大数据分析师证书试题及答案.docxVIP

大数据分析师证书试题及答案

一、单项选择题（本大题共20小题，每小题1分，共20分）

1.在大数据分析中，Hadoop生态系统中的HDFS主要用于什么功能？

A.实时数据流处理

B.分布式文件存储

C.图数据库管理

D.内存缓存优化

解析：HDFS（HadoopDistributedFileSystem）是Hadoop的核心组件，设计用于在廉价的硬件集群上存储超大规模文件系统。其特点包括高容错性、高吞吐量，适合批处理场景。选项A实时数据流处理通常由SparkStreaming或Flink等工具实现；选项C图数据库管理由Neo4j等专用系统完成；选项D内存缓存优化由Redis等工具负责。HDFS通过将大文件分割成块并分布在集群节点上，实现海量数据的分布式存储。

2.下列哪种算法不属于监督学习范畴？

A.决策树

B.K-近邻

C.主成分分析

D.线性回归

解析：监督学习算法通过标注数据训练模型，包括分类（决策树、K-近邻）和回归（线性回归）任务。主成分分析（PCA）属于降维算法，属于无监督学习，通过发现数据内在结构减少特征维度。

3.在Spark中，RDD的持久化方式cache与persist的主要区别是什么？

A.cache默认不存储分区信息

B