2025上海电气大数据运维工程师招聘2人笔试历年参考题库附带答案分析.docxVIP

2025上海电气大数据运维工程师招聘2人笔试历年参考题库附带答案分析

一、选择题（每题2分，共30题）

1.大数据的4V特性不包括以下哪一项（）

A.Volume（大量）

B.Variety（多样）

C.Velocity（高速）

D.Validity（有效性）

答案：D

答案分析：大数据的4V特性是Volume（大量）、Variety（多样）、Velocity（高速）、Value（价值），不包括有效性，所以选D。

2.以下哪种数据库适合存储时间序列数据（）

A.MySQL

B.MongoDB

C.InfluxDB

D.Redis

答案：C

答案分析：InfluxDB是专门为时间序列数据存储和分析设计的数据库，MySQL是关系型数据库，MongoDB是文档型数据库，Redis是键值对数据库，所以选C。

3.在Hadoop生态系统中，负责资源管理和任务调度的是（）

A.HDFS

B.MapReduce

C.YARN

D.HBase

答案：C

答案分析：YARN负责Hadoop集群的资源管理和任务调度，HDFS是分布式文件系统，MapReduce是计算框架，HBase是分布式数据库，所以选C。

4.以下哪种数据采集方式不属于实时采集（）

A.Flume

B.KafkaConnect

C.Sqoop

D.Logstash

答案：C

答案分析：Sqoop主要用于在关系型数据库和Hadoop之间进行批量数据传输，不属于实时采集，Flume、KafkaConnect、Logstash都可用于实时数据采集，所以选C。

5.数据清洗中，处理缺失值的方法不包括（）

A.删除含有缺失值的记录

B.用均值填充缺失值

C.用随机数填充缺失值

D.用预测值填充缺失值

答案：C

答案分析：处理缺失值常用删除记录、均值填充、预测值填充等方法，用随机数填充会引入噪声，不是常规处理方法，所以选C。

6.以下关于Spark的说法错误的是（）

A.Spark是基于内存计算的分布式计算框架

B.Spark支持多种编程语言，如Python、Java、Scala

C.Spark只能处理批处理任务

D.Spark有自己的分布式文件系统

答案：C

答案分析：Spark不仅能处理批处理任务，还能处理实时流处理、交互式查询等任务，它是基于内存计算的分布式计算框架，支持多种编程语言，本身没有自己的分布式文件系统，依赖HDFS等，所以选C。

7.以下哪种算法属于无监督学习算法（）

A.决策树

B.支持向量机

C.聚类算法

D.逻辑回归

答案：C

答案分析：聚类算法是无监督学习算法，决策树、支持向量机、逻辑回归都是监督学习算法，所以选C。

8.在数据挖掘中，关联规则挖掘常用的算法是（）

A.Apriori算法

B.KMeans算法

C.梯度下降算法

D.主成分分析算法

答案：A

答案分析：Apriori算法是关联规则挖掘常用算法，KMeans是聚类算法，梯度下降算法用于优化，主成分分析算法用于降维，所以选A。

9.以下关于Kafka的说法正确的是（）

A.Kafka是一个分布式消息队列

B.Kafka只能用于数据存储

C.Kafka不支持分区和复制

D.Kafka不适合处理高吞吐量的数据

答案：A

答案分析：Kafka是分布式消息队列，可用于数据存储和传输，支持分区和复制，适合处理高吞吐量的数据，所以选A。

10.在Hive中，以下哪种语句用于创建表（）

A.SELECT

B.INSERT

C.CREATETABLE

D.UPDATE

答案：C

答案分析：CREATETABLE用于创建表，SELECT用于查询，INSERT用于插入数据，UPDATE用于更新数据，所以选C。

11.数据可视化工具Tableau不支持以下哪种数据源（）

A.Excel文件

B.MySQL数据库

C.HBase数据库

D.本地文本文件

答案：C

答案分析：Tableau支持Excel文件、MySQL数据库、本地文本文件等数据源，对HBase数据库支持较差，所以选C。

12.以下关于机器学习模型评估指标的说法错误的是（）

A.准确率适用于数据平衡的情况

B.召回率是指预测为正例的样本中实际为正例的比例

C.F1score是准确率和召回率的调和平均数

D.均方误差常用于回归模型的评估

答案：B

答案分析：召回