(2025年)大数据竞赛理论试题及答案.docxVIP

(2025年)大数据竞赛理论试题及答案

一、单项选择题（每题2分，共20分）

1.以下哪项不属于数据清洗的主要任务？

A.处理缺失值

B.消除重复数据

C.转换数据格式

D.构建数据立方体

2.在Hadoop分布式文件系统（HDFS）中，客户端与NameNode通信主要使用的协议是？

A.NFS

B.HDFSClientProtocol

C.RPC

D.HTTP

3.关于Spark的RDD（弹性分布式数据集），以下描述错误的是？

A.RDD支持基于内存的计算

B.RDD通过血统（Lineage）机制实现容错

C.RDD是不可变的分布式对象集合

D.RDD的持久化策略仅支持磁盘存储

4.某电商平台需要分析用户“加购-支付”的转化漏斗，应优先使用哪种数据分析方法？

A.关联规则挖掘

B.路径分析

C.聚类分析

D.时间序列预测

5.以下哪种技术最适合处理PB级非结构化日志数据的实时处理需求？

A.Hive

B.Flink

C.HBase

D.Redis

6.在机器学习中，若模型在训练集上准确率为95%，在测试集上准确率为60%，最可能的原因是？

A.欠拟合

B.过拟合

C.数据不平衡

D.特征维度不足