）、数据存储层（存储结构化/非结构化数据）、数据处理层（对数据进行分布式并行计算，含批处理、流处理等）、数据应用层（基于处理后的数据进行分析、可视化等）。选项C“数据处理层”负责计算任务，因此正确答案为C。78、在大数据处理流程中，对数据进行清洗（处理缺失值、异常值）、去重等操作属于哪个阶段？

A.数据集成

B.数据清洗

C.数据转换

D.数据规约

【答案】：B

解析：本题考察数据预处理阶段知识点。数据预处理包含四个核心环节：数据清洗（处理缺失值、异常值、去重等脏数据问题）、数据集成（合并多源数据）、数据转换（格式转换、标准化等）、数据规约（降维、采样减少数据规模）。题目中描述的操作属于数据清洗阶段，其他选项均为不同预处理环节。79、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。80、以下哪个是基于内存计算的分布式计算引擎，适用于快速处理大规模数据？

A.Hadoop

B.Spark

C.Hive

D.HBase

【答案】：B

解析：本题考察大数据处理框架，正确答案为B。Spark是内存计算引擎，通过内存存储中间结果大幅提升速度；A选项Hadoop核心MapReduce是磁盘计算框架，性能较慢；C选项Hive是数据仓库工具，基于Hadoop的SQL查询；D选项HBase是分布式列存储数据库。因此B选项正确。81、Hadoop生态系统中，负责分布式存储的核心组件是？

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生态系统组件功能。HDFS是Hadoop的核心分布式文件系统，负责在集群中存储海量数据；MapReduce是分布式计算框架，用于并行处理数据；YARN负责集群资源管理和任务调度；ZooKeeper提供分布式协调服务。因此负责分布式存储的是HDFS，答案为A。82、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。83、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。84、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。85、大数据的特征中，体现数据产生和处理速度快的是以下哪一项？

A.Volume（数据量大）

B.Velocity（速度快）

C.Variety（数据多样性）

D.Veracity（数据真实性）

【答案】：B

解析：本题考察大数据的5V特征知识点。Volume指数据规模大，Velocity强调数据产生和处理的速度快，Variety表示数据类型多样（结构化、半结构化、非结构化），Veracity关注数据的准确性和可靠性。因此正确答案为B。86、在大数据预处理过程中，以下哪项操作不属于数据清洗阶段？

A.处理缺失值

B.数据集成

C.去除重复记录

D.处理异常值

【答案】：B

解析：本题考察数据预处理的阶段知识点。数据清洗主要针对原始数据中的噪声、缺失值、重复记录、异常值等进行处理；而“数据集成”是将多个数据源合并为统一数据集的操作，属于数据预处理的“数据集成”阶段，与“数据清洗”并列，因此不属于数据清洗阶段，正确答案为B。87、K-Means算法在数据挖掘中主要用于以下哪种任务？

A.分类（如垃圾邮件识别）

B.聚类（如用户分群）

C.回归（如预测销售额）

D.关联规则挖掘（如“啤酒与尿布”）

【答案】：B

解析：本题考察数据挖掘算法类型知识点。K-Means是经典的无监督学习聚类算法，通过计算数据点间距离将数据划分为K个簇（Clusters），用于用户分群、异常检测等场景。分类（A）需有监督学习（如决策树、SVM），回归（C）预测连续值（如线性回归），关联规则挖掘（D）（如Apriori算法）用于发现项集间关联关系，均与K-Means功能不同。88、大数据的5V特性（Volume、Velocity、Variety、Veracity、Value）不包括以下哪一项？

A.Volume（容量）

B.Velocity（速度）

C.Veracity（准确性）

D.Visibility（可见性）

【答案】：D

解析：本题考察大数据5V特性知识点。大数据的5V特性为Volume（数据容量）、Velocity（处理速度）、Variety（数据多样性）、Veracity（数据准确性）、Value（数据价值），“Visibility（可见性）”并非5V标准特性之一，因此答案为D。89、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.Spark

【答案】：A

解析：Hadoop生态系统核心组件包括：HDFS（HadoopDistributedFileSystem，分布式文件系统，负责存储）、MapReduce（分布式计算框架）、YARN（资源管理器）。Spark是独立的开源集群计算框架，不属于Hadoop核心组件。因此，负责分布式文件存储的是HDFS，正确答案为A。90、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.Hive

【答案】：A

解析：HDFS（HadoopDistributedFileSystem）是Hadoop的分布式文件系统，专为海量数据存储设计，是大数据存储的核心组件；MapReduce是分布式计算框架，YARN是资源管理器，Hive是数据仓库工具，均不负责存储功能。因此A正确。91、以下哪种算法属于无监督学习算法？

A.K-Means聚类算法

B.线性回归算法

C.逻辑回归算法

D.支持向量机（SVM）分类算法

【答案】：A

解析：本题考察无监督学习算法特征。无监督学习无需标签数据，通过数据自身模式发现规律。K-Means是典型的无监督