大数据技术与应用期末考试试题及答案.docxVIP

大数据技术与应用期末考试试题及答案

大数据技术与应用期末考试试题

考试时间：120分钟满分：100分

一、单项选择题（每题2分，共20分）

下列哪项不属于大数据的“4V”特征？（）

A.海量性（Volume）B.高速性（Velocity）C.真实性（Veracity）D.易处理性（Vulnerability）

Hadoop生态系统中，负责分布式存储的核心组件是（）

A.MapReduceB.HDFSC.YARND.HBase

下列哪种数据库更适合存储非结构化和半结构化数据？（）

A.MySQLB.OracleC.MongoDBD.SQLServer

Spark相比MapReduce的核心优势不包括（）

A.基于内存计算，速度更快B.支持迭代计算C.仅支持批处理D.API更简洁易用

数据清洗过程中，处理缺失值的常用方法不包括（）

A.删除法B.替换法C.加密法D.插值法

下列哪项属于流处理框架？（）

A.HadoopB.SparkStreamingC.HiveD.Pig

大数据分析流程中，“将数据转换为适合分析的格式”属于哪个阶段？（）

A.数据采集B.数据预处理C.数据建模D.结果可视化

HBase的行键（RowKey）具有什么特性？（）

A.无序性B.唯一性C.可重复D.固定长度

下列哪种算法不属于大数据挖掘中的分类算法？（）

A.决策树B.K-MeansC.逻辑回归D.支持向量机（SVM）

数据可视化工具中，常用于制作交互式仪表盘的是（）

A.ExcelB.TableauC.Notepad++D.JupyterNotebook

二、多项选择题（每题3分，共15分，多选、少选、错选均不得分）

Hadoop生态系统的核心组件包括（）

A.HDFSB.MapReduceC.YARND.Spark

数据采集的常用工具或技术有（）

A.FlumeB.SqoopC.KafkaD.ETL工具

下列属于NoSQL数据库的特点的是（）

A.不依赖SQL语言B.支持分布式存储C.强一致性D.适合海量数据存储

Spark的核心模块包括（）

A.SparkCoreB.SparkSQLC.SparkStreamingD.MLlib

大数据安全面临的主要挑战有（）

A.数据泄露风险B.隐私保护难题C.数据访问控制复杂D.数据量小易丢失

三、判断题（每题1分，共10分，正确打“√”，错误打“×”）

大数据的核心价值在于数据的海量存储，而非数据分析。（）

HDFS采用主从架构，NameNode负责管理元数据，DataNode负责存储实际数据。（）

MapReduce的计算过程分为Map阶段、Shuffle阶段和Reduce阶段。（）

NoSQL数据库完全不支持事务处理。（）

数据预处理是大数据分析中最耗时但最关键的步骤之一。（）

Spark只能处理批处理数据，无法处理实时流数据。（）

HBase是基于列存储的分布式数据库。（）

数据可视化的核心目的是将复杂数据转化为直观易懂的图表。（）

Sqoop主要用于在Hadoop与关系型数据库之间进行数据传输。（）

大数据分析一定需要使用分布式计算框架，单机无法完成。（）

四、简答题（每题5分，共25分）

简述HDFS的架构组成及各组件的主要功能。

什么是MapReduce？其核心工作流程是什么？

对比关系型数据库和NoSQL数据库的主要区别，分别适用于什么场景？

数据预处理的主要步骤有哪些？每个步骤的作用是什么？

简述Spark的核心优势及主要应用场景。

五、综合应用题（共30分）

某电商平台积累了大量用户行为数据（包括浏览记录、购买记录、收藏记录等）和商品数据（包括商品分类、价格、销量等）。请结合大数据技术，回答以下问题：

该平台应采用哪些技术工具完成数据的采集、存储、处理和分析全流程？请说明各环节选择该工具的原因。（15分）

若要分析“用户购买行为与商品价格、分类的关联关系”，请设计具体的分析步骤，并说明可能用到的分析算法或技术。（15分）

参考答案及解析

一、单项选择题（每题2分，共20分）

D解析：大数据“4V”特征为海量性（Volume）、高速性（Veloc