(2025年)《大数据技术原理与应用》考试复习题库(含答案).docxVIP

(2025年)《大数据技术原理与应用》考试复习题库(含答案)

一、选择题

1.大数据的4V特征不包括以下哪一项（）

A.Volume（大量）

B.Variety（多样）

C.Velocity（高速）

D.Value（价值）

E.Veracity（真实性）

答案：E。大数据的4V特征为Volume（大量）、Variety（多样）、Velocity（高速）、Value（价值）。

2.以下哪种数据库适合存储大数据（）

A.MySQL

B.Oracle

C.MongoDB

D.SQLServer

答案：C。MongoDB是一种NoSQL数据库，更适合处理大数据的多样性和高扩展性需求，而MySQL、Oracle、SQLServer属于传统关系型数据库，在处理大数据时存在一定局限性。

3.Hadoop生态系统中，HDFS是指（）

A.分布式计算框架

B.分布式文件系统

C.分布式数据库

D.集群资源管理系统

答案：B。HDFS（HadoopDistributedFileSystem）是Hadoop提供的分布式文件系统，用于存储大规模数据。

4.Spark与HadoopMapReduce相比，主要优势在于（）

A.处理速度更快

B.功能更强大

C.更易于使用

D.以上都是

答案：D。Spark基于内存计算，处理速度比HadoopMapReduce快很多；具备多种高级功能如机器学习、图计算等；同时API更加简洁，更易于使用。

5.以下哪种数据采集工具可用于从网页上抓取数据（）

A.Flume

B.Sqoop

C.Scrapy

D.Kafka

答案：C。Scrapy是一个用于抓取网页数据的Python框架；Flume主要用于收集、聚合和移动大量日志数据；Sqoop用于在Hadoop和关系型数据库之间传输数据；Kafka是一个分布式消息队列。

6.数据挖掘中，关联规则挖掘常用的算法是（）

A.K-Means

B.Apriori

C.DBSCAN

D.PageRank

答案：B。Apriori是经典的关联规则挖掘算法；K-Means和DBSCAN是聚类算法；PageRank用于网页排名。

7.以下哪个不是常见的数据预处理步骤（）

A.数据清洗

B.数据集成

C.数据挖掘

D.数据变换

答案：C。数据预处理包括数据清洗、数据集成、数据变换等步骤，数据挖掘是在预处理后的数据上进行的数据分析过程。

8.以下哪个是实时数据处理框架（）

A.HadoopMapReduce

B.SparkCore

C.Storm

D.Pig

答案：C。Storm是一个实时数据处理框架；HadoopMapReduce是批处理框架；SparkCore是Spark的核心组件，可用于批处理和实时处理，但Storm更侧重于实时处理；Pig是一个用于大规模数据处理的脚本语言。

9.以下关于HBase的描述，错误的是（）

A.是一种分布式、面向列的数据库

B.基于HDFS存储数据

C.支持SQL查询

D.具有高扩展性

答案：C。HBase是分布式、面向列的数据库，基于HDFS存储数据，具有高扩展性，但它不支持标准的SQL查询，有自己的查询语法。

10.以下哪种机器学习算法属于监督学习（）

A.K-Means

B.决策树

C.主成分分析

D.自组织映射

答案：B。决策树是监督学习算法，需要有标记的数据进行训练；K-Means、自组织映射是无监督学习算法；主成分分析是一种数据降维技术，不属于机器学习算法的监督或无监督类别。

二、填空题

1.大数据处理的一般流程包括数据采集、______、数据存储、数据分析和数据可视化。

答案：数据预处理

2.Hadoop生态系统中，负责集群资源管理的组件是______。

答案：YARN（YetAnotherResourceNegotiator）

3.Spark中，弹性分布式数据集的英文缩写是______。

答案：RDD（ResilientDistributedDatasets）

4.数据仓库的四个基本特征是面向主题、集成性、______和不可更新性。

答案：稳定性（或持久性）

5.关联规则挖掘中，衡量规则重要性的两个指标是支持度和______。

答案：置信度

6.常见的聚类算法有K-Means、DBSCAN和______。

答案：层次聚类算法

7.数据清洗的主要任务包括去除重复数据、处理缺失值和______。

答案：处理噪声数据

8.实时数据处理的特点包括