19. 關於巨量資料處理，下列敘述何者「不正確」？
(A) 分散式架構處理可以提升巨量資料處理效能
(B) 透過 API 或者網路爬蟲的方式，可以來搜集大量外部資料，例如網站資料
(C) 可以根據運算需求與時效性，平行擴增所需要的運算資源，提供更好的運算服務
(D) 許多資料要能即時得到結果才能發揮最大的價值，即為巨量資料所談的「Value」

答案：登入後查看
統計： A(0), B(0), C(1), D(8), E(0) #3219153

詳解 (共 1 筆)

#6332642

要找出 「不正確」 的選項，我們逐一檢視每個選項是否符合巨量資料（Big Data）的特性與應用：

  1. (A) 分散式架構處理可以提升巨量資料處理效能

    • 正確 ✅
    • 巨量資料通常需要透過 分散式運算架構（如 Hadoop、Spark）來提升處理效能。
    • 這是因為單一機器難以處理大規模數據，因此透過分散式架構可將計算與儲存負載分配到多個節點，提高效能。

  2. (B) 透過 API 或者網路爬蟲的方式，可以來搜集大量外部資料，例如網站資料

    • 正確 ✅
    • 許多巨量資料分析的來源之一就是來自 API、網路爬蟲（Web Scraping）或開放資料（Open Data）。例如：
      • 搜集社群媒體數據（如 Twitter API）。
      • 使用網頁爬蟲蒐集新聞、評論等資訊。
      • 擷取政府開放數據（如 Open Data）。
    • 這些方式確實是常見的 資料蒐集方法。

  3. (C) 可以根據運算需求與時效性，平行擴增所需要的運算資源，提供更好的運算服務

    • 正確 ✅
    • 巨量資料處理通常採用 彈性擴展架構（Elastic Scaling），如雲端運算（AWS、Google Cloud、Azure）能根據需求 動態調整計算資源，即所謂的 橫向擴展（Scale Out）。

  4. (D) 許多資料要能即時得到結果才能發揮最大的價值，即為巨量資料所談的「Value」

    • 錯誤 ❌（答案）
    • 「Value（價值）」 是 巨量資料的 5V 特性之一（Volume, Velocity, Variety, Veracity, Value），但不代表所有巨量資料都必須即時處理。
    • 事實上，巨量資料可以分為：
      • 批次處理（Batch Processing） → 如 Hadoop、ETL，重點在 準確性 而非即時性。
      • 即時處理（Real-Time Processing） → 如 Spark Streaming、Kafka，適用於高時效需求。
    • 巨量資料的「Value」重點在於數據是否能產生商業價值，而非一定要即時處理。

結論

✅ 正確選項：(A)、(B)、(C)
❌ 不正確選項：(D) （即時處理不是「Value」的唯一條件）

? 本題正確答案：「(D)」

0
0