《大数据》之一：第1章 大数据概念与应用

大数据在商业决策中的应用作业指导书第1章大数据概述 (4)1.1 数据的概念与分类 (4)1.1.1 数据的定义 (4)1.1.2 数据的分类 (4)1.2 大数据的发展历程 (4)1.2.1 数据存储与处理技术的发展 (4)1.2.2 数据分析技术的发展 (4)1.2.3 大数据时代的来临 (5)1.3 大数据的关键技术 (5)1.3.1 数据采集与预处理 (5)1.3.2 数据存储与管理 (5)1.3.3 数据分析与挖掘 (5)1.3.4 数据可视化 (5)1.3.5 大数据安全与隐私保护 (5)第2章商业决策与大数据 (5)2.1 商业决策的演变 (5)2.1.1 经验决策阶段 (5)2.1.2 数据分析决策阶段 (5)2.1.3 大数据决策阶段 (6)2.2 大数据在商业决策中的作用 (6)2.2.1 提高决策效率 (6)2.2.2 降低决策风险 (6)2.2.3 优化资源配置 (6)2.2.4 创新商业模式 (6)2.3 大数据时代商业决策面临的挑战 (6)2.3.1 数据质量参差不齐 (6)2.3.2 数据安全与隐私保护 (6)2.3.3 数据分析人才短缺 (7)2.3.4 技术更新迅速 (7)2.3.5 数据孤岛现象严重 (7)第3章数据采集与预处理 (7)3.1 数据源的选择与接入 (7)3.1.1 确定数据需求 (7)3.1.2 数据源评估 (7)3.1.3 数据接入 (7)3.2 数据采集方法与技术 (7)3.2.1 网络爬虫 (7)3.2.2 传感器与物联网 (8)3.2.3 公开数据集与第三方数据服务 (8)3.3 数据预处理技术与策略 (8)3.3.1 数据清洗 (8)3.3.3 数据转换 (8)3.3.4 数据降维 (8)3.3.5 数据采样 (8)第4章数据存储与管理 (8)4.1 分布式存储技术 (8)4.1.1 分布式存储原理 (9)4.1.2 分布式存储在商业决策中的应用 (9)4.2 数据仓库与数据湖 (9)4.2.1 数据仓库 (9)4.2.2 数据湖 (9)4.2.3 数据仓库与数据湖在商业决策中的应用 (10)4.3 数据质量管理与维护 (10)4.3.1 数据质量管理方法 (10)4.3.2 数据维护 (10)4.3.3 数据质量管理与维护在商业决策中的应用 (10)第5章数据挖掘与分析 (10)5.1 数据挖掘的基本概念与方法 (10)5.1.1 数据挖掘的基本概念 (11)5.1.2 数据挖掘的方法 (11)5.2 关联规则挖掘与应用 (11)5.2.1 关联规则的基本概念 (11)5.2.2 关联规则挖掘方法 (11)5.2.3 关联规则在商业决策中的应用 (11)5.3 聚类分析与应用 (11)5.3.1 聚类分析的基本概念 (11)5.3.2 聚类分析方法 (11)5.3.3 聚类分析在商业决策中的应用 (11)5.4 时间序列分析与应用 (12)5.4.1 时间序列分析的基本概念 (12)5.4.2 时间序列分析方法 (12)5.4.3 时间序列分析在商业决策中的应用 (12)第6章机器学习与人工智能 (12)6.1 机器学习基本概念与算法 (12)6.1.1 机器学习概述 (12)6.1.2 常见机器学习算法 (12)6.2 深度学习技术与应用 (12)6.2.1 深度学习概述 (12)6.2.2 常见深度学习模型 (13)6.2.3 深度学习在商业决策中的应用 (13)6.3 人工智能在商业决策中的应用案例 (13)6.3.1 零售行业 (13)6.3.2 金融行业 (13)6.3.3 医疗行业 (13)6.3.5 制造业 (13)第7章数据可视化与故事化 (14)7.1 数据可视化技术与方法 (14)7.1.1 可视化工具与技术 (14)7.1.2 可视化设计原则 (14)7.2 数据故事化与传播 (14)7.2.1 数据故事化的重要性 (14)7.2.2 数据故事化的步骤 (14)7.3 数据可视化在商业决策中的应用案例 (14)7.3.1 市场趋势分析 (15)7.3.2 客户细分 (15)7.3.3 风险评估 (15)第8章大数据在市场营销中的应用 (15)8.1 客户细分与精准营销 (15)8.1.1 数据收集与处理 (15)8.1.2 客户细分方法 (15)8.1.3 精准营销策略 (15)8.2 产品推荐与个性化定制 (15)8.2.1 基于大数据的推荐算法 (15)8.2.2 个性化定制策略 (15)8.2.3 产品推荐的优化与调整 (15)8.3 营销活动监测与优化 (16)8.3.1 营销活动数据监测 (16)8.3.2 营销活动效果评估 (16)8.3.3 营销策略优化与调整 (16)8.3.4 大数据在营销活动中的应用案例 (16)第9章大数据在供应链管理中的应用 (16)9.1 供应链数据分析与优化 (16)9.1.1 数据采集与整合 (16)9.1.2 数据分析方法 (16)9.1.3 供应链绩效评估 (16)9.2 需求预测与库存管理 (17)9.2.1 需求预测方法 (17)9.2.2 多维度数据分析 (17)9.2.3 库存管理优化 (17)9.3 供应商评价与风险管理 (17)9.3.1 供应商数据收集与分析 (17)9.3.2 供应商风险评估 (17)9.3.3 供应商关系管理 (17)第10章大数据在商业决策中的未来趋势与挑战 (17)10.1 新技术发展趋势 (17)10.1.1 人工智能与大数据的结合 (17)10.1.2 物联网与大数据的融合 (18)10.1.3 边缘计算在大数据中的应用 (18)10.2 数据安全与隐私保护 (18)10.2.1 数据安全策略与法规 (18)10.2.2 数据加密与脱敏技术 (18)10.2.3 用户隐私保护意识与合规性 (18)10.3 大数据在商业决策中的实践与创新 (18)10.3.1 数据驱动的决策模式 (18)10.3.2 跨界融合与创新 (19)10.3.3 个性化定制与智能化服务 (19)10.4 我国大数据产业发展现状与展望 (19)10.4.1 产业发展现状 (19)10.4.2 产业挑战与展望 (19)第1章大数据概述1.1 数据的概念与分类1.1.1 数据的定义数据是对客观事物的记录和描述，是信息的载体。

第一章单选题1、下列选项中，最早提出“大数据”这一概念的是（）。

• A、贝恩• B、麦肯锡• C、吉拉德• D、杰弗逊参考答案:B答案解析:暂无解析2、下列选项中，哪一项是研究大数据最重要的意义（）。

• A、分析• B、统计• C、测试• D、预测参考答案:D答案解析:研究大数据，最重要的意义是预测。

3、Hadoop1.0中，Hadoop内核的主要组成是（）。

• A、HDFS和MapReduce• B、HDFS和Yarn• C、Yarn• D、MapReduce和Yarn参考答案:A答案解析:Hadoop1.0中，Hadoop内核的主要是由HDFS和MapReduce两个系统组成。

4、在HDFS中，用于保存数据的节点是（）。

• A、namenode• B、datanode• C、secondaryNode• D、yarn参考答案:B答案解析:暂无解析多选题1、下列选项中，属于Google提出的处理大数据的技术手段有（）。

• A、MapReduce• B、MySQL• C、BigTable• D、GFS参考答案:A,C,D答案解析:Google提出了三个处理大数据的技术手段，分别是MapReduce、BigTable和G FS。

2、下列选项中，属于Hadoop优势的有（）。

• A、扩容能力强• B、可靠性• C、低效率• D、高容错性参考答案:A,B,D答案解析:Hadoop具有扩展能力强、成本低、高效率、可靠性、高容错性的优势。

3、下列选项中，属于Hadoop版本系列的有（）。

• A、Hadoop4• B、Hadoop2• C、Hadoop1• D、Hadoop3参考答案:B,C,D答案解析:Hadoop主要分为Hadoop1、Hadoop2、Hadoop3三个系列的多个版本。

判断题1、大数据提供的是一些描述性的信息，而创新还是需要人类自己实现。

• 对• 错参考答案:对答案解析:暂无解析2、JobTracker只负责执行TaskTracker分配的计算任务。

《大数据导论》课程期末复习资料《大数据导论》课程讲稿章节目录：第1章大数据概述（1）大数据的概念（2）大数据的特征（3）大数据的数据类型（4）大数据的技术（5）大数据的应用第2章大数据采集与预处理（1）大数据采集（2）大数据预处理概述（3）数据清洗（4）数据集成（5）数据变换（6）数据规约第3章大数据存储（1）大数据存储概述（2）数据存储介质（3）存储系统结构（4）云存储概述（5）云存储技术（6）新型数据存储系统（7）数据仓库第4章大数据计算平台（1）云计算概述（2）云计算平台（3）MapReduce平台（4）Hadoop平台（5）Spark平台第5章大数据分析与挖掘（1）大数据分析概述（2）大数据分析的类型及架构（3）大数据挖掘（4）大数据关联分析（5）大数据分类（6）大数据聚类（7）大数据分析工具第6章大数据可视化（1）大数据可视化概述（2）大数据可视化方法（3）大数据可视化工具第7章社交大数据（1）社交大数据（2）国内社交网络大数据的应用（3）国外社交网络大数据的应用第8章交通大数据（1）交通大数据概述（2）交通监测应用（3）预测人类移动行为应用第9章医疗大数据（1）医疗大数据简介（2）临床决策分析应用（3）医疗数据系统分析第10章大数据的挑战与发展趋势（1）大数据发展面临的挑战（2）大数据的发展趋势一、客观部分：（单项选择、多项选择）（一）、单项选择1.以下不是NoSQL数据库的是（）A.MongoDBB.HBaseC.CassandraD.DB2★考核知识点:NoSQL与NewSQL主流系统参考讲稿章节：3.7附1.1.1（考核知识点解释）：目前市场上主要的NoSQL数据存储工具有：BigTable、Dynamo 、Hbase、MongoDB、CouchDB、Hypertable还存在一些其他的开源的NoSQL数据库，Neo4j、Oracle Berkeley DB、Apache Cassandra等另外，NewSQL数据库。

大数据产业数据挖掘与分析应用解决方案第1章大数据概述 (3)1.1 大数据概念与特征 (3)1.1.1 概念定义 (3)1.1.2 数据特征 (4)1.2 大数据应用领域与发展趋势 (4)1.2.1 应用领域 (4)1.2.2 发展趋势 (4)第2章数据挖掘技术基础 (5)2.1 数据挖掘的定义与任务 (5)2.2 数据挖掘的主要方法与技术 (5)2.3 数据挖掘流程与模型评估 (6)第3章数据预处理技术 (6)3.1 数据清洗与数据集成 (6)3.1.1 数据清洗 (6)3.1.2 数据集成 (7)3.2 数据变换与数据规约 (7)3.2.1 数据变换 (7)3.2.2 数据规约 (7)第4章数据挖掘算法与应用 (7)4.1 分类算法与应用 (7)4.1.1 分类算法概述 (7)4.1.2 分类算法应用 (7)4.1.2.1 金融行业 (7)4.1.2.2 医疗行业 (8)4.1.2.3 电商行业 (8)4.2 聚类算法与应用 (8)4.2.1 聚类算法概述 (8)4.2.2 聚类算法应用 (8)4.2.2.1 市场细分 (8)4.2.2.2 图像处理 (8)4.2.2.3 社交网络分析 (8)4.3 关联规则挖掘算法与应用 (8)4.3.1 关联规则挖掘算法概述 (8)4.3.2 关联规则挖掘应用 (9)4.3.2.1 电商购物篮分析 (9)4.3.2.2 电信行业 (9)4.3.2.3 医疗诊断 (9)第5章大数据挖掘平台与工具 (9)5.1 Hadoop生态系统 (9)5.1.1 Hadoop概述 (9)5.1.2 Hadoop核心组件 (9)5.1.3 Hadoop生态系统中的工具与组件 (9)5.2 Spark计算框架 (10)5.2.1 Spark概述 (10)5.2.2 Spark核心特性 (10)5.2.3 Spark生态系统中的工具与库 (10)5.3 Flink实时计算框架 (10)5.3.1 Flink概述 (10)5.3.2 Flink核心特性 (10)5.3.3 Flink生态系统中的工具与组件 (10)第6章产业大数据挖掘与分析 (11)6.1 互联网行业大数据挖掘与分析 (11)6.1.1 市场趋势分析 (11)6.1.2 用户画像构建 (11)6.1.3 网络安全分析 (11)6.2 金融行业大数据挖掘与分析 (11)6.2.1 客户信用评估 (11)6.2.2 智能投顾 (11)6.2.3 反洗钱与反欺诈 (11)6.3 医疗行业大数据挖掘与分析 (11)6.3.1 疾病预测与预防 (11)6.3.2 精准医疗 (11)6.3.3 医疗资源优化配置 (11)第7章大数据可视化技术 (12)7.1 数据可视化基础 (12)7.1.1 可视化概述 (12)7.1.2 可视化设计原则 (12)7.1.3 数据可视化类型 (12)7.2 大数据可视化工具与平台 (12)7.2.1 常用可视化工具 (12)7.2.2 可视化平台架构 (12)7.2.3 可视化技术发展趋势 (12)7.3 大数据可视化应用案例 (12)7.3.1 金融行业 (12)7.3.2 医疗行业 (13)7.3.3 电商行业 (13)7.3.4 智能交通 (13)7.3.5 能源行业 (13)第8章大数据安全与隐私保护 (13)8.1 数据安全与隐私保护概述 (13)8.1.1 数据安全与隐私保护的重要性 (13)8.1.2 大数据环境下的安全挑战 (13)8.1.3 法律法规与伦理标准 (13)8.2 数据加密与安全存储技术 (13)8.2.1 数据加密算法 (13)8.2.2 安全存储技术 (13)8.2.3 大数据环境下的加密与存储技术应用 (13)8.3 数据脱敏与隐私保护技术 (13)8.3.1 数据脱敏技术 (14)8.3.2 隐私保护策略与模型 (14)8.3.3 大数据环境下的脱敏与隐私保护技术应用 (14)第9章大数据挖掘在营销领域的应用 (14)9.1 客户细分与客户价值分析 (14)9.1.1 客户细分方法 (14)9.1.2 客户价值分析 (14)9.1.3 客户细分与价值分析在营销策略中的应用 (14)9.2 营销策略优化与推荐系统 (14)9.2.1 数据驱动的营销策略优化 (14)9.2.2 推荐系统在营销中的应用 (14)9.2.3 营销推荐系统实践案例 (15)9.3 营销活动效果评估与监控 (15)9.3.1 营销活动效果评估指标 (15)9.3.2 营销活动效果评估方法 (15)9.3.3 营销活动实时监控与调整 (15)第10章大数据挖掘在教育领域的应用 (15)10.1 教育数据挖掘与学习分析 (15)10.1.1 教育数据挖掘基本概念与方法 (15)10.1.2 学习分析基本概念与方法 (15)10.1.3 教育数据挖掘与学习分析在教育领域的应用案例 (16)10.2 个性化学习推荐系统 (16)10.2.1 个性化学习推荐系统架构 (16)10.2.2 常用推荐算法及其在教育领域的应用 (16)10.2.3 个性化学习推荐系统在实际应用中的挑战与展望 (16)10.3 教育教学质量评估与优化 (16)10.3.1 教育教学质量评估指标体系构建 (16)10.3.2 教育教学质量评估方法 (16)10.3.3 教育教学质量优化策略 (16)10.4 大数据在教育决策支持中的应用展望 (16)10.4.1 教育决策支持系统概述 (17)10.4.2 大数据在教育决策支持中的应用场景 (17)10.4.3 大数据教育决策支持的未来发展趋势 (17)第1章大数据概述1.1 大数据概念与特征1.1.1 概念定义大数据，顾名思义，是指规模巨大、多样性、高速增长的数据集合。

第1篇一、引言随着信息技术的飞速发展，大数据时代已经到来。

大数据作为一种新兴的资源，具有数据规模大、类型多、价值高、处理速度快等特点。

大数据理论的研究和应用，对于推动我国经济社会发展具有重要意义。

本报告旨在对大数据理论进行总结，分析其发展现状、应用领域以及面临的挑战。

二、大数据理论概述1. 大数据定义大数据是指规模巨大、类型多样、价值高、处理速度快的数据集合。

它具有以下四个基本特征：大量性、多样性、价值密度低和高速性。

2. 大数据来源大数据来源广泛，主要包括以下几类：（1）政府机构：如国家统计局、工信部等。

（2）企业：如阿里巴巴、腾讯等。

（3）科研机构：如中国科学院、清华大学等。

（4）社会公众：如社交媒体、在线论坛等。

3. 大数据技术大数据技术主要包括数据采集、存储、处理、分析和可视化等方面。

以下列举几种关键技术：（1）数据采集：Hadoop、Spark等。

（2）数据存储：HBase、Cassandra等。

（3）数据处理：MapReduce、Spark等。

（4）数据分析：机器学习、数据挖掘等。

（5）数据可视化：ECharts、Tableau等。

三、大数据理论发展现状1. 应用领域不断拓展大数据技术在各个领域得到广泛应用，如金融、医疗、教育、交通、环保等。

例如，在金融领域，大数据技术可以用于风险评估、欺诈检测等；在医疗领域，大数据技术可以用于疾病预测、治疗方案优化等。

2. 技术不断创新大数据技术不断创新发展，如分布式计算、深度学习、云计算等。

这些技术的发展为大数据应用提供了强大的技术支撑。

3. 政策支持力度加大我国政府高度重视大数据产业发展，出台了一系列政策支持大数据技术研发和应用。

例如，《“十三五”国家信息化规划》明确提出要大力发展大数据产业。

四、大数据理论应用领域1. 金融领域大数据技术在金融领域的应用主要体现在以下几个方面：（1）风险评估：通过对客户的历史交易数据、社交网络信息等进行分析，评估客户信用风险。

大数据技术在企业管理中的应用解决方案第1章大数据技术在企业管理中的概述 (3)1.1 大数据技术的概念与特点 (3)1.2 大数据技术在企业中的应用现状 (3)1.3 企业管理面临的挑战与大数据技术的关联 (4)第2章数据采集与存储 (4)2.1 数据采集技术概述 (4)2.2 数据存储技术概述 (5)2.3 企业数据管理策略 (5)第3章数据处理与分析 (6)3.1 数据预处理方法 (6)3.1.1 数据清洗 (6)3.1.2 数据整合 (6)3.1.3 数据转换 (6)3.1.4 特征工程 (6)3.2 数据挖掘技术 (6)3.2.1 分类与回归 (6)3.2.2 聚类分析 (6)3.2.3 关联规则挖掘 (7)3.2.4 序列模式挖掘 (7)3.3 企业决策支持系统 (7)3.3.1 数据可视化 (7)3.3.2 智能推荐 (7)3.3.3 预测分析 (7)第四章大数据可视化 (7)4.1 可视化技术概述 (7)4.2 企业数据可视化工具 (8)4.3 可视化在企业决策中的应用 (8)第五章大数据安全与隐私保护 (9)5.1 数据安全概述 (9)5.1.1 数据安全的重要性 (9)5.1.2 数据安全面临的挑战 (9)5.2 数据隐私保护技术 (9)5.2.1 数据脱敏 (9)5.2.2 数据加密 (9)5.2.3 数据访问控制 (10)5.3 企业大数据安全策略 (10)5.3.1 安全管理策略 (10)5.3.2 技术防护策略 (10)5.3.3 法律法规遵循 (10)第6章人工智能与大数据技术的融合 (10)6.1 人工智能概述 (10)6.2 人工智能在大数据中的应用 (11)6.2.1 数据挖掘与分析 (11)6.2.2 预测与优化 (11)6.2.3 智能推荐与决策 (11)6.3 企业智能化管理实践 (11)6.3.1 智能化管理平台 (11)6.3.2 智能化生产调度 (11)6.3.3 智能化客户服务 (11)6.3.4 智能化人力资源管理 (12)6.3.5 智能化财务管理 (12)第7章大数据技术在市场营销中的应用 (12)7.1 市场营销与大数据 (12)7.2 客户画像与精准营销 (12)7.3 市场预测与竞争分析 (13)第8章大数据技术在供应链管理中的应用 (13)8.1 供应链管理与大数据 (13)8.1.1 供应链管理概述 (13)8.1.2 大数据在供应链管理中的价值 (13)8.2 供应链优化与风险管理 (13)8.2.1 供应链优化 (13)8.2.2 风险管理 (14)8.3 企业供应链智能化实践 (14)8.3.1 供应链智能化概述 (14)8.3.2 智能化实践案例 (14)8.3.3 智能化发展趋势 (14)第9章大数据技术在人力资源管理中的应用 (15)9.1 人力资源管理与大数据 (15)9.1.1 人力资源管理的挑战与机遇 (15)9.1.2 大数据技术在人力资源管理中的应用场景 (15)9.2 人才选拔与培养 (15)9.2.1 人才选拔 (15)9.2.2 人才培养 (15)9.3 员工绩效与激励 (16)9.3.1 员工绩效评估 (16)9.3.2 员工激励 (16)第10章大数据技术在财务管理中的应用 (16)10.1 财务管理与大数据 (16)10.1.1 财务管理的概述 (16)10.1.2 大数据技术的引入 (16)10.2 财务数据分析与预测 (17)10.2.1 数据采集与清洗 (17)10.2.2 数据挖掘与分析 (17)10.2.3 财务预测与决策支持 (17)10.3 企业财务风险管理 (17)10.3.1 财务风险识别 (17)10.3.2 财务风险评估 (17)10.3.3 财务风险控制与预警 (17)第1章大数据技术在企业管理中的概述1.1 大数据技术的概念与特点大数据技术是指在海量数据中发觉价值、提取信息和实现智能决策的一系列方法、技术和工具。

《大数据技术与应用》教学大纲一、课程基本信息1.课程代码：211226002.课程中文名称：大数据技术与应用课程英文名称：Technologies and Applications of Big Data3.面向对象：信息工程学院软件工程系三年级学生4.开课学院(课部)、系(中心、室)：信息工程学院软件工程系5.总学时数：40讲课学时数：24,实验学时数：166.学分数：2.57.授课语种：中文，考试语种：中文8.教材：待定二、课程内容简介课程将系统讲授大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、分布式并行编程模型MapReduce,流计算、图计算、数据可视化以及大数据在互联网、生物医学和物流等各个领域的应用。

三' 课程的地位、作用和教学目标专业选修课，大数据技术入门课程，为学生搭建起通向“大数据知识空间”的桥梁和纽带，以“构建知识体系、说明基本原理、引导初级实践、了解相关应用”为原那么，为学生在大数据领域“深耕细作”奠定基础、指明方向。

在Hadoop、HDFS> HBase和MapReduce等重要章节，安排了入门级的实践操作，让学生更好地学习和掌握大数据关键技术。

四'与本课程相联系的其他课程先修课程：数据库系统概论、计算机高级语言程序设计五' 教学基本要求(1)能够建立对大数据知识体系的轮廓性认识，了解大数据开展历程、基本概念、主要影响、应用领域、关键技术、计算模式和产业开展，并了解云计算、物联网的概念及其与大数据之间的紧密关系；(2)能够了解Hadoop的开展历史、重要特性和应用现状，Hadoop工程结构及其各个组件, 并熟练掌握Hadoop平台的安装和使用方法；(3)能够了解分布式文件系统的基本概念、结构和设计需求，掌握Hadoop分布式文件系统HDFS的重要概念、体系结构、存储原理和读写过程，并熟练掌握分布式文件系统HDFS 的使用方法；(4)能够了解分布式数据库HBase的访问接口、数据模型、实现原理和运行机制，并熟练掌握HBase的使用方法；（5）能够了解NoSQL数据库与传统的关系数据库的差异、NoSQL数据库的四大类型以及NoSQL数据库的三大基石；基本掌握Redis、MongoDB等NoSQL数据库的使用方法；（6）能够了解云数据库的概念、基本原理和代表性产品的使用方法；（7）能够熟练掌握分布式编程框架MapReduce的基本原理和编程方法；（8）能够了解流计算与批处理的区别，以及流计算的基本原理；（9）能够了解图计算的基本原理；（10）能够了解数据可视化的概念和相关工具；（11）能够了解大数据在互联网等领域的典型应用。

马建光等：大数据的概念、特征及其应用(2013-09-05 16:15:35)转载分类：学习资料标签：杂谈大数据的概念、特征及其应用马建光，姜巍(国防科技大学人文与社会科学学院，湖南长沙410074)源自：国防科技2013年4月［摘要］随着互联网的飞速发展，特别是近年来随着社交网络、物联网、云计算以及多种传感器的广泛应用，以数量庞大，种类众多，时效性强为特征的非结构化数据不断涌现，数据的重要性愈发凸显，传统的数据存储、分析技术难以实时处理大量的非结构化信息，大数据的概念应运而生。

如何获取、聚集、分析大数据成为广泛关注的热点问题。

介绍大数据的概念与特点，分别讨论大数据的典型的特征，分析大数据要解决的相关性分析、实时处理等核心问题，最后讨论大数据可能要面临的多种挑战。

［关键词］大数据;非结构化信息;解决核心问题;未来挑战一、引言自上古时代的结绳记事起，人类就开始用数据来表征自然和社会，伴随着科技和社会的发展进步，数据的数量不断增多，质量不断提高。

工业革命以来，人类更加注重数据的作用，不同的行业先后确定了数据标准，并积累了大量的结构化数据，计算机和网络的兴起，大量数据分析、查询、处理技术的出现使得高效的处理大量的传统结构化数据成为可能。

而近年来，随着互联网的快速发展，音频、文字、图片视频等半结构化、非结构化数据大量涌现，社交网络、物联网、云计算广泛应用，使得个人可以更加准确快捷的发布、获取数据。

在科学研究、互联网应用、电子商务等诸多应用领域，数据规模、数据种类正在以极快的速度增长，大数据时代已悄然降临。

首先，全球数据量出现爆炸式增长，数据成了当今社会增长最快的资源之一。

根据国际数据公司IDC的监测统计［1］，即使在遭遇金融危机的2009年，全球信息量也比2008年增长了62%，达到80万PB ( 1PB等于10亿GB)，到2011年全球数据总量已经达到1. 8ZB ( 1ZB等于1万亿GB，)，并且以每两年翻一番的速度飞速增长，预计到2020年全球数据量总量将达到40 ZB，10年间增长20倍以上，到2020年，地球上人均数据预计将达5247GB。

大数据技术原理与应用第1章大数据概述1单选(2分)第三次信息化浪潮的标志是：A.个人电脑的普及B.云计算、大数据、物联网技术的普及C.虚拟现实技术的普及D.互联网的普及正确答案：B你选对了2单选(2分)就数据的量级而言，1PB数据是多少TB？A.2048B.1000C.512D.1024正确答案：D你选对了3单选(2分)以下关于云计算、大数据和物联网之间的关系，论述错误的是：A.云计算侧重于数据分析B.物联网可借助于云计算实现海量数据的存储C.物联网可借助于大数据实现海量数据的分析D.云计算、大数据和物联网三者紧密相关，相辅相成正确答案：A你选对了4单选(2分)以下哪个不是大数据时代新兴的技术：A.SparkB.HadoopC.HBaseD.MySQL正确答案：D你选对了5单选(2分)每种大数据产品都有特定的应用场景，以下哪个产品是用于批处理的：A.MapReduceB.DremelC.StormD.Pregel正确答案：A你选对了6单选(2分)每种大数据产品都有特定的应用场景，以下哪个产品是用于流计算的：A.GraphXB.S4C.ImpalaD.Hive正确答案：B你选对了7单选(2分)每种大数据产品都有特定的应用场景，以下哪个产品是用于图计算的：A.PregelB.StormC.CassandraD.Flume正确答案：A你选对了8单选(2分)每种大数据产品都有特定的应用场景，以下哪个产品是用于查询分析计算的：A.HDFSB.S4C.DremelD.MapReduce正确答案：C你选对了9多选(3分)数据产生方式大致经历三个阶段，包括：A.运营式系统阶段B.感知式系统阶段C.移动互联网数据阶段D.用户原创内容阶段正确答案：ABD你选对了10多选(3分)大数据发展三个阶段是：A.低谷期B.成熟期C.大规模应用期D.萌芽期正确答案：BCD你选对了11多选(3分)大数据的特性包括：A.价值密度低B.处理速度快C.数据类型繁多D.数据量大正确答案：ABCD你选对了12多选(3分)图领奖获得者、著名数据库专家Jim Gray博士认为，人类自古以来在科学研究上先后经历哪几种范式：A.计算科学B.数据密集型科学C.实验科学D.理论科学正确答案：ABCD你选对了13多选(3分)大数据带来思维方式的三个转变是：A.效率而非精确B.相关而非因果C.精确而非全面D.全样而非抽样正确答案：ABD你选对了14多选(3分)大数据主要有哪几种计算模式：A.流计算B.图计算C.查询分析计算D.批处理计算正确答案：ABCD你选对了15多选(3分)云计算的典型服务模式包括三种：A.SaaSB.IaaSC.MaaSD.PaaS正确答案：ABD你选对了第2章大数据处理架构Hadoop1单选(2分)启动hadoop所有进程的命令是:A.start-dfs.shB.start-all.shC.start-hadoop.shD.start-hdfs.sh正确答案：B你选对了2单选(2分)以下对Hadoop的说法错误的是：A.Hadoop是基于Java语言开发的，只支持Java语言编程B.Hadoop2.0增加了NameNode HA和Wire-compatibility两个重大特性C.Hadoop MapReduce是针对谷歌MapReduce的开源实现，通常用于大规模数据集的并行计算D.Hadoop的核心是HDFS和MapReduce正确答案：A你选对了3单选(2分)以下哪个不是Hadoop的特性:A.成本高B.支持多种编程语言C.高容错性D.高可靠性正确答案：A你选对了4单选(2分)以下名词解释不正确的是:A.Zookeeper：针对谷歌Chubby的一个开源实现，是高效可靠的协同工作系统B.HBase：提供高可靠性、高性能、分布式的行式数据库，是谷歌BigTable的开源实现C.Hive：一个基于Hadoop的数据仓库工具，用于对Hadoop文件中的数据集进行数据整理、特殊查询和分析存储D.HDFS：分布式文件系统，是Hadoop项目的两大核心之一，是谷歌GFS的开源实现正确答案：B你选对了5多选(3分)以下哪些组件是Hadoop的生态系统的组件：A.HBaseB.OracleC.HDFSD.MapReduce正确答案：ACD你选对了6多选(3分)以下哪个命令可用来操作HDFS文件:A.hadoop fsB.hadoop dfsC.hdfs fsD.hdfs dfs正确答案：ABD你选对了第3章分布式文件系统HDFS1单选(2分)HDFS的命名空间不包含:A.字节B.文件C.块D.目录正确答案：A你选对了2单选(2分)对HDFS通信协议的理解错误的是:A.客户端与数据节点的交互是通过RPC（Remote Procedure Call）来实现的B.客户端通过一个可配置的端口向名称节点主动发起TCP连接，并使用客户端协议与名称节点进行交互C.名称节点和数据节点之间则使用数据节点协议进行交互D.HDFS通信协议都是构建在IoT协议基础之上的正确答案：D你选对了3单选(2分)采用多副本冗余存储的优势不包含:A.保证数据可靠性B.容易检查数据错误C.加快数据传输速度D.节约存储空间正确答案：D你选对了4单选(2分)假设已经配置好环境变量，启动Hadoop和关闭Hadoop的命令分别是:A.start-dfs.sh，stop-hdfs.shB.start-hdfs.sh，stop-hdfs.shC.start-dfs.sh，stop-dfs.shD.start-hdfs.sh，stop-dfs.sh正确答案：C你选对了5单选(2分)分布式文件系统HDFS采用主从结构模型，由计算机集群中的多个节点构成的，这些节点分为两类，一类存储元数据叫，另一类存储具体数据叫 :A.名称节点，主节点B.从节点，主节点C.名称节点，数据节点D.数据节点，名称节点正确答案：C你选对了6单选(2分)下面关于分布式文件系统HDFS的描述正确的是：A.分布式文件系统HDFS是Google Bigtable的一种开源实现B.分布式文件系统HDFS是谷歌分布式文件系统GFS（Google File System）的一种开源实现C.分布式文件系统HDFS比较适合存储大量零碎的小文件D.分布式文件系统HDFS是一种关系型数据库正确答案：B你选对了7多选(3分)以下对名称节点理解正确的是:A.名称节点作为中心服务器，负责管理文件系统的命名空间及客户端对文件的访问B.名称节点用来负责具体用户数据的存储C.名称节点通常用来保存元数据D.名称节点的数据保存在内存中正确答案：ACD你选对了8多选(3分)以下对数据节点理解正确的是:A.数据节点通常只有一个B.数据节点用来存储具体的文件内容C.数据节点的数据保存在磁盘中D.数据节点在名称节点的统一调度下进行数据块的创建、删除和复制等操作正确答案：BCD你选对了9多选(3分)HDFS只设置唯一一个名称节点带来的局限性包括:A.集群的可用性B.性能的瓶颈C.命名空间的限制D.隔离问题正确答案：ABCD你选对了10多选(3分)以下HDFS相关的shell命令不正确的是:A.hadoop dfs mkdir <path>：创建<path>指定的文件夹B.hdfs dfs -rm <path>：删除路径<path>指定的文件C.hadoop fs -copyFromLocal <path1> <path2>：将路径<path2>指定的文件或文件夹复制到路径<path1>指定的文件夹中D.hadoop fs -ls <path>：显示<path>指定的文件的详细信息正确答案：AC你选对了第4章分布式数据库HBase1单选(2分)HBase是一种数据库A.行式数据库B.关系数据库C.文档数据库D.列式数据库正确答案：D你选对了2单选(2分)下列对HBase数据模型的描述错误的是:A.每个HBase表都由若干行组成，每个行由行键（row key）来标识B.HBase是一个稀疏、多维度、排序的映射表，这张表的索引是行键、列族、列限定符和时间戳C.HBase中执行更新操作时，会删除数据旧的版本，并生成一个新的版本D.HBase列族支持动态扩展，可很轻松地添加一个列族或列正确答案：C你选对了3单选(2分)下列说法正确的是:A.如果不启动Hadoop，则HBase完全无法使用B.HBase的实现包括的主要功能组件是库函数，一个Master主服务器和一个Region服务器C.如果通过HBase Shell插入表数据，可以插入一行数据或一个单元格数据D.Zookeeper是一个集群管理工具，常用于分布式计算，提供配置维护、域名服务、分布式同步等正确答案：D你选对了4单选(2分)在HBase数据库中，每个Region的建议最佳大小是：A.2GB-4GBB.100MB-200MBC.500MB-1000MBD.1GB-2GB正确答案：D你选对了5单选(2分)HBase三层结构的顺序是:A.Zookeeper文件，.MEATA.表，-ROOT-表B.-ROOT-表，Zookeeper文件，.MEATA.表C.Zookeeper文件，-ROOT-表，.MEATA.表D..MEATA.表，Zookeeper文件，-ROOT-表正确答案：C你选对了6单选(2分)客户端是通过级寻址来定位Region:A.三B.二C.一D.四正确答案：A你选对了7单选(2分)关于HBase Shell命令解释错误的是:A.create：创建表B.put：向表、行、列指定的单元格添加数据C.list：显示表的所有数据D.get：通过表名、行、列、时间戳、时间范围和版本号来获得相应单元格的值正确答案：C你选对了8多选(3分)下列对HBase的理解正确的是：A.HBase是针对谷歌BigTable的开源实现B.HBase是一种关系型数据库，现成功应用于互联网服务领域C.HBase是一个行式分布式数据库，是Hadoop生态系统中的一个组件D.HBase多用于存储非结构化和半结构化的松散数据正确答案：AD你选对了9多选(3分)HBase和传统关系型数据库的区别在于哪些方面:A.数据操作B.数据索引C.数据模型D.存储模式正确答案：ABCD你选对了10多选(3分)访问HBase表中的行，有哪些方式:A.通过某列的值区间B.全表扫描C.通过一个行健的区间来访问D.通过单个行健访问正确答案：BCD你选对了第5章 NoSQL数据库1单选(2分)下列关于NoSQL数据库和关系型数据库的比较，不正确的是：A.NoSQL数据库很容易实现数据完整性，关系型数据库很难实现数据完整性B.NoSQL数据库缺乏统一的查询语言，而关系型数据库有标准化查询语言C.NoSQL数据库的可扩展性比传统的关系型数据库更好D.NoSQL数据库具有弱一致性，关系型数据库具有强一致性正确答案：A你选对了2单选(2分)以下对各类数据库的理解错误的是:A.键值数据库的键是一个字符串对象，值可以是任意类型的数据，比如整型和字符型等B.文档数据库的数据是松散的，XML和JSON 文档等都可作为数据存储在文档数据库中C.图数据库灵活性高，支持复杂的图算法，可用于构建复杂的关系图谱D.HBase数据库是列族数据库，可扩展性强，支持事务一致性正确答案：D你选对了3单选(2分)下列数据库属于文档数据库的是:A.MySQLB.RedisC.MongoDBD.HBase正确答案：C你选对了4单选(2分)NoSQL数据库的三大理论基石不包括:A.最终一致性B.BASEC.ACIDD.CAP正确答案：C你选对了5多选(3分)关于NoSQL数据库和关系数据库，下列说法正确的是：A.NoSQL数据库可支持超大规模数据存储，具有强大的横向扩展能力B.NoSQL数据库和关系数据库各有优缺点，但随着NoSQL的发展，终将取代关系数据库C.大多数NoSQL数据库很难实现数据完整性D.关系数据库有关系代数理论作为基础，NoSQL数据库没有统一的理论基础正确答案：ACD你选对了6多选(3分)NoSQL数据库的类型包括：A.键值数据库B.列族数据库C.文档数据库D.图数据库正确答案：ABCD你选对了7多选(3分)CAP是指:A.一致性B.可用性C.持久性D.分区容忍性正确答案：ABD你选对了8多选(3分)NoSQL数据库的BASE特性是指:A.软状态B.持续性C.最终一致性D.基本可用正确答案：ACD你选对了第6章云数据库1单选(2分)下列Amazon的云数据库属于关系数据库的是：A.Amazon SimpleDBB.Amazon DynamoDBC.Amazon RDSD.Amazon Redshift正确答案：C你选对了2单选(2分)下列关于UMP系统的说法不正确的是:A.Controller服务器向UMP集群提供各种管理服务，实现集群成员管理、元数据存储等功能B.Agent服务器部署在运行MySQL进程的机器上，用来管理每台物理机上的MySQL实例C.UMP系统是低成本和高性能的MySQL云数据库方案D.Mnesia是UMP系统的一个组件，是一个分布式数据库管理系统，且不支持事务正确答案：D你选对了3多选(3分)UMP依赖的开源组件包括A.LVSB.ZooKeeperC.MnesiaD.RabbitMQ正确答案：ABCD你选对了4多选(3分)在UMP系统中，Zookeeper主要发挥的作用包括:A.监控所有MySQL实例B.负责集群负载均衡C.提供分布式锁，选出一个集群的“总管”D.作为全局的配置服务器正确答案：ACD你选对了5多选(3分)UMP系统设计了哪些机制来保证数据安全:A.记录用户操作日志B.数据访问IP白名单C.SSL数据库连接D.SQL拦截正确答案：ABCD你选对了第7章 MapReduce1单选(2分)下列说法错误的是:A.Map函数将输入的元素转换成<key,value>形式的键值对B.Hadoop框架是用Java实现的，MapReduce应用程序则一定要用Java来写C.MapReduce框架采用了Master/Slave架构，包括一个Master和若干个SlaveD.不同的Map任务之间不能互相通信正确答案：B你选对了2单选(2分)在使用MapReduce程序WordCount进行词频统计时，对于文本行“hello hadoop hello world”，经过WordCount程序的Map函数处理后直接输出的中间结果，应是下面哪种形式：A.<"hello",1,1>、<"hadoop",1>和<"world",1>B.<"hello",2>、<"hadoop",1>和<"world",1>C.<"hello",<1,1>>、<"hadoop",1>和<"world",1>D.<"hello",1>、<"hello",1>、<"hadoop",1>和<"world",1>正确答案：D你选对了3单选(2分)对于文本行“hello hadoop hello world”，经过WordCount的Reduce函数处理后的结果是:A.<"hello",<1,1>><"hadoop",1><"world",1>B.<"hello",1><"hello",1><"hadoop",1><"world",1>C.<"hello",1,1><"hadoop",1><"world",1>D.<"hello",2><"hadoop",1><"world",1>正确答案：B你选对了4多选(3分)下列关于传统并行计算框架（比如MPI）和MapReduce并行计算框架比较正确的是：A.前者所需硬件价格贵，可扩展性差，后者硬件便宜，扩展性好B.前者相比后者学习起来更难C.前者是共享式(共享内存/共享存储)，容错性差，后者是非共享式的，容错性好D.前者适用于实时、细粒度计算、计算密集型，后者适用于批处理、非实时、数据密集型正确答案：ABCD你选对了5多选(3分)MapReduce1.0的体系结构主要由哪几个部分组成:A.JobTrackerB.TaskTrackerC.ClientD.Task正确答案：ABCD你选对了第8章 Hadoop再探讨1单选(2分)下列说法正确的是:A.HDFS HA可用性不好B.第二名称节点是热备份C.HDFS HA提供高可用性，可实现可扩展性、系统性能和隔离性D.第二名称节点无法解决单点故障问题正确答案：D你选对了2单选(2分)HDFS Federation设计不能解决“单名称节点”存在的哪个问题:A.单点故障问题B.HDFS集群扩展性C.性能更高效D.良好的隔离性正确答案：A你选对了3多选(3分)下列哪些是Hadoop1.0存在的问题：A.抽象层次低B.表达能力有限C.开发者自己管理作业之间的依赖关系D.执行迭代操作效率低正确答案：ABCD你选对了4多选(3分)下列对Hadoop各组件的理解正确的是:A.Oozie:工作流和协作服务引擎B.Pig：处理大规模数据的脚本语言C.Kafka：分布式发布订阅消息系统D.Tez：支持DAG作业的计算框架正确答案：ABCD你选对了5多选(3分)对新一代资源管理调度框架YARN的理解正确的是:A.YARN既是资源管理调度框架，也是一个计算框架B.MapReduce2.0是运行在YARN之上的计算框架，由YARN来为MapReduce提供资源管理调度服务C.YARN可以实现“一个集群多个框架”，即在一个集群上部署一个统一的资源调度管理框架D.YARN的体系结构包含三个组件：ResourceManager，NodeManager，ApplicationMaster正确答案：BCD你选对了第9章数据仓库Hive1单选(2分)下列有关Hive和Impala的对比错误的是:A.Hive与Impala中对SQL的解释处理比较相似，都是通过词法分析生成执行计划B.Hive与Impala使用相同的元数据C.Hive适合于长时间的批处理查询分析，而Impala适合于实时交互式SQL查询D.Hive在内存不足以存储所有数据时，会使用外存，而Impala也是如此正确答案：D你选对了2单选(2分)下列关于Hive基本操作命令的解释错误的是:A.create table if not exists usr(id bigint,name string,age int);//如usr表不存在，创建表usr，含三个属性id,name,ageB.load data local inpath ‘/usr/local/data’ overwrite into table usr; //把目录’/usr/local/data’下的数据文件中的数据以追加的方式装载进usr表C.create database userdb;//创建数据库userdbD.insert overwrite table student select * from user where age>10; //向表usr1中插入来自usr表的age大于10的数据并覆盖student表中原有数据正确答案：B你选对了3多选(3分)下列说法正确的是：A.Impala和Hive、HDFS、HBase等工具可统一部署在一个Hadoop平台上B.数据仓库Hive不需要借助于HDFS就可完成数据的存储C.Hive本身不存储和处理数据，依赖HDFS存储数据，依赖MapReduce处理数据D.HiveQL语法与传统的SQL语法很相似正确答案：ACD你选对了4多选(3分)Impala主要由哪几个部分组成:A.HiveB.ImpaladC.State StoreD.CLI正确答案：BCD你选对了5多选(3分)以下属于Hive的基本数据类型是:A.BINARYB.STRINGC.FLOATD.TINYINT正确答案：ABCD你选对了第10章 Spark1单选(2分)Spark SQL目前暂时不支持下列哪种语言:A.PythonB.JavaC.ScalaD.Lisp正确答案：D你选对了2单选(2分)RDD操作分为转换（Transformation）和动作（Action）两种类型，下列属于动作（Action）类型的操作的是:A.groupByB.filterC.countD.map正确答案：C你选对了3单选(2分)下列说法错误的是：A.在选择Spark Streaming和Storm时，对实时性要求高（比如要求毫秒级响应）的企业更倾向于选择流计算框架StormB.RDD采用惰性调用，遇到“转换(Transformation)”类型的操作时，只会记录RDD生成的轨迹，只有遇到“动作(Action)”类型的操作时才会触发真正的计算C.Spark支持三种类型的部署方式：Standalone，Spark on Mesos，Spark on YARND.RDD提供的转换接口既适用filter等粗粒度的转换，也适合某一数据项的细粒度转换正确答案：D你选对了4单选(2分)下列关于常见的动作（Action）和转换（Transformation）操作的API解释错误的是:A.filter(func)：筛选出满足函数func的元素，并返回一个新的数据集B.map(func)：将每个元素传递到函数func中，并将结果返回为一个新的数据集C.count()：返回数据集中的元素个数D.take(n)：返回数据集中的第n个元素正确答案：D你选对了5单选(2分)下列大数据处理类型与其对应的软件框架不匹配的是:A.复杂的批量数据处理：MapReduceB.基于历史数据的交互式查询：ImpalaC.基于实时数据流的数据处理：StormD.图结构数据的计算：Hive正确答案：D你选对了6多选(3分)Apache软件基金会最重要的三大分布式计算系统开源项目包括：A.OracleC.StormD.Spark正确答案：ABC你选对了7多选(3分)Spark的主要特点包括:A.运行模式多样B.运行速度快C.通用性好D.容易使用正确答案：ABCD你选对了8多选(3分)下列关于Scala的说法正确的是:A.Scala运行于Java平台，兼容现有的Java程序B.Scala具备强大的并发性，支持函数式编程C.Scala是一种多范式编程语言D.Scala是Spark的主要编程语言，但Spark还支持Java、Python、R作为编程语言正确答案：ABCD你选对了9多选(3分)Spark的运行架构包括:A.运行作业任务的工作节点 Worker NodeB.每个工作节点上负责具体任务的执行进程 ExecutorC.每个应用的任务控制节点 DriverD.集群资源管理器 Cluster Manager正确答案：ABCD你选对了第11章流计算1单选(2分)流计算秉承一个基本理念，即数据的价值随着时间的流逝而，如用户点击流：A.降低B.不确定C.不变正确答案：A你选对了2单选(2分)Hadoop运行的是MapReduce任务，类似地，Storm运行的任务叫做A.SpoutB.BoltC.TupleD.Topology正确答案：D你选对了3多选(3分)对于一个流计算系统来说，它应达到如下哪些需求:A.海量式B.高性能C.分布式D.实时性正确答案：A、B、C、D你选对了4多选(3分)数据采集系统的基本架构包括哪些部分:A.ControllerB.StoreC.AgentD.Collector正确答案：B、C、D你选对了5多选(3分)以下哪些是开源的流计算框架:A.Facebook PumaB.Yahoo! S4C.IBM InfoSphere StreamsD.Twitter Storm正确答案：B、D你选对了6多选(3分)下面哪几个属于Storm中的Stream Groupings的分组方式:A.按照字段分组B.广播发送C.随机分组D.全局分组正确答案：A、B、C、D你选对了第12章 Flink1单选(2分)以下哪个不是Flink的优势：A.同时支持高吞吐、低延迟、高性能B.不支持增量迭代C.同时支持流处理和批处理D.支持有状态计算正确答案：B你选对了2单选(2分)在Flink中哪个是基于批处理的图计算库：A.SQL&Table库B.FlinkMLC.GellyD.CEP正确答案：C你选对了3多选(3分)下面关于Flink的说法正确的是：A.Flink起源于Stratosphere 项目，该项目是在2010年到2014年间由柏林工业大学、柏林洪堡大学和哈索普拉特纳研究所联合开展的B.Flink可以同时支持实时计算和批量计算C.Flink不是Apache软件基金会的项目D.Flink是Apache软件基金会的5个最大的大数据项目之一正确答案：A、B、D你选对了4多选(3分)Flink的主要特性包括：A.精确一次的状态一致性保障B.批流一体化C.精密的状态管理D.事件时间支持正确答案：A、B、C、D你选对了5多选(3分)下面论述正确的是：A.Spark Streaming通过采用微批处理方法实现高吞吐和容错性，但是牺牲了低延迟和实时处理能力B.Storm虽然可以做到低延迟，但是无法实现高吞吐，也不能在故障发生时准确地处理计算状态C.流处理架构需要具备低延迟、高吞吐和高性能的特性，而目前从市场上已有的产品来看，只有Flink 可满足要求D.Flink实现了Google Dataflow流计算模型，是一种兼具高吞吐、低延迟和高性能的实时流计算框架，并且同时支持批处理和流处理正确答案：A、B、C、D你选对了6多选(3分)Flink常见的应用场景包括：A.数据流水线应用B.事件驱动型应用C.地图应用D.数据分析应用正确答案：A、B、D你选对了7多选(3分)Flink核心组件栈分为哪三层：A.物理部署层B.Runtime核心层C.Core层D.API&Libraries层正确答案：A、B、D你选对了8多选(3分)Flink有哪几种部署模式：A.运行在GCE（谷歌云服务）和EC2（亚马逊云服务）上B.YARN集群模式C.Standalone集群模式D.Local模式正确答案：A、B、C、D你选对了9多选(3分)Flink系统主要由两个组件组成，分别为:A.JobManagerB.JobSchedulerC.TaskSchedulerD.TaskManager正确答案：A、D你选对了10多选(3分)在编程模型方面，Flink 提供了不同级别的抽象，以开发流或批处理作业，主要包括哪几个级别的抽象：A.DataStream API（有界或无界流数据）以及 DataSet API（有界数据集）B.Table APIC.状态化的数据流接口D. SQL正确答案：A、B、C、D你选对了第13章图计算1单选(2分)Pregel是一种基于模型实现的并行图处理系统:A.TSPB.STPC.BSPD.SBP正确答案：C你选对了2单选(2分)谷歌在后Hadoop时代的新“三驾马车”不包括:A.CaffeineB.DremelC. PregelD.Hama正确答案：D你选对了3多选(3分)下列哪些是以图顶点为中心的，基于消息传递批处理的并行图计算框架：A.HamaB.GiraphC.PregelD.Neo4j正确答案：A、B、C你选对了4多选(3分)以下关于Pregel图计算框架说法正确的是:A.通常只对满足交换律和结合律的操作才会开启Combiner功能B.Pregel采用检查点机制来实现容错C.对于全局拓扑改变，Pregel采用了惰性协调机制D.Aggregator提供了一种全局通信、监控和数据查看的机制正确答案：A、B、C、D你选对了第14章大数据在不同领域的应用1单选(2分)下列说法错误的是：A.ItemCF算法推荐的是那些和目标用户之前喜欢的物品类似的其他物品B.基于用户的协同过滤算法（简称UserCF算法）是目前业界应用最多的算法erCF算法推荐的是那些和目标用户有共同兴趣爱好的其他用户所喜欢的物品erCF算法的推荐更偏向社会化，而ItemCF算法的推荐更偏向于个性化正确答案：B你选对了2多选(3分)推荐方法包括哪些类型:A.专家推荐B.协同过滤推荐C.基于内容的推荐D.基于统计的推荐正确答案：A、B、C、D你选对了期末试卷1单选(2分)数据产生方式的变革主要经历了三个阶段，以下哪个不属于这三个阶段：A.运营式系统阶段B.感知式系统阶段C.数据流阶段D.用户原创内容阶段正确答案：C你选对了2单选(2分)第三次信息化浪潮的发生标志是以下哪种技术的普及：A.互联网B.CPUC.物联网、云计算和大数据D.个人计算机正确答案：C你选对了3单选(2分)在Flink中哪个是基于批处理的图计算库：A.SQL&Table库B.CEPC. GellyD. FlinkML正确答案：C你选对了4单选(2分)Hadoop的两大核心是和A.MapReduce; HBaseB. HDFS; HBaseC.HDFS; MapReduceD.GFS; MapReduce正确答案：C你选对了5单选(2分)HDFS默认的一个块大小是A.64MBB.8KBC. 32KBD.16KB正确答案：A你选对了6单选(2分)在分布式文件系统HDFS中，负责数据的存储和读取:A.数据节点B.第二名称节点C.名称节点D.主节点正确答案：A你选对了7单选(2分)上传当前目录下的本地文件file.txt到分布式文件系统HDFS的“/path”目录下的Shell命令是：A.hdfs dfs -put /path file.txtB.hadoop dfs -put /path file.txtC.hdfs fs -put file.txt /pathD.hdfs dfs -put file.txt /path正确答案：D你选对了8单选(2分)在HDFS根目录下创建一个文件夹/test，且/test文件夹内还包含一个文件夹dir，正确的shell命令是:A.hadoop fs -mkdir -p /test/dirB.hdfs fs -mkdir -p /test/dirC.hadoop dfs -mkdir /test/dirD.hdfs dfs *mkdir -p /test/dir正确答案：A你选对了9单选(2分)下列有关HBase的说法正确的是：A.在向数据库中插入记录时，HBase和关系数据库一样，每次都是以“行”为单位把整条记录插入数据库B.HBase是针对谷歌BigTable的开源实现，是高可靠、高性能的图数据库C.HBase是一种NoSQL数据库D.HBase数据库表可以设置该表任意列作为索引正确答案：C你选对了10单选(2分)已知一张表student存储在HBase中，向表中插入一条记录{id:2015001,name:Mary,{score:math}:88}，其id 作为行键，其中，在插入数学成绩88分时，正确的命令是:A.put 'student','score:math','88'B.put 'student','2015001','score:math','88'C.put 'student','2015001','math','88'D.put 'student','2015001','88'正确答案：B你选对了11单选(2分)NoSQL数据库的三大理论基石不包括:A.ACIDB.最终一致性C.BASED.CAP正确答案：A你选对了12单选(2分)在设计词频统计的MapReduce程序时，对于文本行“hello bigdata hello hadoop”，经过map函数处理后直接输出的结果应该是（没有发生combine和merge操作）:A.<"hello",1,1>、<"bigdata",1>和<"hadoop",1>B. <"hello",<1,1>>、<"bigdata",1>和<"hadoop",1>C.<"hello",2>、<"bigdata",1>和<"hadoop",1>D.<"hello",1>、<"hello",1>、<"bigdata",1>和<"hadoop",1>正确答案：D你选对了13单选(2分)假设已经配置好PATH环境变量，启动Hadoop的命令是:A.start-hdfs.shB.start-fs.shC.start-dfs.shD.start-hadoop.sh正确答案：C你选对了14单选(2分)下列说法错误的是：A.HDFS Federation使得HDFS的命名服务能够水平扩展B.第二名称节点是热备份，而HDFS HA不是热备份C.HDFS HA可以解决单点故障问题D.第二名称节点无法解决单点故障问题正确答案：B你选对了15单选(2分)。

1）请阐述什么是大数据？大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

2）大数据对当今世界有哪些影响？大数据是一种新兴的产业，从提出概述至今不断在推动着世界经济的转型和进一步的发展。

如法国政府在2013年投入近1150万欧元，用于7个大数据市场研发项目。

目的在于通过发展创新性解决方案，并将其用于实践，来促进法国在大数据领域的发展。

法国政府在《数字化路线图》中列出了五项将大力支持的战略性高新技术，大数据就是其中一项。

综上所述，从各种各样的大数据中，快速获得有用的信息的能力，就是大数据技术。

这种技术已经对人们的产生和生活方式有了极大的影响，并且还在快速的发展中，不会停下来。

3）大数据有哪些框架？按照对所处理的数据形式和得到结果的时效性分类，大数据处理框架可以分为三类：批处理系统、流处理系统和混合处理系统。

4）企业应当如何应对大数据时代的挑战？大数据在许多企业应用程序中的确扮演着相当重要的角色，大数据的应用对于企业带来的好处有以下几点：（1）结合各种传统企业数据对大数据进行分析和提炼，带给企业更深入透彻的洞察力。

它可以带来更高的生产力，更大的创新和更强的竞争地位。

（2）正确的数据分析可以帮助企业做出明智的业务经营决策的工具。

这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据，以及来自企业所处的其他外部环境中的各种数据。

而商业智能能够辅助的业务经营决策既可以是作业层的，也可以是管理层和策略层的决策。

（3）促进企业决策流程：增进企业的资讯整合与资讯分析的能力，汇总公司内、外部的资料，整合成有效的决策资讯，让企业经理人大幅增进决策效率与改善决策品质，很大程度上影响了企业的经营和绩效。

5）大数据和云计算的联系和区别是什么？如果将云计算与大数据进行一些比较，最明显的区分在两个方面：第一，在概念上两者有所不同，云计算改变了IT，而大数据则改变了业务。