2025年大数据专业期末考试试卷及答案.docxVIP

2025年大数据专业期末考试试卷及答案

一、单项选择题（本大题共20小题，每小题2分，共40分。在每小题给出的四个选项中，只有一项是符合题目要求的）

1.在Hadoop3.x版本中，HDFS默认的块大小是（）

A.32MB

B.64MB

C.128MB

D.256MB

2.以下关于SparkRDD的描述中，错误的是（）

A.RDD是不可变的分布式数据集

B.RDD支持基于内存的计算

C.RDD的转换操作是惰性执行的

D.RDD的持久化操作默认存储级别是MEMORY_AND_DISK

3.数据清洗过程中，处理缺失值的方法不包括（）

A.删除缺失值所在行

B.用均值填充数值型缺失值

C.用K-means聚类填充分类变量缺失值

D.直接保留缺失值用于后续建模

4.以下不属于分布式文件系统的是（）

A.HDFS

B.GFS

C.FAT32

D.Ceph

5.某电商平台需要实时分析用户点击流数据，最适合的计算框架是（）

A.HadoopMapReduce

B.SparkCore

C.SparkStreaming

D.Flink

6.在Hive中，以下关于分区（Partition）和分桶（Bucket）的描述正确的是（）

A.分区用于减少全表扫描范围，分桶用于提高JOIN效率

B.分区键必须是日期类型，分桶键可以是任意类型

C.分区表的数据存储在同一个目录下，分桶表存储在不同子目录

D.分区和分桶都只能在创建表时定义，无法后续修改

7.以下属于非结构化数据的是（）

A.关系型数据库中的用户表

B.日志文件中的JSON格式记录

C.社交媒体中的用户评论文本

D.财务系统中的Excel报表

8.数据仓库（DW）与数据库（DB）的核心区别是（）

A.数据仓库支持OLTP，数据库支持OLAP

B.数据仓库存储当前数据，数据库存储历史数据

C.数据仓库面向主题，数据库面向应用

D.数据仓库使用行存储，数据库使用列存储

9.在Kafka中，消费者组（ConsumerGroup）的作用是（）

A.保证消息的顺序性

B.实现消息的广播和负载均衡

C.存储消息的元数据

D.控制生产者的消息发送速率

10.以下关于机器学习中过拟合的描述，错误的是（）

A.过拟合表现为模型在训练集上效果好，测试集上效果差

B.增加训练数据量可以缓解过拟合

C.使用L1/L2正则化可以降低模型复杂度

D.过拟合是由于模型复杂度不足导致的

11.在SparkSQL中，DataFrame的底层数据结构是（）

A.RDD[Row]

B.RDD[Tuple]

C.分布式哈希表

D.列式存储的内存表

12.以下不属于NoSQL数据库特点的是（）

A.支持ACID事务

B.灵活的模式（Schema-less）

C.横向扩展能力

D.非关系型数据模型

13.某企业需要对PB级历史日志数据进行离线分析，最优的存储方案是（）

A.MySQL集群

B.HBase

C.HDFS+Hive

D.Redis

14.数据湖（DataLake）与数据仓库（DataWarehouse）的主要区别是（）

A.数据湖存储结构化数据，数据仓库存储非结构化数据

B.数据湖在存储时定义模式（Schema-on-Write），数据仓库在使用时定义模式（Schema-on-Read）

C.数据湖支持多类型数据存储，数据仓库通常存储结构化数据

D.数据湖仅用于实时处理，数据仓库仅用于离线处理

15.在Flink中，事件时间（EventTime）是指（）

A.数据进入Flink系统的时间

B.数据在数据源产生的时间

C.数据被处理完成的时间

D.水位线（Watermark）生成的时间

16.以下关于HBase的描述，正确的是（）

A.HBase是列式存储的NoSQL数据库，基于HDFS

B.HBase的RowKey支持范围查询，不支持精确查询

C.HBase的RegionServer负责管理元数据（.META.表）

D.HBase不支持二级索引，所有查询必须通过RowKey

17.数据挖掘中的关联规则分析常用的算法是（）

A.K-means

B.Apriori

C.SVM

D