4.2大数据处理同步作业2024—2025学年高中信息技术浙教版（2019）必修1

4.2 大数据处理同步作业2024—2025学年高中信息技术 浙教版（2019）必修1 一、选择题 1．在大数据分析中，以下哪个技术不是用于处理大规模数据集？（   ） A．分布式计算 B．内存计算 C．云计算 D．单线程计算 2．为了提高学校路口等易发事故路段的安全性，交通部门采取了精细化的信号灯管控措施。经过对某校路口近一年来的交通流监测数据的深入分析，交通部门决定在高峰时段（上午7点30分到7点50分，下午16点到16点50分）采用常规的红绿灯模式，而在其他时段仅维持“黄闪”模式，用以提醒司机减速慢行，保障行人安全。下列关于大数据的说法，正确的是（   ） A．道路监控记录的数据都是结构化数据 B．近一年来产生的数据可利用分治思想进行处理 C．停电故障造成某一天数据缺失，会对最终分析结果产生较大影响 D．道路监控记录大量数据，但在事故后仅需分析几十秒数据，表明大数据存在低价值性 3．下列关于大数据的说法，正确的是（   ） A．大数据要分析的是全体数据，而不是抽样数据，且要求数据必须是精确无误的 B．处理大数据时，一般采用分治思想 C．处理大数据时，更注重事物的因果关系而不是相关性 D．实现对实时数据的获取、传输和存储可以采用分布式系统完成 4．数据处理的目的和意义不包括（   ） A．增加数据的数量和提高数据的质量 B．将数据转化为有用的信息以满足用户的需求 C．推导出有价值的信息作为人们行动和决策的依据 D．从大量杂乱无章的数据中抽取出有价值、有意义的数据 5．在抗击疫情的战斗中，大数据技术对密切接触者的判断和查找发挥了巨大的作用，下列场景中没有体现大数据技术应用的是(   ) A．利用人脸识别获取进出商店人员信息 B．利用手机基站获取定位信息 C．利用药房门口登记的个人信息 D．利用购票、乘车信息获取出行信息 6．居民身份证号码可以反映出常住户口所在地的行政区划、出生日期和性别等信息，这主要体现了数据是（    ）。 A．计算工具识别、存储和加工的对象 B．信息的载体 C．可处理的 D．可加工的 7．某APP使用大数据实时统计车流量反馈给用户，下列关于数据与大数据的说法，正确的是（   ） A．大数据分析的是局部数据 B．大数据允许个别不准确的数据存在 C．数据的数字化过程先量化再采样 D．该APP适合使用批处理计算处理后台数据 8．下列数据处理中，不属于文本数据处理的是(　　) A．根据白名单和黑名单机制，进行垃圾邮件的识别 B．在线客服通过自动应答技术回答问题 C．实时监测景区的人流数据，控制过多的游客进入景区 D．分析消费者的意见数据，挖掘用户观点，辅助运营决策 9．下列关于大数据的说法错误的是（　　） A．从技术上看，大数据与云计算是密不可分的 B．大数据的最小基本单位是MB（兆字节） C．通常需要对大数据进行专业化处理 D．通过对大数据的分析，可以为人类社会创造更多的价值 10．下列关于大数据处理的描述中，不正确的是（　　） A．处理大数据时，一般采用分治思想 B．Hadoop是一个可运行于大规模计算机集群上的分布式系统基础架构，适用于处理实时数据 C．HDFS是一个高度容错性的系统，适合部署在廉价的机器上，云盘、网盘的底层一般采用HDFS实现 D．MapReduce是一种分布式并行编程模型，主要由Map（映射）和Reduce（归纳）2个函数构成 11．下列关于文本数据处理描述不正确的是（    ） A．文本数据处理主要应用在搜索引擎、情报分析、自动摘要、自动校对、自动应答等方面 B．基于词典的分词方法、基于统计的分词方法和基于规则的分词方法是常用的中文分词算法，其中基于规则的统计方法在实际应用中较多 C．标签云用词频表现文本特征，将关键词按照一定的顺序和规律排列，并以文字大小的形式代表词语的重要性 D．典型的中文文本处理过程主要包括：分词、特征提取、数据分析、结果呈现等 12．以下不属于常用中文分词算法的是（    ） A．基于词典的分词方法 B．基于统计的分词方法 C．基于人工操作的分词方法 D．基于规则的分词方法 13．下列关于大数据的描述中，正确的是（　　） A．学生学籍管理系统中存放着大量的学生数据，这些数据属于大数据 B．在银行、商场等场所，用手持测温仪测量入场人员的体温数据应用了大数据技术 C．大数据分析的是抽样数据，而不是全体数据 D．大数据给生活带来便利的同时也带来了安全隐患，如信息泄露、数据安全等 14．以下关于数据的说法，正确的是（    ） A．数据处理的速度主要取决于计算机硬件设备，软件影响不大 B．大数据中，每个数据的价值都非常大，不能随意处理 C．在计算机中，所有的数据都是结构化的 D．数据安全不仅是保障数据不损坏，也要考虑数据被入侵偷窃的情况 15．以下关于对大数据特点的叙述中不正确的是（   ） A．数据价值密度高 B．数据类型多样 C．数据处理速度快 D．数据规模大 16．下列关于大数据及数据处理的说法，不正确的是（   ） A．重复数据可直接删除以节省存储空间 B．处理大数据时一般采用分治思想 C．大数据要分析的是全体数据，能接受数据的混杂性 D．文本数据处理的过程主要包括分词、特征提取、数据分析和结果呈现等 17．对于大数据特征的描述，不正确的是（    ）。 A．海量的数据规模（巨量性） B．快速的数据流转（迅变性） C．单一的数据类型（单一性） D．高质量的数据要求（真实性） 18．下列关于大数据及其处理的说法正确的是（   ） A．大数据体量规模巨大，可以抽取价值密度高的样本进行分析 B．在大数据处理过程中，泄露个人信息不会造成安全问题 C．大数据产生速度快，实时生成的大数据无法与批处理整合处理 D．文本数据处理在情报分析、垃圾邮件过滤、机器翻译等方面有重要应用 19．下列关于大数据（Big data）特点的叙述，错误的是 A．数据体量巨大 B．数据类型繁多 C．商业价值高 D．处理速度慢 20．ChatGPT是一款聊天机器人程序。ChatGPT不单是聊天机器人，还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。它使用了Transformer神经网络架构，这是一种用于处理序列数据的模型，它会通过连接大量的语料库来训练模型，这些语料库包含了真实世界中的对话，使得ChatGPT上知天文下知地理，还能具备根据聊天的上下文进行互动的能力，实现与真正人类几乎无异的聊天场景。下列关于大数据的说法，正确的是（   ） A．利用大量的语料库训练模型需要大数据的支持 B．ChatGPT的语料库因数据体量大，只能抽样处理 C．语料数据中蕴含着巨大的价值，其价值密度高 D．Hadoop 适用于实时数据的流计算 试卷第1页，共3页 试卷第1页，共3页 学科网（北京）股份有限公司 参考答案： 1．D 【详解】本题考查大数据分析。在大数据分析中，分布式计算、内存计算和云计算都能够有效地处理大规模数据集。分布式计算通过将计算任务分布在多个节点上并行处理来提高处理能力；内存计算利用内存的高速读写特性加速数据处理；云计算则提供了强大的计算和存储资源来应对大规模数据处理需求。而单线程计算由于其在单个线程上顺序执行任务，处理效率较低，无法胜任大规模数据集的处理工作。故答案为：D。 2．B 【详解】本题考查数据相关内容。A选项，结构化数据是指按照一定的规则和格式进行组织和存储的数据，它具有明确的数据类型和关系，可以通过预定义的模式或模型进行描述和解释，常见的结构化数据包括关系型数据库中的表格数据、电子表格中的数据、XML文件中的数据等；非结构化数据是指没有明确的结构和格式的数据，它不符合传统的表格、行列或关系型数据库的组织形式，非结构化数据的特点是多样性、复杂性和不规则性，常见的非结构化数据包括文本文档、电子邮件、社交媒体帖子、音频和视频文件、图像、日志文件等；道路监控记录的数据都是非结构化数据，选项错误。B选项，近一年来产生的数据可利用分治思想进行处理，选项正确。C选项，交通部门经过对某校路口近一年来的交通流监测数据的深入分析，采取了精细化的信号灯管控措施，停电故障造成某一天数据缺失，不会对最终分析结果产生较大影响，选项错误。D选项，道路监控记录大量数据，但在事故后仅需分析几十秒数据，表明大数据价值密度低，选项错误。故本题答案是B选项。 3．B 【详解】本题考查大数据相关内容。 A选项，大数据要分析的是全体数据，不是抽样数据，大数据具有低价值密度性，所以大数据无需每个数据都准确无误，选项错误。 B选项，处理大数据时，一般采用分治思想（把最初的问题分解成若干子问题，然后，在逐个解决各个子问题的基础上得到原始问题的解），选项正确。 C选项，处理大数据时，更注重事物的相关性而不是因果关系，选项错误。 D选项，实现对实时数据的获取、传输和存储可以采用Flink完成。Flink 是一个开源的流处理框架，支持窗口操作、聚合操作、连接操作等复杂计算。Flink 还提供了容错机制，可以在数据处理过程中实时修复错误，并可以通过 Checkpoint 机制实现数据的容错。Flink 的优点是支持流式计算，可以处理大规模的数据流，适用于处理实时数据。选项错误。 故本题答案是B选项。 4．A 【详解】本题考查数据处理。数据处理是对数据进行加工的过程，目的是从大量的，可能是杂乱无章、难以理解的数据中，抽取并推导出对于人们来说有价值、有意义的数据。不包括增加数据的数量和提高数据的质量。故选A。 5．C 【详解】本题主要考查大数据技术的应用。大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。 大数据技术，是指从各种各样类型的数据中，快速获得有价值信息的能力。 适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统。利用药房门口登记的个人信息属于传统方式，没有应用大数据技术，故本题选C选项。 6．C 【详解】本题主要考查数据处理。数据处理的基本目的是从大量的、杂乱无章的、难以理解的数据中抽取出相对有价值、有意义的数据，故居民身份证号码可以反映出常住户口所在地的行政区划、出生日期和性别等信息，这主要体现了数据是可处理的，故本题选C选项。 7．B 【详解】本题考查大数据。A选项错误，大数据分析的是全局数据，而不是局部数据，通过处理海量数据来发现规律和趋势。B选项正确，大数据允许个别不准确的数据存在，因为大数据的特点之一是数据量大，个别不准确的数据对整体分析结果影响较小。C选项错误，数据的数字化过程通常是先采样再量化，采样是将连续信号转换为离散信号，量化是将离散信号转换为数字信号。D选项错误，该APP适合使用实时计算处理后台数据，而不是批处理计算，因为实时统计车流量需要及时反馈给用户。 故答案为：B。 8．C 【详解】本题考查的是数据处理。C选项只是掌握游客数量，没有进行分词等文本操作。 9．B 【详解】本题主要考查大数据的描述。从技术上看，大数据与云计算是密不可分的；大数据的最小基本单位是bit；通常需要对大数据进行专业化处理；通过对大数据的分析，可以为人类社会创造更多的价值，故本题选B选项。 10．B 【详解】本题主要考查大数据处理。hadoop 指一个用于大数据分布式存储(HDFS)，分布式计算(MapReduce )和资源调度(YARN)的平台，Hadoop适用于静态数据的批处理计算，不适用于处理实时数据，故本题选B选项。 11．B 【详解】本题主要考查文本数据处理。文本数据处理主要应用在搜索引擎、情报分析、自动摘要、自动校对、自动应答等方面；基于规则的分词是一种机械分词方法，需要不断更新和维护词典，并未在实际中广泛应用；标签云用词频表现文本特征，将关键词按照一定的顺序和规律排列，并以文字大小的形式代表词语的重要性；典型的中文文本处理过程主要包括：分词、特征提取、数据分析、结果呈现等，故本题选B选项。 12．C 【详解】本题考查大数据处理。常用的中文分词算法有：.基于词典的分词方法 、基于统计的分词方法、基于规则的分词方法。基于人工操作的分词不属于常用中文分词算法。故答案为：C。 13．D 【详解】本题主要考查大数据的描述。大数据（big data），或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。学生学籍管理系统中存放着大量的学生数据，但有具体数值，所以不符合大数据的定义；在银行、商场等场所，用手持测温仪测量入场人员的体温数据没有应用大数据技术；大数据分析的是全部数据，而不是抽样数据；大数据给生活带来便利的同时也带来了安全隐患，如信息泄露、数据安全等。故本题选D选项。 14．D 【详解】本题主要考查数据相关知识点。数据处理的速度取决于计算机硬件设备和软件；大数据中，并非每个数据的价值都非常大；在计算机中，并非所有的数据都是结构化的；数据安全不仅是保障数据不损坏，也要考虑数据被入侵偷窃的情况，故本题选D选项。 15．A 【详解】本题主要考查大数据的特点。大数据的特点有：数据价值密度低、数据类型多样、数据处理速度快、数据规模大，故本题选A选项。 16．A 【详解】本题考查大数据相关内容。A选项，重复数据需要经过五个阶段，才能完成删除。五个阶段分别是：（1）数据收集，通过比较进入的备份数据和先前的备份缩小需要进行分析数据的范围，使用“内容已知”数据库辨别它们之间可能的重复和相似数据。（2）数据识别/数据比较：以字节为单位分析数据收集阶段标志出的相似数据对象，如果数据收集阶段创建的工作表表明需要进行数据识别，那么就会用delta差分算法确定备份组中的哪些数据是唯一的、哪些数据是重复的.（3）数据重组：数据识别/数据比较的结果被传递给数据重组过程，在该过程中数据被重新组装，放入临时的“保留磁带”中，新数据被保存，前一阶段被标出的重复数据被已存数据的指针替代。（4）可选的完整性检查：在实际删除所有的重复数据前，执行一次可选的检查，以保证数据100%的完整性。在本阶段中，通过将“保留磁带”（代表经过重复数据删除的数据）和原始数据进行比较验证其结构和整个数据内容。（5）空间回收：从文件系统中删除冗余的数据，释放先前被占用的磁盘空间以备他用。选项错误。B选项，处理大数据时一般采用分治思想，选项正确。C选项，大数据要分析的是全体数据，而不是抽样数据，对于数据不再追求精确性,而是能够接受数据的混杂性，选项正确。D选项，典型的文本处理过程主要包括分词、特征提取、数据分析、结果呈现等，选项正确。故本题答案是A选项。 17．C 【详解】本题考查大数据。大数据（big data），IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据具有海量的数据规模，快速的数据流转，高质量的数据要求。本题说法不正确的是选项C。 18．D 【详解】本题考查大数据。A选项：大数据体量规模巨大，但抽取样本进行分析可能会丢失大量有价值的信息，不能代表整体数据，A选项错误。B选项：在大数据处理过程中，泄露个人信息会造成严重的安全问题，B选项错误。C选项：大数据产生速度快，实时生成的大数据可以与批处理整合处理，C选项错误。D选项：文本数据处理在情报分析、垃圾邮件过滤、机器翻译等方面有重要应用，D选项正确。 故答案为：D。 19．D 【详解】本题主要考查大数据的叙述。大数据具有数据体量巨大、数据类型繁多、商业价值高、处理速度快，故本题选D选项。 20．A 【详解】本题主要考查大数据的描述。利用大量的语料库训练模型需要大数据的支持；ChatGPT的语料库处理全体数据；语料数据中蕴含着巨大的价值，当其价值密度低；Hadoop面向大规模的批量处理，适用于处理静态数据，不适用于流数据，故本题选A选项。 答案第1页，共2页 答案第1页，共2页 学科网（北京）股份有限公司 $$