2025年大数据导论题库习题试卷及答案.docxVIP

2025年大数据导论题库习题及答案

1.单项选择题（每题2分，共30分）

1.12025年主流分布式计算框架中，默认采用“内存为中心、闪存为扩展”架构的是

A.Hadoop3.xMapReduce

B.Spark4.xRDD引擎

C.Flink2.x流批一体

D.Ray3.xAI原生

答案：D

1.2在数据湖仓一体（Lakehouse）体系中，用于实现“ACID+时间旅行”的核心协议是

A.Parquet

B.ORC

C.DeltaLake3.0

D.ArrowFlight

答案：C

1.3某市交通传感器每日产生2PB原始日志，经5:1压缩后存入HDFS，副本因子为3，则实际磁盘净占用最接近

A.0.4PB

B.1.2PB

C.2.0PB

D.4.0PB

答案：B

1.4联邦学习场景下，参与方梯度上传前采用LocalDifferentialPrivacy，ε=1，δ=10??，则该机制提供的隐私保证属于

A.集中式ε-DP

B.近似(ε,δ)-DP

C.零集中差分隐私

D.本地ε-DP

答案：D

1.5在DataMesh治理原则中，强调“领域所有权”主要解决

A.计算性能瓶颈

B.元数据分散

C.数据孤岛与责任边界

D.实时性不足

答案：C

1.62025年发布的GDPR3.0草案新增“算法可解释权”，其技术实现最依赖

A.同态加密

B.模型蒸馏

C.可解释AI框架（如LIME2.0）

D.联邦平均

答案：C

1.7某电商使用ClickHouse24.5做实时漏斗分析，事件表按dt+user_id分区，排序键为(event_time,user_id)，最可能出现“Merge性能骤降”的原因是

A.分区字段顺序颠倒

B.排序键高基数且更新频繁

C.使用了Nullable(String)

D.副本节点跨洲部署

答案：B

1.8在数据血缘图谱中，顶点属性“freshness_score”采用PageRank迭代更新，其边权重最适合定义为

A.数据延迟（秒）的倒数

B.数据量（GB）的对数

C.任务失败次数

D.字段名称相似度

答案：A

1.9某AI训练集群使用RDMA+GPUDirectStorage，其I/O瓶颈通常首先出现在

A.NVMe-oF交换机缓存

B.GPU显存带宽

C.RDMA网卡PCIe通道

D.HDFSNameNodeRPC

答案：C

1.102025年国内“东数西算”工程要求PUE≤1.15，下列节能措施最直接有效的是

A.液冷GPU服务器

B.数据去重

C.纠删码替代副本

D.增量压缩

答案：A

1.11在多云灾备架构中，采用“双活一致性组”技术，RPO≈0，其底层同步机制是

A.异步Binlog复制

B.基于Raft的分布式日志

C.快照差异上传

D.基于时钟的Last-Writer-Wins

答案：B

1.12某金融公司使用ApacheIceberg1.4，表格式版本V3，支持deletefile，执行行级删除后，查询性能仍保持O(n)的关键技术是

A.向量化的Parquet解码

B.元数据剪枝+DeleteVector

C.BloomFilter索引

D.Z-order排序

答案：B

1.132025年生效的《数据跨境流动安全评估办法》中，对“关键个人信息”出境门槛是

A.10万人

B.50万人

C.100万人

D.1万人

答案：C

1.14在时序数据库IoTDB2.0中，采用“时间列+设备列”双索引，针对“查询最近一小时某设备均值”场景，其时间复杂度为

A.O(logn)

B.O(n)

C.O(1)

D.O(device_num)

答案：A

1.15某视频平台使用Transformer做实时推荐，输入序列长度8192，embedding维度1024，若采用4-bit量化权重，显存占用下降比例约为

A.25%

B.50%

C.75%

D.90%

答案：C

2.多项选择题（每题3分，共30分）

2.1下列属于2025年主流“Serverless大数据”产品特性的是

A.按毫秒计费

B.自动弹性至万核

C.支持P