2025年大数据技术与应用考试试题及答案.docxVIP

2025年大数据技术与应用考试试题及答案

一、单项选择题（每题2分，共20分）

1.以下哪项不属于大数据4V特征？

A.Volume（大量）

B.Velocity（高速）

C.Value（价值）

D.Variability（多变）

答案：D（注：标准4V特征为Volume、Velocity、Variety、Value，Variability属于扩展特征）

2.分布式文件系统HDFS中，默认数据块大小为？

A.32MB

B.64MB

C.128MB

D.256MB

答案：C（HDFS默认块大小自Hadoop2.x起调整为128MB，用于降低NameNode内存压力）

3.Spark中用于缓存RDD数据的持久化级别“MEMORY_AND_DISK”表示？

A.仅内存存储，不足时丢弃

B.内存存储，不足时溢写磁盘

C.磁盘存储为主，内存缓存部分

D.内存与磁盘各存储一份

答案：B（该级别优先使用内存，内存不足时将未缓存的数据写入磁盘）

4.实时数据流处理框架Flink中，事件时间（EventTime）的语义是基于？

A.数据生成的时间戳

B.数据进入处理系统的时间

C.数据完成处理的时间

D.用户自定义的时间标签

答案：A（事件时间指数据实际产生的时间，由数据本身携带的时间戳决定）

5.数据仓库（DataWarehouse）的核心特性不包括？

A.面向主题

B.实时更新

C.集成性

D.历史数据存储

答案：B（数据仓库通常为批量更新，实时性要求低于数据湖或实时数据库）

6.以下哪种技术常用于解决大数据的“冷启动”问题？

A.协同过滤推荐

B.基于内容的推荐

C.矩阵分解

D.逻辑回归

答案：B（基于内容的推荐不依赖用户历史行为，适合新用户或新物品的冷启动场景）

7.大数据平台中，ZooKeeper的主要功能是？

A.分布式协调服务

B.实时数据计算

C.海量数据存储

D.资源调度管理

答案：A（ZooKeeper提供分布式系统的配置管理、集群协调、选举等核心服务）

8.数据清洗过程中，处理“年龄字段出现-5”的问题属于？

A.缺失值处理

B.异常值处理

C.重复值处理

D.格式标准化

答案：B（年龄为负数属于逻辑错误的异常值，需修正或删除）

9.以下哪项是NoSQL数据库的典型应用场景？

A.银行交易记录存储（强事务需求）

B.社交平台用户动态存储（高并发写）

C.企业ERP系统数据管理（复杂查询）

D.政府统计报表数据存储（结构化查询）

答案：B（NoSQL适合高并发、非结构化或半结构化数据的快速读写，如社交动态）

10.大数据隐私保护中，“K-匿名”技术的核心目标是？

A.确保数据不可追溯到具体个体

B.加密敏感字段

C.限制数据访问权限

D.模糊处理数值型数据

答案：A（K-匿名通过泛化或抑制数据，使至少K个个体具有相同的标识属性，防止身份泄露）

二、填空题（每题2分，共20分）

1.大数据处理的典型架构可分为数据采集层、________、存储计算层、分析应用层。

答案：数据清洗/预处理层

2.Hadoop生态中，负责资源调度与管理的组件是________。

答案：YARN（YetAnotherResourceNegotiator）

3.Spark的核心抽象是________，其具有不可变、可分区、容错性等特性。

答案：RDD（弹性分布式数据集）

4.实时计算中，Flink的窗口类型主要包括时间窗口、计数窗口和________。

答案：会话窗口（SessionWindow）

5.数据湖（DataLake）与数据仓库的主要区别在于数据存储的________（填“结构化”或“非结构化”）。

答案：非结构化（数据湖支持多类型数据，数据仓库以结构化为主）

6.机器学习中，用于评估分类模型性能的常用指标包括准确率、召回率和________。

答案：F1分数（或精确率、AUC-ROC等，需对应分类场景）

7.分布式数据库HBase的底层存储依赖________文件系统。

答案：HDFS（Hadoop分布式文件系统）

8.数据脱敏技术中，将“身份证号”替换为“”的方法属于________。

答案：掩码（或遮盖、脱敏）

9.流批一体架构中，________（填技术名称）通过统一的API支持实时流处理与离线