2025年最新公需科目《大数据》完整考试题库(含答案).docxVIP

2025年最新公需科目《大数据》完整考试题库(含答案)

一、单项选择题（每题2分，共40分）

1.下列哪项不属于大数据的“5V”特征？（）

A.大量（Volume）

B.高速（Velocity）

C.多样（Variety）

D.精准（Veracity）

答案：D（注：大数据5V特征为大量、高速、多样、低价值密度（Value）、真实性（Veracity），无“精准”）

2.Hadoop生态中，负责分布式文件存储的核心组件是（）

A.MapReduce

B.HDFS

C.HBase

D.Spark

答案：B（HDFS是Hadoop分布式文件系统，用于存储大规模数据）

3.以下哪种数据处理方式适用于实时数据流分析？（）

A.批处理

B.流处理

C.离线处理

D.全量处理

答案：B（流处理专注于实时或近实时的数据流处理，如Flink、KafkaStreams）

4.数据清洗的主要目的是（）

A.增加数据量

B.消除数据中的错误、冗余和不一致

C.提升数据存储效率

D.转换数据格式

答案：B（数据清洗通过处理缺失值、异常值、重复值等，提高数据质量）

5.下列哪项属于非结构化数据？（）

A.Excel表格

B.关系型数据库表

C.社交媒体评论

D.财务报表

答案：C（非结构化数据无固定格式，如文本、图像、视频等）

6.分布式计算框架Spark的核心抽象是（）

A.RDD（弹性分布式数据集）

B.DataFrame

C.Dataset

D.DStream

答案：A（RDD是Spark的核心数据结构，支持容错和并行操作）

7.数据仓库（DataWarehouse）与传统数据库的主要区别是（）

A.数据仓库支持事务处理，数据库支持分析处理

B.数据仓库存储实时数据，数据库存储历史数据

C.数据仓库面向分析，数据库面向事务

D.数据仓库结构固定，数据库结构灵活

答案：C（数据仓库是面向主题的、集成的、非易失的、随时间变化的数据集合，主要用于决策分析）

8.隐私计算技术中，“联邦学习”的核心目标是（）

A.在不共享原始数据的前提下联合建模

B.加密所有数据传输过程

C.提高数据计算速度

D.统一不同机构的数据格式

答案：A（联邦学习通过加密机制在多参与方间协同训练模型，保护数据隐私）

9.下列哪项属于大数据分析中的关联分析技术？（）

A.客户分群（聚类）

B.购物篮分析（Apriori算法）

C.销量预测（回归分析）

D.情感分析（文本分类）

答案：B（关联分析用于发现数据项之间的关联规则，如“买啤酒的人常买尿布”）

10.大数据技术栈中，负责数据实时订阅与传输的工具是（）

A.Flume

B.Kafka

C.Sqoop

D.Oozie

答案：B（Kafka是高吞吐量的分布式消息队列，用于实时数据流传输）

11.数据湖（DataLake）与数据仓库的主要差异在于（）

A.数据湖存储结构化数据，数据仓库存储非结构化数据

B.数据湖在存储时不定义模式，数据仓库需提前定义模式

C.数据湖仅用于离线分析，数据仓库支持实时分析

D.数据湖成本更高，数据仓库成本更低

答案：B（数据湖采用“读时模式”（SchemaonRead），数据仓库采用“写时模式”（SchemaonWrite））

12.以下哪项不属于大数据安全风险？（）

A.数据泄露

B.数据主权争议

C.数据冗余

D.算法偏见

答案：C（数据冗余是数据质量问题，非安全风险）

13.区块链与大数据结合的典型应用是（）

A.提升数据存储容量

B.实现数据可追溯与防篡改

C.加速数据计算速度

D.简化数据清洗流程

答案：B（区块链的分布式账本特性可确保数据操作可追溯且不可篡改）

14.衡量大数据处理系统扩展性的关键指标是（）

A.吞吐量（Throughput）

B.延迟（Latency）

C.可扩展性（Scalability）

D.容错性（FaultTolerance）

答案：C（可扩展性指系统随数据量增长灵活扩展资源的能力）

15.下列哪项属于大数据采集的“主动采集”方式？（）

A.传感器自动上传环境数据

B.用户填写在线问卷

C.网络爬虫抓取网页内容

D.数据库日