大数据技术及应用题库

1. 大数据的4V特征不包括以下哪一项？A. VolumeB. VelocityC. VarietyD. Visibility2. Hadoop生态系统中，用于存储结构化和半结构化数据的组件是？A. HDFSB. HiveC. HBaseD. Pig3. 在数据仓库中，ETL过程指的是什么？A. Extract, Transform, LoadB. Encrypt, Transfer, LoadC. Extract, Transfer, LoadD. Encrypt, Transform, Load4. 以下哪个不是NoSQL数据库的类型？A. Key-ValueB. Column-FamilyC. DocumentD. Relational5. 数据挖掘中的分类算法不包括以下哪一项？A. Decision TreesB. Neural NetworksC. ClusteringD. Support Vector Machines6. 在Hadoop中，MapReduce的主要作用是什么？A. 数据存储B. 数据处理C. 数据查询D. 数据可视化7. 以下哪个工具不是用于大数据分析的？A. RB. PythonC. ExcelD. Spark8. 在数据预处理中，数据清洗的主要目的是什么？A. 增加数据量B. 减少数据量C. 提高数据质量D. 提高数据速度9. 以下哪个不是大数据处理框架？A. FlinkB. KafkaC. StormD. Docker10. 在数据可视化中，热力图主要用于展示什么？A. 数据分布B. 数据关系C. 数据趋势D. 数据密度11. 以下哪个是大数据安全的关键技术？A. 数据加密B. 数据压缩C. 数据存储D. 数据传输12. 在数据分析中，OLAP是什么的缩写？A. Online Analytical ProcessingB. Online Application ProcessingC. Offline Analytical ProcessingD. Offline Application Processing13. 以下哪个不是数据仓库的特点？A. 面向主题B. 集成性C. 时变性D. 实时性14. 在数据挖掘中，关联规则挖掘主要用于发现什么？A. 数据模式B. 数据异常C. 数据关系D. 数据趋势15. 以下哪个不是大数据的应用领域？A. 金融B. 医疗C. 教育D. 娱乐16. 在Hadoop中，YARN的主要作用是什么？A. 数据存储B. 资源管理C. 数据处理D. 数据查询17. 以下哪个不是数据湖的特点？A. 存储原始数据B. 存储结构化数据C. 灵活的数据结构D. 支持多种数据类型18. 在数据分析中，数据集市是什么？A. 数据仓库的子集B. 数据仓库的超集C. 独立的数据仓库D. 数据仓库的备份19. 以下哪个不是数据治理的关键组成部分？A. 数据质量B. 数据安全C. 数据存储D. 数据政策20. 在数据挖掘中，聚类算法主要用于什么？A. 数据分类B. 数据分组C. 数据预测D. 数据关联21. 以下哪个不是大数据处理的关键技术？A. 数据采集B. 数据存储C. 数据分析D. 数据打印22. 在数据可视化中，散点图主要用于展示什么？A. 数据分布B. 数据关系C. 数据趋势D. 数据密度23. 以下哪个不是大数据分析的步骤？A. 数据收集B. 数据清洗C. 数据存储D. 数据分析24. 在数据仓库中，维度表和事实表的关系是什么？A. 一对一B. 一对多C. 多对一D. 多对多25. 以下哪个不是数据挖掘的应用场景？A. 市场篮分析B. 客户细分C. 风险评估D. 数据备份26. 在Hadoop中，HDFS的主要作用是什么？A. 数据存储B. 数据处理C. 数据查询D. 数据可视化27. 以下哪个不是数据湖的优势？A. 存储原始数据B. 灵活的数据结构C. 支持多种数据类型D. 实时数据处理28. 在数据分析中，数据立方体是什么？A. 数据仓库的子集B. 数据仓库的超集C. 数据仓库的备份D. 数据仓库的多维数据模型29. 以下哪个不是数据治理的目标？A. 提高数据质量B. 确保数据安全C. 提高数据速度D. 确保数据合规30. 在数据挖掘中，异常检测主要用于发现什么？A. 数据模式B. 数据异常C. 数据关系D. 数据趋势31. 以下哪个不是大数据的应用优势？A. 提高决策效率B. 降低成本C. 提高数据质量D. 提高服务质量32. 在Hadoop中，MapReduce的主要优势是什么？A. 数据存储B. 数据处理C. 数据查询D. 数据可视化33. 以下哪个不是数据湖的挑战？A. 数据管理B. 数据安全C. 数据处理D. 数据备份34. 在数据分析中，数据集成的目的是什么？A. 提高数据质量B. 确保数据安全C. 提高数据速度D. 确保数据合规35. 以下哪个不是数据挖掘的步骤？A. 数据收集B. 数据清洗C. 数据存储D. 数据分析36. 在数据仓库中，数据集成的关键技术是什么？A. 数据采集B. 数据存储C. 数据分析D. 数据清洗37. 以下哪个不是大数据分析的工具？A. RB. PythonC. ExcelD. Photoshop38. 在数据可视化中，折线图主要用于展示什么？A. 数据分布B. 数据关系C. 数据趋势D. 数据密度39. 以下哪个不是大数据处理的关键技术？A. 数据采集B. 数据存储C. 数据分析D. 数据打印40. 在数据仓库中，数据集成的关键技术是什么？A. 数据采集B. 数据存储C. 数据分析D. 数据清洗41. 以下哪个不是大数据分析的工具？A. RB. PythonC. ExcelD. Photoshop42. 在数据可视化中，折线图主要用于展示什么？A. 数据分布B. 数据关系C. 数据趋势D. 数据密度43. 以下哪个不是大数据处理的关键技术？A. 数据采集B. 数据存储C. 数据分析D. 数据打印44. 在数据仓库中，数据集成的关键技术是什么？A. 数据采集B. 数据存储C. 数据分析D. 数据清洗45. 以下哪个不是大数据分析的工具？A. RB. PythonC. ExcelD. Photoshop46. 在数据可视化中，折线图主要用于展示什么？A. 数据分布B. 数据关系C. 数据趋势47. 以下哪个不是大数据处理的关键技术？A. 数据采集B. 数据存储C. 数据分析D. 数据打印48. 在数据仓库中，数据集成的关键技术是什么？A. 数据采集B. 数据存储C. 数据分析D. 数据清洗49. 以下哪个不是大数据分析的工具？A. RB. PythonC. ExcelD. Photoshop50. 在数据可视化中，折线图主要用于展示什么？A. 数据分布B. 数据关系C. 数据趋势D. 数据密度51. 以下哪个不是大数据处理的关键技术？A. 数据采集B. 数据存储C. 数据分析D. 数据打印52. 在数据仓库中，数据集成的关键技术是什么？A. 数据采集B. 数据存储C. 数据分析D. 数据清洗53. 以下哪个不是大数据分析的工具？A. RB. PythonC. ExcelD. Photoshop54. 在数据可视化中，折线图主要用于展示什么？A. 数据分布C. 数据趋势D. 数据密度55. 以下哪个不是大数据处理的关键技术？A. 数据采集B. 数据存储C. 数据分析D. 数据打印56. 在数据仓库中，数据集成的关键技术是什么？A. 数据采集B. 数据存储C. 数据分析D. 数据清洗57. 以下哪个不是大数据分析的工具？A. RB. PythonC. ExcelD. Photoshop58. 在数据可视化中，折线图主要用于展示什么？A. 数据分布B. 数据关系C. 数据趋势D. 数据密度59. 以下哪个不是大数据处理的关键技术？A. 数据采集B. 数据存储C. 数据分析D. 数据打印60. 在数据仓库中，数据集成的关键技术是什么？A. 数据采集B. 数据存储C. 数据分析D. 数据清洗61. 以下哪个不是大数据分析的工具？A. RB. PythonC. ExcelD. Photoshop62. 在数据可视化中，折线图主要用于展示什么？A. 数据分布B. 数据关系C. 数据趋势D. 数据密度63. 以下哪个不是大数据处理的关键技术？A. 数据采集B. 数据存储C. 数据分析D. 数据打印答案1. D2. B3. A4. D5. C6. B7. C8. C9. D10. D11. A12. A13. D14. C15. D16. B17. B18. A19. C20. B21. D22. A23. C24. B25. D26. A27. D28. D29. C30. B31. C32. B33. D34. A35. C36. D37. D38. C39. D40. D41. D42. C43. D44. D45. D46. C47. D48. D49. D50. C51. D52. D53. D54. C55. D56. D57. D58. C59. D60. D61. D62. C63. D。

1从大量数据中提取知识的过程通常称为（A）。

a..数据挖掘b..人工智能c..数据清洗d..数据仓库2下列论据中，能够支撑“大数据无所不能”的观点的是（A）。

A、互联网金融打破了传统的观念和行为B、大数据存在泡沫C、大数据具有非常高的成本D、个人隐私泄露与信息安全担忧3数据仓库的最终目的是（D）。

a..收集业务需求b..建立数据仓库逻辑模型c..开发数据仓库的应用分析d..为用户和业务部门提供决策支持4大数据处理技术和传统的数据挖掘技术最大的区别是（A）。

a..处理速度快（秒级定律）b..算法种类更多c..精度更高d..更加智能化5大数据的起源是（C）。

a..金融b..电信c..互联网d..公共管理6大数据不是要教机器像人一样思考。

相反，它是（A）。

a..把数学算法运用到海量的数据上来预测事情发生的可能性b..被视为人工智能的一部c..被视为一种机器学习d..预测与惩罚7人与人之间沟通信息、传递信息的技术，这指的是（D）。

a..感测技术b..微电子技术c..计算机技术d..通信技术8数据清洗的方法不包括（D）。

a..缺失值处理b..噪声数据清除c..一致性检查d..重复数据记录处理9.下列关于舍恩伯格对大数据特点的说法中，错误的是（D）A. 数据规模大B. 数据类型多样C. 数据处理速度快D. 数据价值密度高10规模巨大且复杂，用现有的数据处理工具难以获取、整理、管理以及处理的数据，这指的是（D）。

a..富数据b..贫数据c..繁数据d..大数据11 大数据正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的。

）。

a..新一代信息技术b..新一代服务业态c..新一代技术平台d..新一代信息技术和服务业态12万维网之父是（C）A.彼得•德鲁克B. 舍恩伯格C. 蒂姆•伯纳斯一季D. 斯科特•布朗13下列演示方式中，不属于传统统计图方式的是（D）。

1. 大数据的“4V”特征不包括以下哪一项？A. 大量性B. 高速性C. 多样性D. 价值性2. Hadoop的核心组件包括哪些？A. HDFS和MapReduceB. HDFS和YARNC. MapReduce和YARND. HDFS、MapReduce和YARN3. 以下哪个不是NoSQL数据库的类型？A. 键值存储B. 列存储C. 文档存储D. 关系型数据库4. 在Hadoop生态系统中，用于数据仓库和数据分析的工具是？A. HiveB. HBaseC. PigD. Zookeeper5. 以下哪个工具不是用于大数据处理的？A. SparkB. FlinkC. KafkaD. MySQL6. 在数据挖掘中，K-means算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法7. 以下哪个是大数据处理框架Spark的核心组件？A. RDDB. DataFrameC. DatasetD. 以上都是8. 在Hadoop中，用于管理集群资源的组件是？A. HDFSB. MapReduceC. YARND. Zookeeper9. 以下哪个是用于实时数据处理的工具？A. StormB. HiveC. PigD. Sqoop10. 在数据仓库中，用于数据抽取、转换和加载的工具是？A. ETLB. OLAPC. OLTPD. BI11. 以下哪个是大数据分析的典型应用场景？A. 社交媒体分析B. 电子商务推荐系统C. 金融风险管理D. 以上都是12. 在Spark中，用于处理结构化数据的API是？A. RDDB. DataFrameC. DatasetD. 以上都是13. 以下哪个是用于大数据存储的分布式文件系统？A. HDFSB. NFSC. CIFSD. FTP14. 在Hadoop中，用于数据处理的编程模型是？A. HDFSB. MapReduceC. YARND. Zookeeper15. 以下哪个是用于大数据实时流处理的框架？A. KafkaB. FlinkC. Spark StreamingD. 以上都是16. 在数据挖掘中，Apriori算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法17. 以下哪个是用于大数据查询和分析的工具？A. HiveB. HBaseC. PigD. Zookeeper18. 在Hadoop中，用于分布式协调服务的组件是？A. HDFSB. MapReduceC. YARND. Zookeeper19. 以下哪个是用于大数据批处理的框架？A. SparkB. FlinkC. StormD. Kafka20. 在数据仓库中，用于多维数据分析的工具是？A. ETLB. OLAPC. OLTPD. BI21. 以下哪个是大数据存储的典型应用场景？A. 云存储B. 数据备份C. 数据归档D. 以上都是22. 在Spark中，用于处理非结构化数据的API是？A. RDDB. DataFrameC. DatasetD. 以上都是23. 以下哪个是用于大数据处理的分布式计算框架？A. HadoopB. SparkC. FlinkD. 以上都是24. 在Hadoop中，用于数据存储的编程模型是？A. HDFSB. MapReduceC. YARND. Zookeeper25. 以下哪个是用于大数据实时处理的工具？A. StormB. HiveC. PigD. Sqoop26. 在数据挖掘中，决策树算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法27. 以下哪个是用于大数据存储和管理的工具？A. HBaseB. HiveC. PigD. Zookeeper28. 在Hadoop中，用于数据处理的分布式协调服务是？A. HDFSB. MapReduceC. YARND. Zookeeper29. 以下哪个是用于大数据处理的实时流处理框架？A. KafkaB. FlinkC. Spark StreamingD. 以上都是30. 在数据仓库中，用于数据抽取和加载的工具是？A. ETLB. OLAPC. OLTPD. BI31. 以下哪个是大数据分析的典型应用场景？A. 客户行为分析B. 市场趋势分析C. 产品推荐系统D. 以上都是32. 在Spark中，用于处理半结构化数据的API是？B. DataFrameC. DatasetD. 以上都是33. 以下哪个是用于大数据存储的分布式数据库？A. HBaseB. MySQLC. OracleD. SQL Server34. 在Hadoop中，用于数据处理的分布式文件系统是？A. HDFSB. NFSC. CIFSD. FTP35. 以下哪个是用于大数据实时处理的工具？A. StormB. HiveC. PigD. Sqoop36. 在数据挖掘中，随机森林算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法37. 以下哪个是用于大数据查询和分析的工具？A. HiveB. HBaseC. PigD. Zookeeper38. 在Hadoop中，用于分布式协调服务的组件是？A. HDFSB. MapReduceC. YARND. Zookeeper39. 以下哪个是用于大数据批处理的框架？A. SparkB. FlinkC. StormD. Kafka40. 在数据仓库中，用于多维数据分析的工具是？B. OLAPC. OLTPD. BI41. 以下哪个是大数据存储的典型应用场景？A. 云存储B. 数据备份C. 数据归档D. 以上都是42. 在Spark中，用于处理非结构化数据的API是？A. RDDB. DataFrameC. DatasetD. 以上都是43. 以下哪个是用于大数据处理的分布式计算框架？A. HadoopB. SparkC. FlinkD. 以上都是44. 在Hadoop中，用于数据存储的编程模型是？A. HDFSB. MapReduceC. YARND. Zookeeper45. 以下哪个是用于大数据实时处理的工具？A. StormB. HiveC. PigD. Sqoop46. 在数据挖掘中，逻辑回归算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法47. 以下哪个是用于大数据存储和管理的工具？A. HBaseB. HiveC. PigD. Zookeeper48. 在Hadoop中，用于数据处理的分布式协调服务是？A. HDFSB. MapReduceC. YARND. Zookeeper49. 以下哪个是用于大数据处理的实时流处理框架？A. KafkaB. FlinkC. Spark StreamingD. 以上都是50. 在数据仓库中，用于数据抽取和加载的工具是？A. ETLB. OLAPC. OLTPD. BI51. 以下哪个是大数据分析的典型应用场景？A. 客户行为分析B. 市场趋势分析C. 产品推荐系统D. 以上都是52. 在Spark中，用于处理半结构化数据的API是？A. RDDB. DataFrameC. DatasetD. 以上都是53. 以下哪个是用于大数据存储的分布式数据库？A. HBaseB. MySQLC. OracleD. SQL Server54. 在Hadoop中，用于数据处理的分布式文件系统是？A. HDFSB. NFSC. CIFSD. FTP55. 以下哪个是用于大数据实时处理的工具？A. StormB. HiveC. PigD. Sqoop56. 在数据挖掘中，支持向量机算法属于哪一类算法？A. 分类算法B. 聚类算法C. 关联规则算法D. 回归算法57. 以下哪个是用于大数据查询和分析的工具？A. HiveB. HBaseC. PigD. Zookeeper58. 在Hadoop中，用于分布式协调服务的组件是？A. HDFSB. MapReduceC. YARND. Zookeeper59. 以下哪个是用于大数据批处理的框架？A. SparkB. FlinkC. StormD. Kafka60. 在数据仓库中，用于多维数据分析的工具是？A. ETLB. OLAPC. OLTPD. BI61. 以下哪个是大数据存储的典型应用场景？A. 云存储B. 数据备份C. 数据归档D. 以上都是62. 在Spark中，用于处理非结构化数据的API是？A. RDDB. DataFrameC. DatasetD. 以上都是63. 以下哪个是用于大数据处理的分布式计算框架？A. HadoopB. SparkC. FlinkD. 以上都是64. 在Hadoop中，用于数据存储的编程模型是？A. HDFSB. MapReduceC. YARND. Zookeeper答案：1. D2. D3. D4. A5. D6. B7. D8. C9. A10. A11. D12. D13. A14. B15. D16. C17. A18. D19. A20. B21. D22. A23. D24. A25. A26. A27. A28. D29. D30. A31. D32. B33. A34. A35. A36. A37. A38. D39. A40. B41. D42. A43. D44. A45. A46. D47. A48. D49. D50. A51. D52. B53. A54. A55. A56. A57. A58. D59. A60. B61. D62. A63. D64. A。

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：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.OracleB.HadoopC.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D.升高正确答案：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。

1从大量数据中提取知识的过程通常称为（ A ）。

a. .数据挖掘b. .人工智能c. .数据清洗d. .数据仓库2下列论据中，能够支撑“大数据无所不能”的观点的是（A）。

A、互联网金融打破了传统的观念和行为B、大数据存在泡沫C、大数据具有非常高的成本D、个人隐私泄露与信息安全担忧3数据仓库的最终目的是（D）。

a. .收集业务需求b. .建立数据仓库逻辑模型c. .开发数据仓库的应用分析d. .为用户和业务部门提供决策支持4大数据处理技术和传统的数据挖掘技术最大的区别是（A）。

a. .处理速度快（秒级定律）b. .算法种类更多c. .精度更高d. .更加智能化5大数据的起源是（C）。

a. .金融b. .电信c. .互联网d. .公共管理6大数据不是要教机器像人一样思考。

相反，它是（A ）。

a. .把数学算法运用到海量的数据上来预测事情发生的可能性b. .被视为人工智能的一部c. .被视为一种机器学习d. .预测与惩罚7人与人之间沟通信息、传递信息的技术，这指的是（D）。

a. .感测技术b. .微电子技术c. .计算机技术叮叮小文库d. .通信技术8数据清洗的方法不包括（D ）。

a. .缺失值处理b. .噪声数据清除c. . 一致性检查d. .重复数据记录处理9.下列关于舍恩伯格对大数据特点的说法中，错误的是（D）A. 数据规模大B.数据类型多样C.数据处理速度快D.数据价值密度高10规模巨大且复杂，用现有的数据处理工具难以获取、整理、管理以及处理的数据，这指的是（D）oa. .富数据b. .贫数据c. .繁数据d. .大数据11大数据正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的（D）oa. .新一代信息技术b. .新一代服务业态c. .新一代技术平台d. .新一代信息技术和服务业态12万维网之父是（C）A. 彼得•德鲁克B.舍恩伯格C.蒂姆•伯纳斯一李D.斯科特•布朗13下列演示方式中，不属于传统统计图方式的是（D）oA、柱形图B、饼状图C、曲线图D、网络图14当前社会中，最为突出的大数据环境是（A）oA、互联网B、物联网C、综合国力D、自然资源叮叮小文库16大数据的起源是（C）。

你现时的得分是100！1、下列单位不是数据单位？（）BA、bitB、NBC、GBD、TB2、（）主要承担了搭建大数据平台上层建筑的任务。

BA、数据存储技术B、数据开发技术C、数据计算技术D、数据挖掘技术3、下列哪项不属于商业大数据的类型。

（）DA、传统企业数据B、机器和传感器数据C、社交数据D、电子商务数据4、信息技术是指有关信息的收集、识别、提取、变换、存贮、传递、处理、检索、检测、分析和利用等的技术。

凡涉及到这些过程和技术的工作部门，都可称作（）部门。

CA、技术B、研究C、信息D、管理5、以下哪个数据单位最大？（）CA、MBB、KBC、TBD、GB6、大数据技术的战略意义是（）。

CA、掌握庞大的数据信息B、促进互联网和信息行业的发展C、对这些含有意义的数据进行专业化处理D、企业内部，以及企业与供应商、客户、合作伙伴和员工数字化共享所有形式的数据资源7、（）主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等。

BA、采集B、统计/分析C、导入 / 预处理D、数据挖掘1、云计算包括有三个部分，分别是（）。

ABCA、基础设施服务B、平台服务C、软件服务D、数据服务2、“大数据”的特点是（）。

ABCDA、数据体量大B、数据类别大C、数据处理速度快D、数据真实性高3、美国哈佛大学的研究小组给出了著名的资源三角形。

包括（）ACDA、信息B、数据C、物质D、能量4、大数据平台的三个重要的技术部分。

ABDA、数据交易技术B、数据交互技术C、数据存储技术D、数据处理技术5、大数据处理流程可以概括为（）。

ABCDA、采集B、导入和预处理C、统计和分析D、数据挖掘6、互连网上出现的海量信息可以划分为三种。

分别为（）。

ABCA、结构化信息B、非结构化信息C、半结构化信息D、特殊化信息1、政府数据资源丰富，应用需求旺盛，政府应该是大数据发展的推动者，不是大数据应用的受益者。

错对错2、电子商务数据属于商业大数据的类型错对错3、大数据或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

2024年大数据应用及处理技术能力知识考试题库与答案一、单选题1.当图像通过信道传输时，噪声一般与（）无关。

A、信道传输的质量B、出现的图像信号C、是否有中转信道的过程D、图像在信道前后的处理参考答案：B2.在留出法、交叉验证法和自助法三种评估方法中，（）更适用于数据集较小、难以划分训练集和测试集的情况。

A、留出法B、交叉验证法C、自助法D、留一法参考答案：C3.在数据科学中，通常可以采用（）方法有效避免数据加工和数据备份的偏见。

A、A/B测试B、训练集和测试集的划分C、测试集和验证集的划分D、图灵测试参考答案：A4.下列不属于深度学习内容的是(_)oA、深度置信网络B、受限玻尔兹曼机C、卷积神经网络D、贝叶斯学习参考答案：D5.在大数据项目中，哪个阶段可能涉及使用数据工程师来优化数据查询性能？A、数据采集B、数据清洗C、数据存储与管理D、数据分析与可视化参考答案：C6.假定你现在训练了一个线性SVM并推断出这个模型出现了欠拟合现象，在下一次训练时，应该采取下列什么措施（）A、增加数据点B、减少数据点C、增加特征D、减少特征参考答案：C7.两个变量相关，它们的相关系数r可能为0?这句话是否正确0A、正确B、错误参考答案：A8.一幅数字图像是（）。

A、一个观测系统B、一个由许多像素排列而成的实体C、一个2-D数组中的元素D、一个3-D空间中的场景参考答案：C9.以下说法正确的是：（）。

一个机器学习模型,如果有较高准确率，总是说明这个分类器是好的如果增加模型复杂度，那么模型的测试错误率总是会降低如果增加模型复杂度,那么模型的训练错误率总是会降低A、1B、2C、3D、land3参考答案：c10.从网络的原理上来看，结构最复杂的神经网络是0。

A、卷积神经网络B、长短时记忆神经网络C、GRUD、BP神经网络参考答案：B11.LSTM中，（_）的作用是确定哪些新的信息留在细胞状态中，并更新细胞状态。

A、输入门B、遗忘门G输出门D、更新门参考答案：A12.Matplotiib的核心是面向（）。

1. 在大数据分析中，Hadoop的主要作用是什么？A. 数据存储B. 数据处理C. 数据可视化D. 数据加密2. 以下哪个不是大数据的5V特征？A. VolumeB. VelocityC. VarietyD. Visibility3. 在数据仓库中，ETL过程指的是什么？A. Extract, Transform, LoadB. Encrypt, Transfer, LoadC. Extract, Transfer, LoadD. Encrypt, Transform, Load4. 以下哪个工具是用于大数据处理的？A. Microsoft ExcelB. Apache SparkC. Adobe PhotoshopD. AutoCAD5. 数据挖掘的主要目的是什么？A. 数据清洗B. 数据存储C. 发现数据中的模式和关联D. 数据加密6. 在Hadoop生态系统中，哪个组件负责数据存储？A. HiveB. HBaseC. MapReduceD. Pig7. 以下哪个是NoSQL数据库的例子？A. MySQLB. OracleC. MongoDBD. PostgreSQL8. 在大数据分析中，数据湖是什么？A. 一种数据存储技术B. 一种数据处理技术C. 一种数据可视化技术D. 一种数据加密技术9. 以下哪个是大数据分析中的机器学习算法？A. K-meansB. SQLC. HTMLD. CSS10. 在数据分析中，聚类分析属于哪一类分析方法？A. 描述性分析B. 预测性分析C. 规范性分析D. 探索性分析11. 以下哪个是大数据分析中的实时处理技术？A. Apache KafkaB. Apache HadoopC. Apache HiveD. Apache Pig12. 在数据分析中，决策树是一种什么类型的模型？A. 回归模型B. 分类模型C. 聚类模型D. 关联模型13. 以下哪个是大数据分析中的数据可视化工具？A. TableauB. PythonC. JavaD. C++14. 在数据分析中，主成分分析（PCA）的主要目的是什么？A. 数据清洗B. 数据降维C. 数据加密D. 数据存储15. 以下哪个是大数据分析中的数据清洗工具？A. OpenRefineB. HadoopC. SparkD. Kafka16. 在数据分析中，关联规则挖掘属于哪一类分析方法？A. 描述性分析B. 预测性分析C. 规范性分析17. 以下哪个是大数据分析中的数据集成工具？A. TalendB. HadoopC. SparkD. Kafka18. 在数据分析中，时间序列分析属于哪一类分析方法？A. 描述性分析B. 预测性分析C. 规范性分析D. 探索性分析19. 以下哪个是大数据分析中的数据存储技术？A. HDFSB. SparkC. KafkaD. Hive20. 在数据分析中，逻辑回归是一种什么类型的模型？A. 回归模型B. 分类模型C. 聚类模型D. 关联模型21. 以下哪个是大数据分析中的数据处理技术？A. MapReduceB. HDFSC. KafkaD. Hive22. 在数据分析中，随机森林是一种什么类型的模型？A. 回归模型B. 分类模型C. 聚类模型D. 关联模型23. 以下哪个是大数据分析中的数据可视化技术？A. D3.jsB. HadoopC. SparkD. Kafka24. 在数据分析中，因子分析属于哪一类分析方法？A. 描述性分析B. 预测性分析D. 探索性分析25. 以下哪个是大数据分析中的数据清洗技术？A. Data WranglingB. HadoopC. SparkD. Kafka26. 在数据分析中，神经网络是一种什么类型的模型？A. 回归模型B. 分类模型C. 聚类模型D. 关联模型27. 以下哪个是大数据分析中的数据集成技术？A. ETLB. HadoopC. SparkD. Kafka28. 在数据分析中，生存分析属于哪一类分析方法？A. 描述性分析B. 预测性分析C. 规范性分析D. 探索性分析29. 以下哪个是大数据分析中的数据存储技术？A. HBaseB. SparkC. KafkaD. Hive30. 在数据分析中，支持向量机是一种什么类型的模型？A. 回归模型B. 分类模型C. 聚类模型D. 关联模型31. 以下哪个是大数据分析中的数据处理技术？A. Spark StreamingB. HDFSC. KafkaD. Hive32. 在数据分析中，贝叶斯网络是一种什么类型的模型？A. 回归模型C. 聚类模型D. 关联模型33. 以下哪个是大数据分析中的数据可视化技术？A. Power BIB. HadoopC. SparkD. Kafka34. 在数据分析中，主成分分析（PCA）属于哪一类分析方法？A. 描述性分析B. 预测性分析C. 规范性分析D. 探索性分析35. 以下哪个是大数据分析中的数据清洗技术？A. Data CleaningB. HadoopC. SparkD. Kafka36. 在数据分析中，关联规则挖掘是一种什么类型的模型？A. 回归模型B. 分类模型C. 聚类模型D. 关联模型37. 以下哪个是大数据分析中的数据集成技术？A. InformaticaB. HadoopC. SparkD. Kafka38. 在数据分析中，时间序列分析是一种什么类型的模型？A. 回归模型B. 分类模型C. 聚类模型D. 关联模型39. 以下哪个是大数据分析中的数据存储技术？A. CassandraB. SparkC. KafkaD. Hive40. 在数据分析中，逻辑回归属于哪一类分析方法？B. 预测性分析C. 规范性分析D. 探索性分析41. 以下哪个是大数据分析中的数据处理技术？A. FlinkB. HDFSC. KafkaD. Hive42. 在数据分析中，随机森林属于哪一类分析方法？A. 描述性分析B. 预测性分析C. 规范性分析D. 探索性分析43. 以下哪个是大数据分析中的数据可视化技术？A. QlikViewB. HadoopC. SparkD. Kafka44. 在数据分析中，因子分析是一种什么类型的模型？A. 回归模型B. 分类模型C. 聚类模型D. 关联模型45. 以下哪个是大数据分析中的数据清洗技术？A. Data PreprocessingB. HadoopC. SparkD. Kafka46. 在数据分析中，神经网络属于哪一类分析方法？A. 描述性分析B. 预测性分析C. 规范性分析D. 探索性分析47. 以下哪个是大数据分析中的数据集成技术？A. PentahoB. HadoopC. SparkD. Kafka48. 在数据分析中，生存分析是一种什么类型的模型？A. 回归模型B. 分类模型C. 聚类模型D. 关联模型49. 以下哪个是大数据分析中的数据存储技术？A. RedisB. SparkC. KafkaD. Hive50. 在数据分析中，支持向量机属于哪一类分析方法？A. 描述性分析B. 预测性分析C. 规范性分析D. 探索性分析51. 以下哪个是大数据分析中的数据处理技术？A. StormB. HDFSC. KafkaD. Hive52. 在数据分析中，贝叶斯网络属于哪一类分析方法？A. 描述性分析B. 预测性分析C. 规范性分析D. 探索性分析53. 以下哪个是大数据分析中的数据可视化技术？A. HighchartsB. HadoopC. SparkD. Kafka54. 在数据分析中，主成分分析（PCA）是一种什么类型的模型？A. 回归模型B. 分类模型C. 聚类模型D. 关联模型55. 以下哪个是大数据分析中的数据清洗技术？A. Data NormalizationB. HadoopC. SparkD. Kafka56. 在数据分析中，关联规则挖掘属于哪一类分析方法？A. 描述性分析B. 预测性分析C. 规范性分析D. 探索性分析答案1. B2. D3. A4. B5. C6. B7. C8. A9. A10. D11. A12. B13. A14. B15. A16. D17. A18. B19. A20. B21. A22. B23. A24. D25. A26. B27. A28. B29. A30. B31. A32. B33. A34. D35. A36. D37. A38. B39. A40. B41. A42. B43. A44. D45. A46. B47. A48. B49. A50. B51. A52. B53. A54. D55. A56. D。

大数据技术及应用_东北师范大学中国大学mooc课后章节答案期末考试题库2023年1.关系数据库是基于行模式存储的，而HBase也是基于行模式存储的。

参考答案:错误2.对于Hive中分区的概念，下列描述错误的是（）。

参考答案:分区字段只能有一个3.Action API完成返回数据集中的元素个数的操作命令是（）。

参考答案:count()4.HDFS是基于流数据模式访问和处理超大文件的需求而开发的，具有高容错、高可靠性、高可扩展性、高吞吐率等特征，适合的读写任务是（）。

参考答案:一次写入，多次读写5.MapReduce作业的初始化调用的方法是（）。

参考答案:JobTracker.initJob()6.下述关于 Hadoop的阐述，正确的是（）。

参考答案:是一个分布式存储与分布式并行运算系统7.Hadoop是一个能够对大量数据进行分布式处理的软件框架。

参考答案:正确8.以下选项中，不是HBase添加数据需要用到的类和接口的是（）。

参考答案:Scan9.关于HDFS的文件写入操作描述正确的是（）。

参考答案:默认将文件块复制成三份存放10.HDFS是基于流数据模式访问和处理超大文件的需求而开发的，具有高容错、高可靠性、高可扩展性、高吞吐率等特征，适合的读写任务是？参考答案:一次写入，多次读写11.分布式文件系统HDFS 中的 block 默认保存几份？参考答案:3 份12.Hbase是一个针对结构化数据的可申缩、高可靠，高性能、分布式和面向（）的动态模式数据库。

参考答案:列13.YARN是新一代Hadoop（），用户可以运行和管理同一个物理集群机上多种作业。

参考答案:资源管理器14.HDFS采用块的概念，默认的一个块大小是64MB。

参考答案:正确15.MapReduce框架采用了Master/Slave架构，包括一个Master和若干个Slave。

Master上运行JobTracker，Slave上运行TaskTracker 。

大数据技术及应用题库单选题:1从大量数据中提取知识的过程通常称为（A）。

a. . 数据挖掘b. . 人工智能c. . 数据清洗d. . 数据仓库2下列论据中，能够支撑“大数据无所不能”的观点的是（A）。

A、互联网金融打破了传统的观念和行为B、大数据存在泡沫C、大数据具有非常高的成本D、个人隐私泄露与信息安全担忧3数据仓库的最终目的是（D）。

a. . 收集业务需求b. . 建立数据仓库逻辑模型c. . 开发数据仓库的应用分析d. . 为用户和业务部门提供决策支持4大数据处理技术和传统的数据挖掘技术最大的区别是（A）。

a. . 处理速度快（秒级定律）b. . 算法种类更多c. . 精度更高d. . 更加智能化5大数据的起源是（C）。

a. . 金融b. . 电信c. . 互联网d. . 公共管理6大数据不是要教机器像人一样思考。

相反，它是（A）。

a. . 把数学算法运用到海量的数据上来预测事情发生的可能性b. . 被视为人工智能的一部c. . 被视为一种机器学习d. . 预测与惩罚7人与人之间沟通信息、传递信息的技术，这指的是（D）。

a. . 感测技术b. . 微电子技术c. . 计算机技术d. . 通信技术8数据清洗的方法不包括（D）。

a. . 缺失值处理b. . 噪声数据清除c. . 一致性检查d. . 重复数据记录处理9. 下列关于舍恩伯格对大数据特点的说法中，错误的是（D）A. 数据规模大B. 数据类型多样C. 数据处理速度快D. 数据价值密度高10规模巨大且复杂，用现有的数据处理工具难以获取、整理、管理以及处理的数据，这指的是（D）。

a. . 富数据b. . 贫数据c. . 繁数据d. . 大数据11大数据正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的（D）。

a. . 新一代信息技术b. . 新一代服务业态c. . 新一代技术平台d. . 新一代信息技术和服务业态12万维网之父是（C）A. 彼得·德鲁克B. 舍恩伯格C. 蒂姆·伯纳斯—李D. 斯科特·布朗13下列演示方式中，不属于传统统计图方式的是（D）。

大数据技术原理与应用第一卷一:判断题（每小题5分）1:对于大数据而言，最基本、最重要的要求就是减少错误、保证质量。

因此，大数据收集的信息量要尽量精确。

A:对B:错答案：B2:Spark是一个高效的分布式计算系统，它有MapReduce所有优点，同时性能与Hadoop一样高。

A:对B:错答案：B3:信息生命周期管理是据生命周期管理的来源，最早由英国企业提出。

A:对B:错答案：B4:简单随机抽样，是从总体N 个对象中任意抽取n 个对象作为样本，最终以这些样本作为调查对象。

在抽取样本时，总体中每个对象被抽中为调查样本的概率可能会有差异。

A:对B:错答案：B5:大数据预测能够分析和挖掘出人们不知道或没有注意到的模式，确定判断事件必然会发生。

A:对B:错答案：B二:单选题（每小题5分）6:数据清洗的方法不包括______A缺失值处理B噪声数据清除C一致性检查D重复数据记录处理答案：D7:大数据的基本特征不包括______A数据量大B数据类型繁多C处理速度快D价值密度高答案：D8:HDFS中当前block大小为128M，如果当前要上传到HDFS中的文件大小为300M，那么在存储时会分配_______个block进行存储A1 B2 C3 D4答案：C9:下列______程序通常与NameNode在一个节点启动A SecondNameNodeB DataNodeC TaskTrackerD JobTracker答案：D10:配置Hadoop时，JAVA_HOME包含在______配置文件中A hadoop-default.xmlB hadoop-env.shC hadoop-site.xmlD configuration.xs答案：B11:在数据生命周期管理实践中______是执行方法A数据存储和备份规范B数据管理和维护C数据价值发觉和利用D数据应用开发和管理答案：B12:HBase系统基本架构中主服务器Master的作用是______A包含访问HBase的接口，同时在缓存中维护着已经访问过的Region位置信息，用来加快后续数据访问过程B可以帮助选举出一个Master作为集群的总管，并保证在任何时刻总有唯一一个Master在运行C主要负责表和Region的管理工作D是HBase中最核心的模块，负责维护分配给自己的Region，并响应用户的读写请求答案：C13:Hadoop具有特性不包括______A高可靠性B高效性C高可扩展性D低容错性，答案：D14:YARN的http端口默认是______A80 B8080 C 8090 D8088答案：D15:大数据时代，数据使用的关键是______A数据收集B数据存储C数据分析D数据再利用答案：D三:多选题（每小题5分）16:大数据人才整体上需要具备______等核心知识A数学与统计知识B计算机相关知识C马克思主义哲学知识D市场运营管理知识E在特定业务领域的知识答案：ABE17:下列关于数据生命周期管理的核心认识中，正确的是______A数据从产生到被删除销毁的过程中，具有多个不同的数据存在阶段B在不同的数据存在阶段，数据的价值是不同的C根据数据价值的不同应该对数据采取不同的管理策略D数据生命周期管理旨在产生效益的同时，降低生产成本答案：ABC18:数据研究经历了几种范式，包括______A实验B理论C计算D数据答案：ABCD19:按照涉及自变量的多少，可以将回归分析分为______A线性回归分析B非线性回归分析C一元回归分析D多元回归分析答案：CD20:大数据产业发展特点______A规模较大B规模较小C增速较快D增速缓慢E多产业交叉融合答案：ACE第二卷一:判断题（每小题5分）1:HDFS能提供高吞吐量的数据访问，非常适合于大规模数据集上的应用。

大数据技术与应用考试试题
1. 简答题
请解释什么是大数据技术，以及它在实际应用中的作用和意义。

2. 填空题
大数据的三个特点是______、______和______。

3. 选择题
关于大数据技术的发展历程，以下哪项描述是正确的？
A. 大数据技术始于20世纪50年代
B. Hadoop是大数据技术的第一个开源项目
C. 云计算和物联网技术的兴起推动了大数据技术的发展
D. 大数据技术目前已经进入了衰退期
4. 简答题
请简要介绍Hadoop和Spark这两种常用的大数据处理框架，并比较它们之间的优劣。

5. 计算题
假设一个数据集包含100万条记录，每条记录占用10KB的存储空间，现需对该数据集进行排序操作。

若采用分布式处理方式，每个节
点能处理1000条记录，共有1000个节点参与计算。

请计算完成此排序操作所需的总时间。

6. 问答题
在大数据分析中，数据清洗和数据可视化分别扮演着怎样的角色？请结合实际案例进行说明。

7. 实操题
请编写一个简单的MapReduce程序，实现对一个文本文件中的单词进行词频统计。

8. 综合题
结合你对大数据技术的理解和实际案例，谈谈大数据技术对企业经营管理、市场营销和决策分析等方面的影响和应用。

以上为《大数据技术与应用考试试题》，请同学们按照实际情况尽快完成。

祝大家考试顺利！。

1. 大数据的“4V”特性不包括以下哪一项？A. VolumeB. VelocityC. VarietyD. Value2. Hadoop生态系统中用于数据处理的框架是？A. HBaseB. HiveC. MapReduceD. Zookeeper3. 以下哪个不是NoSQL数据库的类型？A. 键值存储B. 列存储C. 文档存储D. 关系型数据库4. 在数据仓库中，ETL过程指的是什么？A. Extract, Transform, LoadB. Encrypt, Transfer, LoadC. Extract, Transfer, LoadD. Encrypt, Transform, Load5. 以下哪个工具常用于大数据的可视化？A. TableauB. ExcelC. PowerPointD. Word6. 云计算的三种服务模型不包括以下哪一项？A. IaaSB. PaaSC. SaaSD. DaaS7. 以下哪个是大数据分析的常用编程语言？A. PythonB. JavaC. RD. 以上都是8. 数据挖掘中的分类算法不包括以下哪一项？A. 决策树B. 神经网络C. 聚类分析D. 支持向量机9. 以下哪个是Hadoop的分布式文件系统？A. HDFSB. NFSC. CIFSD. AFS10. 大数据处理中的流处理技术主要用于？A. 批量处理B. 实时处理C. 离线处理D. 分布式处理11. 以下哪个是Apache Spark的核心组件？A. Spark SQLB. Spark StreamingC. MLlibD. 以上都是12. 数据治理的主要目的是？A. 数据安全B. 数据质量C. 数据合规D. 以上都是13. 以下哪个是数据湖的特点？A. 结构化数据B. 非结构化数据C. 半结构化数据D. 以上都是14. 大数据分析中的机器学习算法不包括以下哪一项？A. 监督学习B. 非监督学习C. 强化学习D. 随机学习15. 以下哪个是Apache Kafka的主要功能？A. 数据存储B. 数据处理C. 数据流处理D. 数据分析16. 数据仓库与数据湖的主要区别在于？A. 数据结构B. 数据存储C. 数据处理D. 数据访问17. 以下哪个是大数据分析的生命周期阶段？A. 数据收集B. 数据存储C. 数据分析D. 以上都是18. 以下哪个是数据清洗的主要步骤？A. 数据去重B. 数据转换C. 数据验证D. 以上都是19. 以下哪个是数据集成的主要挑战？A. 数据一致性B. 数据质量C. 数据安全D. 以上都是20. 以下哪个是数据隐私的主要关注点？A. 数据加密B. 数据访问控制C. 数据匿名化D. 以上都是21. 以下哪个是数据备份的主要目的？A. 数据恢复B. 数据安全C. 数据存储D. 数据处理22. 以下哪个是数据恢复的主要步骤？A. 数据备份B. 数据验证C. 数据还原D. 以上都是23. 以下哪个是数据安全的主要措施？A. 数据加密B. 数据访问控制C. 数据审计D. 以上都是24. 以下哪个是数据质量的主要指标？A. 准确性B. 完整性C. 一致性D. 以上都是25. 以下哪个是数据治理的主要组成部分？A. 数据政策B. 数据标准C. 数据流程D. 以上都是26. 以下哪个是数据分析的主要方法？A. 描述性分析B. 预测性分析C. 规范性分析D. 以上都是27. 以下哪个是数据挖掘的主要技术？A. 聚类分析B. 关联规则C. 序列模式D. 以上都是28. 以下哪个是数据可视化的主要工具？A. TableauB. Power BIC. QlikViewD. 以上都是29. 以下哪个是数据仓库的主要功能？A. 数据存储B. 数据处理C. 数据分析D. 以上都是30. 以下哪个是数据湖的主要优势？A. 数据灵活性B. 数据可扩展性C. 数据多样性D. 以上都是31. 以下哪个是数据治理的主要挑战？A. 数据政策制定B. 数据标准实施C. 数据流程优化D. 以上都是32. 以下哪个是数据分析的主要挑战？A. 数据质量B. 数据安全C. 数据隐私D. 以上都是33. 以下哪个是数据挖掘的主要挑战？A. 数据质量B. 数据安全C. 数据隐私D. 以上都是34. 以下哪个是数据可视化的主要挑战？A. 数据质量B. 数据安全C. 数据隐私D. 以上都是35. 以下哪个是数据仓库的主要挑战？A. 数据质量B. 数据安全C. 数据隐私D. 以上都是36. 以下哪个是数据湖的主要挑战？A. 数据质量B. 数据安全C. 数据隐私D. 以上都是37. 以下哪个是数据治理的主要优势？A. 数据质量提升B. 数据安全增强C. 数据合规性提高D. 以上都是38. 以下哪个是数据分析的主要优势？A. 数据洞察力提升B. 数据决策支持C. 数据创新能力增强D. 以上都是39. 以下哪个是数据挖掘的主要优势？A. 数据洞察力提升B. 数据决策支持C. 数据创新能力增强D. 以上都是40. 以下哪个是数据可视化的主要优势？A. 数据洞察力提升B. 数据决策支持C. 数据创新能力增强D. 以上都是41. 以下哪个是数据仓库的主要优势？A. 数据洞察力提升B. 数据决策支持C. 数据创新能力增强D. 以上都是42. 以下哪个是数据湖的主要优势？A. 数据洞察力提升B. 数据决策支持C. 数据创新能力增强D. 以上都是43. 以下哪个是数据治理的主要目标？A. 数据质量提升B. 数据安全增强C. 数据合规性提高D. 以上都是44. 以下哪个是数据分析的主要目标？A. 数据洞察力提升B. 数据决策支持C. 数据创新能力增强D. 以上都是45. 以下哪个是数据挖掘的主要目标？A. 数据洞察力提升B. 数据决策支持C. 数据创新能力增强D. 以上都是46. 以下哪个是数据可视化的主要目标？A. 数据洞察力提升B. 数据决策支持C. 数据创新能力增强D. 以上都是47. 以下哪个是数据仓库的主要目标？A. 数据洞察力提升B. 数据决策支持C. 数据创新能力增强D. 以上都是48. 以下哪个是数据湖的主要目标？A. 数据洞察力提升B. 数据决策支持C. 数据创新能力增强D. 以上都是49. 以下哪个是数据治理的主要方法？A. 数据政策制定B. 数据标准实施C. 数据流程优化D. 以上都是50. 以下哪个是数据分析的主要方法？A. 描述性分析B. 预测性分析C. 规范性分析D. 以上都是51. 以下哪个是数据挖掘的主要方法？A. 聚类分析B. 关联规则C. 序列模式D. 以上都是52. 以下哪个是数据可视化的主要方法？A. 图表制作B. 仪表板设计C. 报告生成D. 以上都是53. 以下哪个是数据仓库的主要方法？A. 数据存储B. 数据处理C. 数据分析D. 以上都是54. 以下哪个是数据湖的主要方法？A. 数据存储B. 数据处理C. 数据分析D. 以上都是55. 以下哪个是数据治理的主要工具？A. 数据政策管理工具B. 数据标准实施工具C. 数据流程优化工具D. 以上都是56. 以下哪个是数据分析的主要工具？A. 数据分析软件B. 数据挖掘工具C. 数据可视化工具D. 以上都是57. 以下哪个是数据挖掘的主要工具？A. 数据挖掘软件B. 数据分析工具C. 数据可视化工具D. 以上都是58. 以下哪个是数据可视化的主要工具？A. 数据可视化软件B. 数据分析工具C. 数据挖掘工具D. 以上都是59. 以下哪个是数据仓库的主要工具？A. 数据仓库软件B. 数据分析工具C. 数据挖掘工具D. 以上都是60. 以下哪个是数据湖的主要工具？A. 数据湖软件B. 数据分析工具C. 数据挖掘工具D. 以上都是61. 以下哪个是数据治理的主要流程？A. 数据政策制定B. 数据标准实施C. 数据流程优化D. 以上都是62. 以下哪个是数据分析的主要流程？A. 数据收集B. 数据处理C. 数据分析D. 以上都是63. 以下哪个是数据挖掘的主要流程？A. 数据收集B. 数据处理C. 数据分析D. 以上都是答案：1. D2. C3. D4. A5. A6. D7. D8. C9. A10. B11. D12. D13. D14. D15. C16. A17. D18. D19. D20. D21. A22. D23. D24. D25. D26. D27. D28. D29. D30. D31. D32. D33. D34. D35. D36. D37. D38. D39. D40. D41. D42. D43. D44. D45. D46. D47. D48. D49. D50. D51. D52. D53. D54. D55. D56. D57. D58. D59. D60. D61. D62. D63. D。

大数据技术及应用题库单选题:1从大量数据中提取知识的过程通常称为（A）。

a. . 数据挖掘b. . 人工智能c. . 数据清洗d. . 数据仓库2下列论据中，能够支撑“大数据无所不能”的观点的是（A）。

A、互联网金融打破了传统的观念和行为B、大数据存在泡沫C、大数据具有非常高的成本D、个人隐私泄露与信息安全担忧3数据仓库的最终目的是（D）。

a. . 收集业务需求b. . 建立数据仓库逻辑模型c. . 开发数据仓库的应用分析d. . 为用户和业务部门提供决策支持4大数据处理技术和传统的数据挖掘技术最大的区别是（A）。

a. . 处理速度快（秒级定律）b. . 算法种类更多c. . 精度更高d. . 更加智能化5大数据的起源是（C）。

a. . 金融b. . 电信c. . 互联网d. . 公共管理6大数据不是要教机器像人一样思考。

相反，它是（A）。

a. . 把数学算法运用到海量的数据上来预测事情发生的可能性b. . 被视为人工智能的一部c. . 被视为一种机器学习d. . 预测与惩罚7人与人之间沟通信息、传递信息的技术，这指的是（D）。

a. . 感测技术b. . 微电子技术c. . 计算机技术d. . 通信技术8数据清洗的方法不包括（D）。

a. . 缺失值处理b. . 噪声数据清除c. . 一致性检查d. . 重复数据记录处理9. 下列关于舍恩伯格对大数据特点的说法中，错误的是（D）A. 数据规模大B. 数据类型多样C. 数据处理速度快D. 数据价值密度高10规模巨大且复杂，用现有的数据处理工具难以获取、整理、管理以及处理的数据，这指的是（D）。

a. . 富数据b. . 贫数据c. . 繁数据d. . 大数据11大数据正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的（D）。

a. . 新一代信息技术b. . 新一代服务业态c. . 新一代技术平台d. . 新一代信息技术和服务业态12万维网之父是（C）A. 彼得·德鲁克B. 舍恩伯格C. 蒂姆·伯纳斯—李D. 斯科特·布朗13下列演示方式中，不属于传统统计图方式的是（D）。

大数据技术与应用考核试题一、选择题（每小题2分，共20分）1、大数据的定义是（）A. 数据量大B. 数据质量高C. 数据结构复杂D. 数据价值高答案：A2、大数据的特点是（）A. 存储量大B. 运算速度快C. 结构复杂D. 可视化好答案：A3、Hadoop是一个（）A. 数据库B. 操作系统C. 编程语言D. 分布式计算框架答案：D4、MapReduce是一个（）A. 数据库B. 操作系统C. 编程语言D. 分布式计算框架答案：D5、HBase是一个（）A. 关系型数据库B. 非关系型数据库C. 搜索引擎D. 分布式文件系统答案：B二、填空题（每小题2分，共20分）1、Hadoop的核心是________ 和________ 。

答案：HDFS、MapReduce2、MapReduce的两个阶段是________ 和________ 。

答案：Map、Reduce3、HBase是一个________ 的分布式数据库。

答案：非关系型4、Hive是一个________ 的分布式数据仓库。

答案：基于Hadoop5、Spark是一个________ 的分布式内存计算框架。

答案：内存密集型三、问答题（共60分）1、请介绍大数据的定义及特点。

答：大数据是指海量、高速生成和处理的数据，它的特点有存储量大、运算速度快、结构复杂、可视化好。

大数据不仅仅是数量上的海量，还包含了数据的多样性、复杂性和动态性。

大数据可以带来新的商业价值，可以帮助企业做出正确的决策。

2、请介绍Hadoop的特点以及应用场景。

答：Hadoop是一个开源的分布式计算框架，它的特点有：1、可扩展性强，可以通过增加节点来扩展集群的规模；2、容错性强，可以在出现故障时保证数据的安全性和可靠性；3、低成本，使用Hadoop可以节省成本。

Hadoop的应用场景包括：1、大数据存储和分析；2、机器学习和人工智能；3、实时流处理和事件处理；4、图形计算和图形处理。

1. 大数据的4V特征不包括以下哪一项？A. VolumeB. VelocityC. VarietyD. Value2. 下列哪个不是大数据处理的关键技术？A. HadoopB. SparkC. OracleD. Kafka3. 数据仓库和大数据平台的主要区别在于？A. 数据仓库主要用于实时数据处理B. 大数据平台主要用于批量数据处理C. 数据仓库主要用于结构化数据存储D. 大数据平台主要用于非结构化数据存储4. 下列哪个编程语言最适合用于数据科学？A. JavaB. PythonC. C++D. Ruby5. 在数据分析中，以下哪个步骤通常最先进行？A. 数据清洗B. 数据可视化C. 数据建模D. 数据收集6. 下列哪个工具不是用于数据可视化的？A. TableauB. Power BIC. ExcelD. TensorFlow7. 机器学习中的监督学习与非监督学习的主要区别在于？A. 监督学习需要标签数据B. 非监督学习需要标签数据C. 监督学习不需要数据预处理D. 非监督学习不需要数据预处理8. 下列哪个算法不属于分类算法？A. K-近邻B. 决策树C. 线性回归D. 支持向量机9. 在数据科学项目中，以下哪个角色负责数据清洗和预处理？A. 数据工程师B. 数据分析师C. 数据科学家D. 数据架构师10. 下列哪个不是云计算的服务模型？A. IaaSB. PaaSC. SaaSD. DaaS11. 在Hadoop生态系统中，哪个组件用于数据存储？A. HiveB. HBaseC. PigD. Spark12. 下列哪个不是NoSQL数据库的类型？A. 键值存储B. 文档存储C. 关系数据库D. 图形数据库13. 在数据科学中，以下哪个方法用于处理缺失数据？A. 删除含有缺失值的记录B. 使用平均值填充缺失值C. 使用中位数填充缺失值D. 所有上述方法14. 下列哪个不是数据挖掘的主要任务？A. 分类B. 回归C. 聚类D. 排序15. 在机器学习中，交叉验证的主要目的是什么？A. 提高模型精度B. 防止过拟合C. 增加数据量D. 减少计算时间16. 下列哪个不是数据科学家的主要技能？A. 编程能力B. 统计学知识C. 项目管理能力D. 网络安全知识17. 在数据分析中，以下哪个图表最适合展示时间序列数据？A. 条形图B. 饼图C. 折线图D. 散点图18. 下列哪个不是大数据的主要应用领域？A. 金融B. 医疗C. 教育D. 农业19. 在数据科学中，以下哪个步骤通常最后进行？A. 数据收集B. 数据清洗C. 数据建模D. 数据可视化20. 下列哪个不是数据仓库的主要功能？A. 数据集成B. 数据存储C. 数据分析D. 数据备份21. 在数据科学中，以下哪个方法用于特征选择？A. 主成分分析B. 线性回归C. 决策树D. 聚类分析22. 下列哪个不是数据科学的主要工具？A. RB. PythonC. SQLD. Photoshop23. 在数据分析中，以下哪个步骤通常最先进行？A. 数据清洗B. 数据可视化C. 数据建模D. 数据收集24. 下列哪个不是大数据处理的关键技术？A. HadoopB. SparkC. OracleD. Kafka25. 数据仓库和大数据平台的主要区别在于？A. 数据仓库主要用于实时数据处理B. 大数据平台主要用于批量数据处理C. 数据仓库主要用于结构化数据存储D. 大数据平台主要用于非结构化数据存储26. 下列哪个编程语言最适合用于数据科学？A. JavaB. PythonC. C++D. Ruby27. 在数据分析中，以下哪个步骤通常最先进行？A. 数据清洗B. 数据可视化C. 数据建模D. 数据收集28. 下列哪个工具不是用于数据可视化的？A. TableauB. Power BIC. ExcelD. TensorFlow29. 机器学习中的监督学习与非监督学习的主要区别在于？A. 监督学习需要标签数据B. 非监督学习需要标签数据C. 监督学习不需要数据预处理D. 非监督学习不需要数据预处理30. 下列哪个算法不属于分类算法？A. K-近邻B. 决策树C. 线性回归D. 支持向量机31. 在数据科学项目中，以下哪个角色负责数据清洗和预处理？A. 数据工程师B. 数据分析师C. 数据科学家D. 数据架构师32. 下列哪个不是云计算的服务模型？A. IaaSB. PaaSC. SaaSD. DaaS33. 在Hadoop生态系统中，哪个组件用于数据存储？A. HiveB. HBaseC. PigD. Spark34. 下列哪个不是NoSQL数据库的类型？A. 键值存储B. 文档存储C. 关系数据库D. 图形数据库35. 在数据科学中，以下哪个方法用于处理缺失数据？A. 删除含有缺失值的记录B. 使用平均值填充缺失值C. 使用中位数填充缺失值D. 所有上述方法36. 下列哪个不是数据挖掘的主要任务？A. 分类B. 回归C. 聚类D. 排序37. 在机器学习中，交叉验证的主要目的是什么？A. 提高模型精度B. 防止过拟合C. 增加数据量D. 减少计算时间38. 下列哪个不是数据科学家的主要技能？A. 编程能力B. 统计学知识C. 项目管理能力D. 网络安全知识39. 在数据分析中，以下哪个图表最适合展示时间序列数据？A. 条形图B. 饼图C. 折线图D. 散点图40. 下列哪个不是大数据的主要应用领域？A. 金融B. 医疗C. 教育D. 农业41. 在数据科学中，以下哪个步骤通常最后进行？A. 数据收集B. 数据清洗C. 数据建模D. 数据可视化42. 下列哪个不是数据仓库的主要功能？A. 数据集成B. 数据存储C. 数据分析D. 数据备份43. 在数据科学中，以下哪个方法用于特征选择？A. 主成分分析B. 线性回归C. 决策树D. 聚类分析44. 下列哪个不是数据科学的主要工具？A. RB. PythonC. SQLD. Photoshop45. 在数据分析中，以下哪个步骤通常最先进行？A. 数据清洗B. 数据可视化C. 数据建模D. 数据收集46. 下列哪个不是大数据处理的关键技术？A. HadoopB. SparkC. OracleD. Kafka47. 数据仓库和大数据平台的主要区别在于？A. 数据仓库主要用于实时数据处理B. 大数据平台主要用于批量数据处理C. 数据仓库主要用于结构化数据存储D. 大数据平台主要用于非结构化数据存储48. 下列哪个编程语言最适合用于数据科学？A. JavaB. PythonC. C++D. Ruby49. 在数据分析中，以下哪个步骤通常最先进行？A. 数据清洗B. 数据可视化C. 数据建模D. 数据收集50. 下列哪个工具不是用于数据可视化的？A. TableauB. Power BIC. ExcelD. TensorFlow51. 机器学习中的监督学习与非监督学习的主要区别在于？A. 监督学习需要标签数据B. 非监督学习需要标签数据C. 监督学习不需要数据预处理D. 非监督学习不需要数据预处理52. 下列哪个算法不属于分类算法？A. K-近邻B. 决策树C. 线性回归D. 支持向量机53. 在数据科学项目中，以下哪个角色负责数据清洗和预处理？A. 数据工程师B. 数据分析师C. 数据科学家D. 数据架构师54. 下列哪个不是云计算的服务模型？A. IaaSB. PaaSC. SaaS55. 在Hadoop生态系统中，哪个组件用于数据存储？A. HiveB. HBaseC. PigD. Spark56. 下列哪个不是NoSQL数据库的类型？A. 键值存储B. 文档存储C. 关系数据库D. 图形数据库57. 在数据科学中，以下哪个方法用于处理缺失数据？A. 删除含有缺失值的记录B. 使用平均值填充缺失值C. 使用中位数填充缺失值D. 所有上述方法58. 下列哪个不是数据挖掘的主要任务？A. 分类B. 回归C. 聚类D. 排序59. 在机器学习中，交叉验证的主要目的是什么？A. 提高模型精度B. 防止过拟合C. 增加数据量D. 减少计算时间60. 下列哪个不是数据科学家的主要技能？A. 编程能力B. 统计学知识C. 项目管理能力D. 网络安全知识61. 在数据分析中，以下哪个图表最适合展示时间序列数据？A. 条形图B. 饼图C. 折线图D. 散点图62. 下列哪个不是大数据的主要应用领域？A. 金融C. 教育D. 农业答案1. D2. C3. D4. B5. D6. D7. A8. C9. A10. D11. B12. C13. D14. D15. B16. D17. C18. D19. D20. D21. A22. D23. D24. C25. D26. B27. D28. D29. A30. C31. A32. D33. B34. C35. D36. D37. B38. D39. C40. D41. D42. D43. A44. D46. C47. D48. B49. D50. D51. A52. C53. A54. D55. B56. C57. D58. D59. B60. D61. C62. D这些题目涵盖了大数据技术和数据科学应用的多个方面，包括基本概念、技术工具、数据处理方法、机器学习算法等。