中五 ICT｜大数据与数据分析流程（3V／清洗／MapReduce）备课指引（导师用）

中五 ICT｜大数据与数据分析流程（3V／清洗／MapReduce）备课指引（导师用）｜45 分钟流程、讲解脚本、常见错误

2026-11-15

学生听到“大数据”就想到一堆新名词，但一问清洗之后剩几多行、并行快几多倍就停手。这一堂把流程变成五步流水线，每一步只做加减乘除。

本堂目标　本堂完结时学生能够：（1）讲出收集、清洗、储存、分析、呈现五步各自做什么，同每一步数据量点变；（2）由 500 万行乘 240 bytes 算出 1.2 GB，并讲出 3V 分别指体量、速度、多样性；（3）由缺失 4%（200,000 行）同重复 1.5%（75,000 行）算出清洗后 4,725,000 行，再算出 6 个分片每片 787,500 行；（4）由 4 个 map 各 25 分钟加 reduce 10 分钟算出顺序 110 分钟、并行 35 分钟、加速 3.14 倍，并讲出相关不等于因果。

01　先备知识（开课前 3 分钟快检）

以下任何一项未过关，本堂就会卡住，先补该项：

技能	快检题	过关标准
百分比	500 万行的 4% 是几多行	答 200,000 行
单位换算	1,200,000,000 bytes 是几多 GB	答 1.2 GB
除法	4,725,000 行平均分 6 个分片	答 787,500 行
速率	每日 1,000 万事件，每秒几多事件	答 115.74 事件

02　课堂流程（45 分钟）

时间	环节	导师做什么	学生做什么
0–6 分钟	起点快检	问 4% 行数、1.2 GB、每片行数、每秒事件，答案写白板右边	口头答，算式写在纸上
6–16 分钟	第一幕：五步流水线，每步都在缩	画五个箭头，箭头上写数据量：5,000,000 行 → 4,725,000 行 → 1.134 GB → 分片	学生指出边一步开始缩细
16–26 分钟	第二幕：3V 同清洗是减法	volume 1.2 GB、velocity 115.74 事件／秒、variety 三种格式；缺失同重复逐层减	学生算出 4,725,000 同 787,500
26–36 分钟	第三幕：MapReduce 与呈现	4 个 map 各 25 分钟：顺序 110 分钟、并行 35 分钟、加速 3.14 倍；呈现要问第三个变量	学生算出 3.14 倍并讲出为何不是 4 倍
36–42 分钟	题型示范与换数字练习	换成 800 万行、缺失 5%、8 个 map，示范四种问法	学生跟做一题并写出单位（行、GB、秒）
42–45 分钟	离场检查	三题口头，错的记下是哪一幕	三题全对

03　讲解脚本（照着说就可以）

第一幕：第一幕：五步流水线，每一步都在缩细数据

“数据分析不是一个程式，是一条流水线。第一步收集：感应器、网站日志、交易纪录，每日 1,000 万个事件。第二步清洗：缺失值、重复值、格式错的值全部要处理，这一步只会变少，不会变多。第三步储存：放进数据库或分散式档案系统，通常按 key 分片，6 个分片就每片一份。第四步分析：计平均、分组、找趋势，数据量大就拆成 map 同 reduce 两段。第五步呈现：仪表板、图表、报告。做题目时，题目问“几多行”就要由源头逐层减，问“几多 GB”就要行数乘每行 bytes，五步不可以跳。”

“清洗之后的行数，有可能多过原本 500 万行吗？为什么？”

第二幕：第二幕：3V 是三个方向，清洗是减法

“大数据的三个 V：volume 体量，500 万行乘每行 240 bytes，等于 1,200,000,000 bytes，即 1.2 GB，用二进制讲就大约 1.12 GiB；velocity 速度，每日 1,000 万事件除 86,400 秒，大约每秒 115.74 个，所以要用串流而不是一次过入库；variety 多样性，同一个系统有结构化的交易表、半结构化的日志、非结构化的文字评论。清洗就是减法：缺失 4% 是 500 万乘 0.04，等于 200,000 行；重复 1.5% 等于 75,000 行；两者一齐移走，剩 5,000,000 减 200,000 减 75,000，等于 4,725,000 行，容量由 1.2 GB 降到 1.134 GB，6 个分片每片 787,500 行。”

“如果缺失同重复有重叠，直接相减会不会算多了？点补救？”

第三幕：第三幕：MapReduce 的加速有上限，呈现要问因果

“分析阶段的并行，用 4 个 map 任务做例：每个 map 25 分钟，如果一部机顺序做，4 个要 100 分钟，再加 reduce 10 分钟，总共 110 分钟；如果 4 部机同时做 map，25 分钟就做完，之后仍然要 10 分钟 reduce，所以总共 35 分钟。加速比是 110 除 35，大约 3.14 倍，不是 4 倍，因为 reduce 不可以并行，而且开机、传资料都有成本。最后一步呈现要小心：图表显示雪糕销量同溺毙人数一齐升，不代表雪糕导致溺毙，两者都跟天气走。分析流程的价值在于问“有没有第三个变量”。”

“如果 map 任务加到 8 个，加速比会不会变成 6 倍以上？为什么？”

04　必教题型与步骤

题型	例子	步骤	答案
算清洗后行数	5,000,000 行，缺失 4%、重复 1.5%	分别算出两类行数，再逐层相减	4,725,000 行
换算容量	5,000,000 行乘每行 240 bytes	相乘后除 1,000,000,000 得 GB，除 2 的 30 次方得 GiB	1.2 GB（约 1.12 GiB）
算吞吐量	每日 1,000 万个事件	除以 86,400 秒；反过来乘 86,400 可以验算	约 115.74 事件／秒
算并行加速	4 个 map 各 25 分钟、reduce 10 分钟	顺序总时间除并行总时间	110 除 35 约 3.14 倍

合理性检查（一定要教）：四个复核：（1）清洗后行数一定少过原本，多过就代表你加了；（2）GB 用 10 亿 bytes，GiB 用 2 的 30 次方，题目写边个就跟边个，两个数都对但不可以互换；（3）每秒事件数乘 86,400 要回到每日总数，回不到就是除错数；（4）加速比一定细过 map 任务数，4 个 map 出 4 倍就代表你当 reduce 免费。

05　独立练习三题

题目	答案	想观察什么
5,000,000 行，缺失 4%，有几多行要移走？	200,000 行	看学生有没有用 5,000,000 乘 0.04 而不是乘 4
清洗后 4,725,000 行分 6 个分片，每片几多行？	787,500 行	4,725,000 除 6，不是用原本 500 万除
4 个 map 各 25 分钟、reduce 10 分钟，加速几多倍？	约 3.14 倍（110 除 35）	分母要包含 reduce 的 10 分钟

06　学生常见错误与纠正句

错误	学生通常这样写	导师这样说
清洗当成加法	答 5,000,000 加 200,000 加 75,000	缺失同重复是要移除的行，所以是减。加就等于把坏数据当成新数据，越洗越多。
GB 同 GiB 混用	1.2 GB 写成 1.2 GiB	1.2 GB 大约 1.12 GiB。两个数都对，但单位不可以互换，题目写明就跟题目。
MapReduce 当成全部免费并行	答 35 分钟但不计 reduce，或者直接写 4 倍	并行只发生在 map 阶段，reduce 仍然要 10 分钟，所以是 110 除 35 约 3.14 倍。
相关当因果	见到雪糕销量同溺毙人数一齐升就话雪糕导致溺毙	两者都跟天气走，是共同原因。呈现之前要问有没有第三个变量，这一步不写，报告就会误导人。

07　家课建议（直接指到练习卷题号）

中学 ICT 备课指引：大数据与数据分析流程章节（题型示范与章末练习）　章末练习第 1 至 4 题

08　离场检查（最后 5 分钟）

题目	答案	判定
500 万行、缺失 4%、重复 1.5%，清洗后几多行？	4,725,000 行	错：重教第二幕，两类都要相减
4 个 map 各 25 分钟、reduce 10 分钟，并行总时间几多？	35 分钟	错：重教第三幕，map 并行但 reduce 要加返
图表两条线一齐升，可不可以直接话有因果？	不可以，要问有没有第三个变量	错：重教第三幕，相关与因果

09　导师常问

中五学生需要识写 MapReduce 程式吗？

不需要。DSE 考的是流程概念同算术：边一步做什么、数据量点变、并行快几多倍。会用文字讲 map 同 reduce 的分工就够。

这一章同中四试算表的数据处理有什么分别？

中四是在一部机上处理几百行，公式、筛选、枢纽分析表就够；这一章是几百万行，所以要讲分片、串流、并行。同一个加总动作，规模变了，方法就跟住变。

1.2 GB、4,725,000 行、3.14 倍是真实数据吗？

不是，全部是教学数字，设计成可以口算同整除。真实系统的清洗比例同加速比差别很大，重点是每一步的算法同单位。

立即免费找导师导师登记 →

本页为 TutorZone 导师备课指引，内容由 TutorZone 团队编写；题目与流程为原创，并非任何学校或出版社的教材。

本页内容版权属 TutorZone 所有 · www.tutorzone.com.hk · 仅供个人学习及教学使用