大数据试题及详细答案.docxVIP

大数据试题及详细答案

一、选择题（每题3分，共10题，满分30分）

以下哪项不属于大数据的“4V”特征（）

A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Veracity（稳定）

Hadoop生态系统中，负责分布式存储的组件是（）

A.MapReduceB.HDFSC.YARND.Spark

Spark相比MapReduce，最核心的优势是（）

A.支持更多编程语言B.基于内存计算，速度更快C.部署更简单D.支持更多数据格式

以下哪种数据属于非结构化数据（）

A.数据库中的表数据B.Excel表格数据C.微信聊天记录D.CSV格式数据

数据仓库的核心特征不包括（）

A.面向主题B.集成性C.实时性D.稳定性

在HadoopMapReduce中，Map阶段的主要作用是（）

A.数据汇总B.数据分片与初步处理C.数据排序D.数据存储

以下哪种技术常用于大数据实时计算（）

A.HiveB.FlinkC.HBaseD.Sqoop

HBase数据库的本质是（）

A.关系型数据库B.列存储数据库C.文档型数据库D.图数据库

数据清洗的主要目的是（）

A.增加数据量B.提高数据质量C.加密数据D.压缩数据

以下哪项不属于大数据分析的典型应用场景（）

A.电商精准推荐B.天气预报C.传统财务记账D.交通流量调度

二、填空题（每题4分，共5题，满分20分）

Hadoop生态系统中，______负责资源调度与任务管理，是集群的“大脑”。

Spark的核心抽象是______，它是一种不可变的、分布式的数据集合。

数据湖的核心特点是______，能够存储原始的、未经过处理的各种类型数据。

ETL分别代表______、______、______，是数据仓库构建中的关键流程。

分布式计算的核心思想是______，即将复杂任务拆解为多个简单子任务并行处理。

三、简答题（每题10分，共3题，满分30分）

请简述HDFS的架构组成及各组件的主要功能。

什么是大数据的“数据倾斜”问题？产生的原因有哪些？如何解决？

请对比数据仓库与数据湖的异同点。

四、综合应用题（20分）

某电商平台积累了大量用户行为数据（包括用户浏览记录、下单记录、收藏记录、评价记录等）和商品数据（商品分类、价格、销量、属性等）。请设计一套大数据分析方案，实现以下目标：

用户画像构建，精准描述用户消费偏好；

商品智能推荐，为不同用户推送个性化商品；

销量预测，为平台备货和促销活动提供数据支撑。

要求：明确方案的技术架构、数据处理流程、核心分析模型及关键步骤。

参考答案及解析

一、选择题答案及解析

答案：D

解析：大数据“4V”特征为Volume（大量）、Velocity（高速）、Variety（多样）、Veracity（真实性/准确性），并非“稳定”。Veracity强调数据的可靠性和可信度，是大数据分析的基础。

答案：B

解析：HDFS（HadoopDistributedFileSystem）是Hadoop生态中的分布式文件存储组件；MapReduce是分布式计算框架；YARN是资源调度组件；Spark是基于内存的分布式计算引擎。

答案：B

解析：Spark最核心的优势是基于内存计算。MapReduce的计算过程中，中间结果需写入磁盘，IO开销大；而Spark将中间结果缓存在内存中，大幅提升了计算速度，尤其适用于迭代计算和交互式分析。

答案：C

解析：非结构化数据是指没有固定格式、无法直接用传统数据库表结构存储的数据，如文本、图片、音频、视频、聊天记录等；A、B、D均为结构化数据（具有固定格式和逻辑关系的数据）。

答案：C

解析：数据仓库的核心特征包括面向主题、集成性、稳定性（非易失性）、时变性（反映历史数据），不强调实时性。实时性是实时计算平台（如Flink、Storm）的核心需求。

答案：B

解析：MapReduce的Map阶段主要负责将输入数据分片，对分片数据进行初步处理（