大数据开发基础练习题及答案13-2023-练习版

试题说明

本套试题共包括1套试卷

答案和解析在每套试卷后

大数据开发基础练习题及答案13（500题）

大数据开发基础练习题及答案13

L［单选题］下面对集成学习模型中的弱学习者描述错误的是（）

A）他们经常不会过拟合

B）他们通常带有高偏差，所以其并不能解决复杂学习问题

C）他们通常会过拟合$；

2.［单选题］从行为目的与思维方式看，下列哪个属于描述性统计分析（）。

A）线性回归；$参数估计

B）相关分析

C）主成分分析

3.［单选题］Hive架构中使用（—）语言对数据进行自动化管理和处理。

A）SQL

B）Java

C）C

D）类SQL

4.［单选题］下面在python3中合法的语句为()。

A)printHello,World!

B)print'Hello,World!'

C)print('Hello,World!')

D)print"Hello,World!"

5.［单选题］HBase依靠（）提供消息通信机制。

A）ZooKeeper

B）Chubby

C）RPC

D）Socket

6.［单选题］以下描述中不正确的是（——）。

A）整个数据集可以称作一个样本

B）样本不可以是单个示例

C）一个样本可以称为一个“特征向量”

D）样本中反映事件或对象在某方面的表现或性质的事项，可以称为“特征”

7.［单选题］删除用户账号命令是()

A)DROPUSER

B)DROPTABLEUSER

C)DELETEUSER

D)DELETEFROMUSER

8.［单选题］关于FusioninsightManager关键特性或操作说法正确的是

A)能够针对整个集群或者某个服务进行健康监测，不能够针对某个节点进行健康监测

B)Manger引入角色的概念，采用RDAC的方式对系统进行权限管理

C)整个系统使用Kerberos管理用户，使用LDAP进行用户认证，通过CAS实现单点登录

D)对于健康检查结果，不能够导出检查报告，只能够在线查看

9.［单选题］在HDFS的数据写入过程中，客服端首先调用()的实例的create。方法打开一个文件。

A)DistributedFileSystem

B)FileSystem

C)FSDataOutputSteam

D)FSDatalnputSteam

10.［单选题］下面不属于数据科学中常用的开源技术搜索的有(_)。

A)elasticsearch

B)redeo

C)solr

D)lucene

11.［单选题］在一个基本的Hadoop集群中，DataNode主要负责什么？

A)负责执行由JobTracker指派的任务

B)协调数据计算任务

C)负责协调集群中的数据存储

D)存储被拆分的数据块

12.［单选题］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

13.［单选题］下列说法错误的是()。

A)当目标函数是凸函数时，梯度下降算法的解一般就是全局最优解

B)进行PCA降维时，需要计算协方差矩

C)沿负梯度的方向一定是最优的方向

D)利用拉格朗日函数能解带约束的优化问题

14.［单选题］下列哪个不是常用分词方法？

A）基于Tiretree的分词方法

B）基于HMM的分词方法

C）基于CRF的分词方法

D）基于Kmeans的分词方法

15.［单选题］下列有关KNN算法的流程顺序，描述正确的是（）

①确定K的大小，和距离的计算方法

②根据K个样本的所属类别，投票决定测试样本的类别归属

③计算训练集样本与测试样本的距离，选出K个与测试样本最相似的样本

A）、①②③

B）、③②①

C）、①③②

D）、②①③

16.［单选题］MaxCompute表中的列，不支持：（）数据类型。

A）boolean

B）varchar

C）bigint

D）double

17.［单选题］在电子商务网站进行网购时，用户的点击流数据会被实时发送到后端的大数据分析平台

进行处理，平台根据用户的特征，找到与其购买兴趣匹配的其他用户群体，再把其他用户曾经购买

过而该用户还没购买过的相关商品推荐给该用户。这个过程需要（）

A）高效率性。

B）高精确性。

C）明确的因果关系。

D）符合用户需求。

18.［单选题］（）可以减少相同数据重复存储的现象

A）记录

B）字段

C）文件

D）数据库

19.［单选题］大数据时代，我们可以直接处理全样数据的根本原因是（）

A）大数据技术的高度发展。

B）抽样有系统误差。

C）抽样误差不可控制

D）全样没有误差

20.［单选题］以下描述不正确的是（_）。

A）描述性分析主要采用描述性统计分析方法

B）诊断性分析主要采用关联分析

C）预测性分析主要采用因果分析

D）规范性分析主要采用运筹学，模拟与仿真技术

21.［单选题］（）牵头负责涉及公司重要数据的密级审核工作，开展商密数据保密工作指导和监督检

查。

A）国网安质部

B）国网信通部

C）网络安全和信息化领导小组

D）国网办公厅

22.［单选题］下列关于Hive支持的文件存储格式TEXTFILE描述错误的是（）

A）TEXTFILE为默认格式

B）TEXTFILE文件格式数据会压缩

C）TEXTFILE文件格式磁盘开销大

D）TEXTFILE文件格式数据解析开销大

23.［单选题］无条件共享：是指可对（）提供的数据。

A）公司外部所有人员

B）公司内部所有人员

C）所有人员

D）公司内部特定人员

24.［单选题］从行为目的与思维方式看，下列属于描述性统计分析的是（）。

A）线性回归

B）参数估计

C）相关分析

D）主成分分析

25.［单选题］HBaseShell是一个封装了Java客户端API的JRuby应用软件，有（）和批处理模式这两种

运行方式

A）交互模式

B）对象模式

C）单例模式

D）动态模式

26.［单选题］美国海军军官莫里通过对前人航海日志的分析，绘制了新的航海路线图，标明了大风与

洋流可能发生的地点。这体现了大数据分析理念中的（）。

A）在数据基础上倾向于全体数据而不是抽样数据

B）在分析方法上更注重相关分析而不是因果分析

C)在分析效果上更追究效率而不是绝对精确

D)在数据规模上强调相对数据而不是绝对数据

27.［单选题］最早被提出的循环神经网络门控算法是()

A)长短期记忆网络

B)门控循环单元网络

C)堆叠循环神经网络

D)双向循环神经网络

28.［单选题］下列哪个选项可以来判断Hbase表是否存在？

A)table,containskey(tableName)

B)admin.getTable(TableName)

C)adminTableExists(TableNamevalueOf(tableName))

D)adminTableExists(tableName)

29.［单选题］下列哪一项在神经网络中引入了非线性

A)随机梯度下降

B)修正线性单元(ReLU)

C)卷积函数

D)以上都不正确

30.［单选题］下列属于卷积网络类型分类的是()

A)普通卷积

B)扩张卷积中

C)转置卷积

D)以上答案都正确

31.［单选题］大数据整合要保证各个数据源之间的()。

A)一致性、协调性

B)差异性、协调性

C)一致性、差异性

D)一致性、相容性

32.［单选题］触发器不是响应以下哪一语句而自动执行的Mysql语句

A)select

B)insert

C)delete

D)update

33.［单选题］Tom是MaxCompute中某个项目空间prgl的管理员。该项目空间有很多敏感数据，比如用

户身份号码和薪资记录，还有很多自主知识产权的数据算法，Ton希望能按项自空间中的这些收感数

据和算法保护好，项目中用户只能在项目空间中访问，数据只能在项目空间内流动，他应该：(

)o

A)使用ACL授权将所有用户设置为只读

B)使用Policy授权将所有用户设管为只读

C)允许对象创建者访问对象

D)开启项目空间的数据保护机制

34.［单选题］下列不属于大数据在社会活动中的典型应用的是()。

A)美团实现了快速精准的送餐服务

B)共享单车、滴滴打车方便了人们的日常出行

C)快递实现了订单的实时跟踪

D)供电公司提供电费账单查询

35.［单选题］scipy.cluster模块的作用是(一)。

A)傅里叶变换

B)积分程序

C)向量计算

D)优化

36.［单选题］根据《大数据风控平台项目操作手册》，财务智能分析中的财务指标趋势分析模块，点

击()可切换查看【合并】或【本部】财务报表分析结果。

A)合并/本部

B)B.按报告期/按年度切换

c)c.同比变化率/比年初变化率

D)D.以上都不对

37.［单选题］如果使用线性回归模型，下列说法正确的是()。

A)检查异常值是很重要的，因为线性回归对离群效应很敏感

B)线性回归分析要求所有变量特征都必须具有正态分布

0线性回归假设数据中基本没有多重共线性

D)以上说法都不对

38.［单选题］numpy中矩阵转成向量使用什么函数？

A)np.shape()

B)np.resize()

C)np.arange()

D)np.random()

39.［单选题］在Hadoop中，下面哪一个是默认的OutputFormat()

A)SequenceFileOutputFormat

B)LazyOutputFormat

C)DBOutputFormat

D)TextOutputFormat

40.[单选题]中国自主研发、发布的首个人工智能平台叫做

A)九天

B)移娃

C)大云

D)OneNet

41.[单选题]运行下面代码的输出结果为()。

Importnumpyasnp

A=np.array([10,100,1000])print(np.power(a,2))

A)[101001000]

B)[100100001000000]

C)[123]

D)[10100001000000000]

42.[单选题]DAGScheduler的作用是()

A)负责分配任务

B)负责调度Worker的运行

C)负责创建执行计划

D)负责清理执行完毕的任务

43.[单选题]以下删除记录正确的()

A)deletefromempwherename='donyf；

B)Delete*fromempwherename='dony'；

C)Dropfromempwherename='dony'；

D)Drop*fromempwherename=1dony1；

44.[单选题]执行以下代码段motorcycles=[1honda1,1yamaha,,

1suzuki^motorcycles,append('ducati')motorcycles,pop(l)print(motorcycles)时,输出为

(一)o

A)['honda',1yamaha1,'suzuki']

B)['yamaha1,'suzuki','ducati1]

C)['honda','yamaha',1suzuki1,1ducati1]

D)honda1,1suzuki11ducati1]

45.[单选题]HBase中Region的物理存储单元是：()。

A)Region

B)ColumnFamily

C)Column

D)Row

46.［单选题］下列不属于数组属性的是()o

A)ndim

B)shape

C)size

D)add

47.［单选题］在k近邻学习算法中，随着k的增加，上界将逐渐降低，当k区域无穷大时，上界和下界

碰到一起，k近邻法就达到了()

A)贝叶斯错误率

B)渐进错误率

C)最优值

D)上界

48.［单选题］在Hive中，如果是要条件查询后才连接，应该把查询条件置于on()

A)后

B)前

C)前后都可以

D)以上都不对

49.［单选题］在Hive的连接查询中，完全外连接通过关键字()进行标识

A)allouterjoin

B)fullouterjoin

C)innerjoin

D)fulljoin

50.［单选题］下面关于"LIMIT4”的描述正确的是()。—

A)4表示可获取的最大记录数量

B)4表示从5条记录开始获取

C)查询的实际记录数不能小于4

D)以上说法都不正确

51.［单选题］对于数据3,3,2,3,6,3,10,3,6,3,2,得出以下结论:①这组数据的众数是

3；②这组数据的众数与中位数的数值不相等;③这组数据的中位数与平均数的数值不相等；@准组数

据的平均数与众数的数值相等。其中正确结论的个数为()。

A)1

B)2

03

D)4

52.［单选题］Spark计算模型数据存放在内存中，其容错机制基于

A)recompute机制

B)checkpoint机制

C)distribution机制

D)partition机制

53.［单选题］执行以下代码段x=5deffl()：globalxx=8deff2(a,b)：globalxreturna+

b+xf1()total=f2(10,20)print(total)时，输出为()。

A)35

B)38

C)30

D)37

54.［单选题］关于MaxcomputeMR()说法是正确的。

A)mapworker在输出数据时，需要为每一条输出数据指定一个key

B)进入reduce前，数据需要进行合并操作，然后按照key排序

0map和reduce前都需要对数据进行分片

D)reducer的个数和mapper的个数一致

55.［单选题］根据《大数据风控平台项目操作手册》，财务智能分析中的财务科目异动分析模块，点

击()可切换查看【合并】或【本部】财务报表分析结果。

A)合并/本部

B)B.按报告期/按年度切换

OC.同比变化率/比年初变化率

D)D.以上都不对

56.［单选题］Maxcompute的云帐号认证使用()机制。

A)智能卡

B)LDAP

C)数字证书

D)消息签名

57.［单选题］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

58.［单选题］(_)在完成某一类任务的性能能随经验而改进。

A)学习系统

B)学习任务

C)机器学习

D)数据科学系统

59.［单选题］词袋模型中文本向量的每个元素表示该词的(—)。

A)频率

B)顺序

C)含义

D)语义关系

60.[单选题]某公司总经理在公司年会上，希望清楚地展示出公司本年度发展的关键词、以及公司经

历的令人记忆深刻的大事件，他可以选择的图表是()

A)气泡图

B)面积图

C地图

D)文本图

61.[单选题]对模型进行超参数优化，详尽搜索指定参数的估计值使用()函数。

A)ParameterGrid()

B)ParameterSampler()

C)GridSearchCV()

D)RandomizedSearchCV()

62.[单选题]图表中可定义字段与字段间计算规则的功能是？()

A)新增分组字段

B)新增计算字段

C)筛选器

D)条件样式

63.[单选题]以下程序的输出结果是：L2=[[1,2,3,41,[5,6,7,8]]L2.sort(reverse=

True)print(L2)

A)[5,6,7,8],[1,2,3,4]

B)[[8,7,6,5],[4,3,2,11]

0[8,7,6,51,[4,3,2,1]

D)[[5,6,7,8],[1,2,3,4]]

64.[单选题]()是一个组织机构的数据管理的愿景、目标以及功能蓝图的统一管理。

A)数据治理

B)数据战略

C)数据加工

D)数据能力

65.[单选题]下列关于连接数组的描述不正确的是()。

A)concatenate()连接沿现有轴的数组序列

B)stack()沿着新的轴加入一系列数组

Ovstack()水平堆叠序列中的数组(列方向)

D)hstack()3D堆叠序列中的数组(行方向)

66.[单选题]()负责HDFS数据存储。

A)NameNode

B)JobTracker

C)DataNode

D)SecondaryNameNode

67.[单选题]下面代码中，创建的是一个3行3列数组的是()。

A)arr=np.array([1,2,3])

B)arr=np.array([[1,2,3],[4,5,6]])

C)arr=np.array([[1,2],[3,4]])

D)np.ones((3,3))

68.[单选题]下面哪种结果不是利用机器学习算法从数据中得到的？()

A)回归模型

B)规则

C)常识

D)神经网络

69.[单选题]数据存储可与()等终端设备相连，进行存储、处理公司涉密数据。

A)公用网络相连的计算机

B)智能手机

C)平板电脑

D)内部光盘

70.[单选题]以下说法错误的是()。

A)数据集中每个数据项作为单个图元素表示。

B)数据可视化可以帮助决策者更直观的观察和分析数据

C)数据可视化技术提供多种数据分析和图形化方法。

D)多维数据无法进行数据可视化

71.[单选题]最早被提出的循环神经网络门控算法是()。

A)长短期记忆网络

B)门控循环单元网络

C)堆叠循环神经网络

D)双向循环神经网络

72.[单选题]下列选项中，用于创建一个带有条件判断的循环过程的语句是()。-

A)LOOP语句

B)ITERATE语句

C)REPEAT语句

D)QUIT语句

73.［单选题］hadoop中下面哪项操作是不需要记录进日志的()

A)打开文件

B)重命名

C)编译文件

D)删除操作

74.［单选题］离线批处理工具不包含以下哪项？

A)Spark

B)MapReduce

C)Storm

D)SQL

75.［单选题］因子分析把每个原始变量分解为()两部分因素。

A)公共因子和特殊因子

B)特殊因子和相关因子

C)相关因子和独立因子

D)独立因子和公共因子

76.［单选题］执行如下代码：importturtleastdefDrawCctCircle(n)：t.penup()t.goto(0,-

n)t.pendown()t.circle(n)foriinrange(20,80,20)：DrawCctCircle(i)t.done()Python

TurtleGraphics中，绘制的图形是

A)同切圆

B)同心圆

C)笛卡尔心形

D)太极

77.［单选题］执行以下代码段i=Owhilei<3：print(i,end='')i+=lelse：print(0)时，输

出为(一)o

A)01230

B)0120

0012

D)Error

78.［单选题］Sqoop是一种用于在Hadoop和()之间传输数据的工具。

A)Hive

B)Oracle

C)关系型数据库

D)MySQL

79.［单选题］python中如想导入模块，则使用()

A)input

B)import

Ottimport

D)include

80.［单选题］Scipy中模块signal的作用是()。

A)信号处理

B)程序输入输出

C)程序输入输出

D)计算积分

81.［单选题］下列关于Map和Reduce函数的描述，哪个是错误的？

A)Map将小数据集进一步解析成一批〈key,value》对，输入Map函数中进行处理〈/key,value》

B)Map每一个输入的<k1="",v="">会输出一批<k2="",v="">o<k2="",v="">是计算的中间结果

</k></k></k>

C)Reduce输入的中间结果<k2="",list(v="")=""〉中的List(v2)表示是一批属于不同k2的

value</k>

D)Reduce输入的中间结果<k2="",list(v="")="">中的List(v2)表示是一批属于同一个k2的

value</k>

82.［单选题］()的基本想法是适当考虑一部分属性间的相互依赖信息，从而既不需要进行完全联合

概率讨算，又不至于彻底忽略了比较强的属性依赖关系

A)贝叶斯判定准则

B)贝叶斯决策论

C)朴素贝叶斯分类器

D)半朴素贝叶斯分类器

83.［单选题］下列关于TF-ID,F说法正确的是？

A)、该值与特征项在文档中出现的频率成反比

B)、该值与特征项在文档中出现的频率成正比

C)、该值与在整个语料库中出现该特征项的文档库成正比

D)、该值与特征项在文档中出现的频率无关

84.［单选题］下列去噪方法中能较好地保持图像边缘的是()。

A)中值滤波

B)双边滤波

C)均值滤波

D)高斯滤波

85.［单选题］MapReduce自定义排序规则需要重写下列那项方法()

A)readFields()

B)compareTo()

C)map()

D)reduce()

86.［单选题］数据集成的基本类型是（）。

A）内容集成、结构集成

B）内容集成、规约集成

C）规约集成、结构集成

D）模式集成、结构集成

87.［单选题］Spark的任务调度主要是由（—）来完成。

A）TaskScheduler

B）DAGScheduler

C）SchedulerBackend

D）ApplicationMaster

88.［单选题］伪彩色处理和假彩色处理是两种不同的色彩增强处理方法，说出下面属于伪彩色增强的

处理？

A）将景象中的蓝天边为红色，绿草变为蓝色

B）用自然色复制多光谱的景象

C）将灰度图经频域高通/低通后的信号分别送入红/蓝颜色显示控制通道

D）将红、绿、蓝彩色信号分别送入蓝、红、绿颜色显示控制通道

89.［单选题］通过（），激发和调动省、市、县和直属单位积极性，大胆探索、主动创新，不断累

积叠加新业务、新业态、新模式。

A）组织机构

B）基层首创

C）顶层设计

D）信息模型

90.［单选题］卷积神经网络（CNN）中Dropout层的作用是

A）加快收敛速度

B）防止过拟合

C）丰富训练样本

D）增强正样本

91.［单选题］下列选项中，不会加剧数据信息泄露风险的是（）。

A）不限制大数据搜集内容

B）数据中心内的大数据清洗

C）互联网平台进行大数据处理

D）个人移动设备参与大数据存储

92.［单选题］用于删除约束的命令是

A)ALTERTABLEMODIFYCONSTRAINT

B)DR0PCONSTRAINT

C)ALTERTABLEDROPCONSTRAINT

D)ALTERCONSTRAINTDROP

93.［单选题］根据不同的业务需求来建立数据模型，抽取最有意义的向量，决定选取哪种方法的数据

分析角色人员是()。

A)数据管理人员

B)数据分析员

C)研究科学家

D)软件开发工程师

94.［单选题］下列选项中，用于格式化字符串的是()

A)%

B)format()

C)f-string

D)以上全部

95.［单选题］下列命令中(在zookeeper安装文件夹的bin目录下执行)，哪项是停止ZooKeeper

的正确命令()

A)start-al.sh

B)start-stop,sh

C)zkServe.sh

D)zkServer,sh

96.［单选题］支撑大数据业务的基础是()。

A)数据科学

B)数据应用

C)数据硬件

D)数据人才

97.［单选题］从Anscombe的四组数据(Anscombe'sQuartet)可以看到().

A)数据可视化中的数据可以分为四组

B)数据可视化在数据科学中的重要地位

C)数据可视化与机器学习具有同等作用

D)数据可视化与机器学习具有同等作用

98.［单选题］根据《大数据风控平台项目操作手册》，关联关系图谱模块，图谱默认展示一层，用户

可点击()号，继续向下实时挖掘，若有挖掘结果，则图谱继续展开；若无结果，则该节点下为空

,无内容。用户点击()号，收起该节点下的挖掘结果。

A)+、—

B)B.一、+

C)C.+、+

D)D.一、-

99.［单选题］下列声明游标的语法格式中，正确的是（）。~

A）DECLAREcursor_nameCURSORFORselect_statement

B）CURSORcursornameFORselectstatement

C）DECLAREcursor_nameCURSOROFselect_statement

D）CURSORcursor_nameOFselect_statement

100.［单选题］大数据平台构建分布式文件系统、分布式数据仓库、非关系型数据库、关系型数据库

,实现各类数据的集中存储与统一管理，满足（）存储需求。

A）历史数据

B）离线数据

C）实时数据

D）多样化数据

101.［单选题］彩色图像增强时，（）处理可以采用RGB

A）直方图均衡化

B）同态滤波

0加权均值滤波

D）中值滤波

102.［单选题］在支持向量机中，核函数的主要作用是（_）。

A）将低维空间中线性不可分的数据映射到高维空间，使其线性可分

B）将高维空间中线性不可分的数据映射到低维空间，使其线性可分

C）将高维空间中线性可分的数据映射到低维空间，使其线性不可分

D）将低维空间中线性可分的数据映射到高维空间，使其线性不可分

103.［单选题］下列不属于数据科学开源工具的是（）。

A）MapReduce

B）ERP

OHadoop

D）D.Spark

104.［单选题］在Hive中使用那个子句可以将数据划分到不同的组中，实现对记录的分组查询（）

A）groupby

B）orderby

C）sortby

D）whereby

105.［单选题］从风险管理的角度，以下哪种方法不可取？（）

A）接受风险

B）分散风险

C）转移风险

D）拖延风险

106.［单选题］（）参数的增加可能会造成随机森林数据过拟合。

A）树的数量

B）树的深度

C）样本数据份数

D）叶数据尺寸

107.［单选题］Loader特点不包含？

A）图形化

B）实时性

C）高性能

D）安全

108.［单选题］Zookeeper的Scheme认证方式不包括以下哪项？

A）digest

B）sasl

C）auth

D）world

109.［单选题］（_）假设聚类结构能通过一组原型刻画，在显示聚类任务中极为常用。

A）原型聚类

B）密度聚类

C）层次聚类

D）AGNES

110.［单选题］点击率问题是这样一个预测问题，99%的人是不会点击的，而1%的人是会点击进去的

,所以这是一个非常不平衡的数据集假设，现在我们已经建了一个模型来分类，而且有了99%的预测

准确率，我们可以下的结论是（）

A）模型预测准确率已经很高了，我们不需要做什么了

B）模型预测准确率不高，我们需要做点什么改进模型

C）无法下结论

D）以上答案都不正确

111.［单选题］大数据的本质是（）。

A）挖掘

B）联系

C）搜集

D）洞察

112.［单选题］训练样本集S含有天气、气温、人体感受、风力4个指标，已知天气的病为0.694,温度的

嫡为0.859,人体感受的嫡为0.952,风力的嫡为0.971,如使用ID3算法，选择（）为树模型的分界点。

A)天气

B)气温

C)人体感受

D)风力

113.［单选题］下列选项中，关于HBase和BigTable的底层技术对应关系，哪个是错误的？

A)GFS与HDFS相对应

B)GFS与Zookeeper相对应

C)MapReduce与HadoopMapReduce相对应

D)Chubby与Zookeeper相对应

114.［单选题］下列关于Python全局变量和局部变量的描述不正确的是()。

A)local关键字用于定义局部变量，global关键字用于定义全局变量

B)关键字local定义的变量仅在该函数内可见

C)关键字global定义全局变量时必须自成一行

D)nonlocal变量不可以在内嵌函数中使用

115.［单选题］下列哪项具体任务不属于情感分析？()

A)情感分类

B)观点抽取

C)观点问答

D)段落匹配

116.［单选题］下面有关NameNode和secondaryNameNode通信协议说法错误的是()

A)secondaryNameNode使用NamenodeProtocol协议与NameNode进行通信

B)如果文件系统处于安全模式，那么关闭当前日志并打开新的日志操作会失败

C)如果旧的编辑日志丢失了，那么滚动fslmage日志会失败

D)secondaryNameNode可以从NameNode中得到任何datanode的块及其位置

117.［单选题］()反映数据的精细化程度，越细化的数据，价值越高。

A)规模

B)活性

C)关联度

D)颗粒度

118.［单选题］Hadoop框架是用下面哪个语言写的()

A)Pytyon

B)Java

C)C++

D)Scala

119.［单选题］从学习的过程角度话分，可将数据挖掘算法划分为()

A)机器学习和统计学算法

B)有监督学习和无监督学习

C)直接型数据挖掘算法和间接型数据挖掘算法

D)假设检验型算法和知识发现型算法

120.［单选题］下面不属于对学习器的泛化误差进行评估的方法是(_)

A)留出法

B)交叉验证法

0自助法

D)网格搜索法

121.［单选题］使用sklearn库进行预测结果的交叉验证，需要导入一下哪个包()。

A)sklearn.linear_model

B)sklearn.modelselection

C)sklearn.naive_bayes

D)sklearn.ensemble

122.［单选题］Matplotlib中调用堆积折线图的函数是()。

A)step()

B)stackplot()

C)plusplot()

D)hist()

123.［单选题］在HadoopMapReduce中，()是客户端需要执行的一个工作单元。

A)Input

B)job

C)Client

D)Task

124.［单选题］要在HDFS的根目录中建立一个叫hadoo的目录，下面哪一条命令是正确的()

A)mkdirhadoo

B)mkdir/hadoo

C)hadoopmkdirhadoo

D)hadoopfs-mkdir/hadoo

125.［单选题］对ElasticSearch描述正确的是？

A)客户端必须把索引请求发给EsMaster

B)客户端必须把索引请求发给shard

C)客户端必须把索引请求发给EsNode

D)客户端必须把索引请求发给指定的EsNode

126.［单选题］阅读下面程序：set_。={'a','c','b',

'a'}set_。.add（'d'）print（］.en（set_。））运行程序,输出结果是（）。

A）5

B）3

04

D）2

127.［单选题］Concatenate函数的功能是（）

A）把一个字符串按照指定字符串分隔成数组

B）提取出和正则表达式匹配的所有字符串组成数组

C）从一个字符串中截取特定长度的子串

D）把多个字符串按次序连接成一个字符

128.［单选题］词袋模型、TF-IDF、Word2vec等模型都有的作用是（）。

A）文本情感分析

B）文本特征向量化

C）文本特征离散化

D）文本特征分布式

129.［单选题］（）算法要求基学习器能对特定的数据分布进行学习，在训练过程的每一轮中，根据样本

分布为每个训练样本重新赋予一个权重。

A）Boosting

B）支持向量机

C）贝叶斯分类器

D）神经网络

130.［单选题］（）是指个体对视觉感知信息的进一步加工处理过程，包括视觉信息的抽取、转换、存储

、简化、合并、理解和决策加工活动。

A）视觉感知

B）视觉认知

C）视觉编码

D）视觉转换

131.［单选题］不予共享：是指。使用的数据，原则上不对其他人员提供。

A）仅限本部门特定人员

B）仅限公司特定人员

C）所有人均不能

D）公司内部人员

132.［单选题］当使用的Hive是2.x之后的版本时，那么就必须手动初始化元数据库。若是我们使

用Hive默认的dB、类型“derby"，那么我们应该使用（）命令进行初始化。

A）schematool-dbTypederby-initSchema

B）schematool-Typederby-initSchema

C）schema-dbTypederby-initSchema

D）schema-Typederby-initSchema

133.［单选题］某企业使用ADS做数据分析，其中部分数据来源于Maxcompute。技术人员在使用LOAD

DATA命令从Maxcompute加载数据到ADS的过程中,碰到如下错误信息:ERROR1105（HY000）：Youare

nottheownerofthesourcetable,最有可能出错的原因是：（）。

A）源表不存在

B）ADS的用户garudabuild@aliyun.com没有对源表的操作权限

C）Maxcompute的用户garuda_build@aliyun.com没有对源表的操作权限

D）源表中没有数据，为空表

134.［单选题］根据某个词所连接所有词汇的权重，重新计算该词汇的权重，然后把重新计算的权重

传递下去。直到这种变化达到均衡态，权重数值不再发生改变。这种关键词提取算法叫做（）。

A）TF-IDF

B）TextRank

OLDA

D）PCA

135.［单选题］某公司要建立资料库，该资料库要用ElasticSearch进行检索，请问下列哪些选项可以

放到资料库中？

A）Word文档

B）公司宣传视频

C）产品设计图

D）以上全部正确

136.［单选题］（）属于SVM应用

A）文本和超文本分类

B）图像分类

C）新文章聚类

D）以上均是

137.［单选题］以下关于Hive的设计特点的描述不正确的是（）

A）支持索引，加快数据查询

B）不支持不同的存储类型

C）可以直接使用存储在Hadoop文件系统中的数据

D）将元数据保存在关系数据库中

138.［单选题］在留出法、交叉验证法和自助法兰种评估方法中，（）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

0自助法

D）留一法

139.［单选题］企业数据分析平台在根据不同的业务场景需求，搭建不同的大数据分析平台，如适应

离线批处理的Hadoop平台；适应实时处理的流计算平台等，这种架构属于哪种类型的架构？

A）分离架构

B）单一架构

C）融合架构

D）多维架构

140.［单选题］关于DBSCAN聚类方法,说法错误的是（）

A）、该方法时是一种经典的基于密度的聚类算法

B）、该方法采用密度作为划分簇的依据

C）、该方法把具有足够密度的区域将被划分为一簇

D）、该方法用密度划分簇，密度无法可达的点标记下一个簇。

141.［单选题］写入数据到HDFS的Sink组件是（）。

A）Hive

B）HBase

C）HDFS

D）Hadoop

142.［单选题］以下说法正确的是（）o

A）已知x=3,那么赋值语句x='abcedfg'是无法正常执行的。

B）Python变量使用前必须先声明其类型。

OPython变量名不可以用数字开头，并且区分字母大小写。

D）0ol2f是合法的八进制数。

143.［单选题］对于信息增益，决策树分裂节点，下面说法正确的是（）1纯度高的节点需要更多的

信息去区分2信息增益可以用”1比特-炳”获得3如果选择一个属性具有许多归类值，那么这个

信息增益是有偏差的

A）1

B）2

C）2和3

D）所有以上

144.［单选题］序列的主要特征是

A）无序

B）复杂

C）有序

D）难理解

145.［单选题］根据《大数据风控平台项目操作手册》，财务智能分析中的财务指标趋势分析模块

,()部分按照时间轴顺序用折线展示财务指标的变动趋势，分析的财务指标可被用户在页面右侧

表格部分中自由选择。

A)表格

B)B.图表

C)C.文字

D)D.以上都不对

146.［单选题］HBase默认定义了两个系统内置的预定义命名空间，分别为hbase与()

A)nameSpace

B)dataSpace

C)baseSpace

D)default

147.［单选题］下列命令中(在zookeeper安装文件夹的bin目录下执行)，哪项是停止ZooKeeper

的正确命令()

A)start-all.sh

B)start-stop,sh

C)zkServer.sh

D)zkServer.sh

148.［单选题］一监狱人脸识别准入系统用来识别待进入人员的身份，此系统一共包括识别4种不同的

人员：狱警，小偷，送餐员，其他。下面哪种学习方法最适合此种应用需求：

A)二分类问题

B)多分类问题

C)层次聚类问题

D)回归问题

149.［单选题］()是指对于数据局部不良行为的非敏感性，它是探索性分杭且求的主要目标之一。

A)鲁棒性

B)稳定性

C)可靠性

D)耐抗性

150.［单选题］下面生成中间键值对的是()

A)Reducer

B)Mapper

C)Combiner

D)Partitioner

151.［单选题］运行下面代码，输出结果是()。

D={-2,-1,0,1,2,3}n=d.pop()

Print(n)

A)-2

B)2

C)不确定

D)3

152.［单选题］HBase依靠()存储底层数据。

A)HDFS

B)Hadoop

C)Memory

D)MapReduce

153.［单选题］Kafka中每种消息类别称为什么？

A)Object

B)Subject

C)Theze

D)Topic

154.［单选题］在方差分析中，()反映的是样本数据与其组平均值的差异

A)总离差

B)纽间误差

C)抽样误差

D)组内误差

155.［单选题］以下说法正确的是()

A)在使用KNN算法时，k通常取奇数

B)KNN是有监督学习算法

C)在使用KNN算法时，k取佳越大，模型越容易过拟合

D)KNN和K-means都是无监督学习算法

156.［单选题］划分聚类算法是一种简单的较为基本的重要聚类方法。它的主要思想是通过将数据点

集分为()个划分，并使用重复的控制策略使某个准则最优化，以达到最终的结果

A)D

B)K

C)E

D)F

157.［单选题］关于MapReduce的描述错误的是()

A)MapReduce框架会先排序map任务的输出

B)通常，作业的输入输出都会被存储在文件系统中

C)通常计算节点和存储节点是同一节点

D)一个Task通常会把输入集切分成若干独立的数据块

158.［单选题］scipy中模块constants的作用是什么？

A）向量计算

B）物理和数学常量

C）程序输入输出

D）信号处理

159.［单选题］下列哪些不是目前机器学习所面临的问题是（）。

A）测试集的规模

B）维度灾难

C）特征工程

D）过拟合

160.［单选题］数组的切片是原数组的（_）。

A）副本

B）视图

C）无关变量

D）子类

161.［单选题］（）是一个观测值，它与其他观测值的差别如此之大，以至于怀疑它是由不同的机制产生

的。

A）边界点

B）质心

C）离群点

D）核心点

162.［单选题］假设属性的取值范围是-957~924,当属性的值为426时，采用小数定标规范化方法对应

的转换结果是：（）

A）0.421

B）0.433

C）0.426

D）0.489

163.［单选题］在MapReduce计算架构中，（）组件属于hadoop的软件模块。

A）Client

B）JobTracker

C）TaskTracker

D）Task

164.［单选题］跨平台基础设施和分析工具不包括

A）亚马逊Web服务

B）微软Cortana

C）Google云平台

D)微软Azure

165.［单选题］matplotlib中调用柱状图的函数是

A)plot()

B)scatter()

C)bar()

D)hist()

166.［单选题］(_)不是常用的噪声处理方法。

A)聚类

B)回归

C)分类

D)分箱

167.［单选题］cell.zero_state(self.batch_size,dtype=tf.float32)这句代码的作用是()。

A)对inputs进行Dropout

B)构造MultiCell

C)输入图片

D)对MultiCell初始化

168.［单选题］下列关于HadoopAPI的说法错误的是

A)Hadoop的文件API不是通用的，只用于HDFS文件系统

B)Configuration类的默认实例化方法是以HDFS系统的资源配置为基础的

OFileStatus对象存储文件和目录的元数据

D)FSDataInputStream是java.io.DatalnputStream的子类

169.［单选题］通过数据、()和对数据的约束三者组成的数据模型来存放和管理数据

A)关系

B)数据行

C)数据列

D)数据表

170.［单选题］批处理常用的组件不包括哪个？

A)Storm

B)Hive

C)Flume

D)Spark

171.［单选题］下面对LSM结构描述正确的是？()

A)顺序存储

B)直接写硬盘

C)需要将数据Flush到磁盘

D）是一种搜索平衡树

172.［单选题］下列关于软支持向量机的说法正确的是（_）。

A）软间隔支持向量机不可应用拉格朗日乘子法求解

B）软间隔支持向量机和硬间隔支持向量机完全相同

C）软间隔支持向量机只能使用Hinge损失函数

D）软间隔支持向量机的目标函数仍是一个二次规划问题

173.［单选题］在MapReduce中,Map数取决于（）的总量

A）任务数

B）输入数据

C）输出数据

D）Reducer数

174.［单选题］关于饼图说法错误的是（）

A）、用于以二维或三维形式显示每一数值相对于总数值的大小

B）、饼图显示的是各数据之间的相对比例关系，而不是其绝对值

C）、饼图显示的是各数据之间的绝对值关系

D）、饼图可以用于分析数据各个类别占比情况

175.［单选题］（）函数的功能是使用训练完成的模型给出输入数据的预测值。

A）CsvAssemble

B）Tokenization

ONumAssemble

D）Predict

176.［单选题］ordinalencoder将属性转化为（）

A）独热编码

B）附带特性的数字

C）二进制编码

D）ASCII码

177.［单选题］以下关于数据服务API开放方使用流程，描述正确的是：（）。

A）创建api并发布api

B）获取API

C）调用API

D）创建应用并获取授权

178.［单选题］大数据计算服务中的fact_order表的生命周期属性设置成了30天，开发人员通过以下

命令创建了一张新的fact_lottery_order表：createtablefact」ottery_orderlike

fact_order；对于新表的描述正确的是：（）。

A）factjottery_order的生命周期属性是无穷大

B）fact_lottery_order的生命周期属性不会被设置

C）fact［ottery_order的生命周期属性是30

D）fact_lottery_order的生命周期属性是0

179.［单选题］CNN神经网络对图像特征提取带来了变革性的变化，使之前的人工特征提取升级到数

据驱动的自动特征提取，在CNN中，起到特征提取作用的网络层是（）。

A）卷积层

B）全连接层

C）池化层

D）采样层

180.［单选题］以下哪项不属于数据挖掘的内容？（）

A）补充与完善路网属性

B）多维分析统计用户出行规律

C）高德地图导航有躲避拥堵功能

D）建立道路拥堵概率与拥堵趋势变化模型

181.［单选题］Hive创建表的语句是（）

A）createtable

B）createdatabase

C）createdata

D）createsheet

182.［单选题］特征工程的目的是（

A）找到最合适的算法

B）得到最好的输入数据

C）减低模型复杂皮

D）加快计算速度

183.［单选题］对ElasticSearch检索流程描述正确的是？

A）分片节点汇总结果发送给客户端

B）检索节点汇总结果发送给客户端

C）分片节点不需要汇总结果直接把结果发送给客户端

D）检索节点不需要汇总结果直接把结果发送给客户端

184.［单选题］下列关于流计算的说法，哪项是错误的？（）

A）实时获取来自不同数据源的海量数据，经过实时分析处理，获得有价值的信息

B）流计算秉承一个基本理念，即

C）对于一个流计算系统来说，它应该支持TB级甚至是PB级的数据规模

D）流计算只需要保证较低的延迟时间，即只达到秒级别即可处理一切问题

185.［单选题］以下for语句结构中，（）不能完成「10的累加功能。（）

A）Foriinrange（10,0）：total+=i

B）Foriinrange（1,11）：total+=i

C）ForIinrange（10,0,-l）：total+=i

D）ForIinrange（10,9,8,7,6,5,4,3,2,1）：total+=i

186.［单选题］大数据计算服务MaxCompute是阿里巴巴自主研发的海量数据处理平台，主要服务于批

量结构化数据的存化和计。以下（）场景不适合使用大数据计算服务实现。

A）订单办理

B）数据仓库

C）杜交网络分析

D）用户画像

187.［单选题］以下描述中不属于"规整数据（TidyData）"三个基本原则的是（）。

A）每一类观察单元，构成一个关系（表）

B）每个观察占且仅占一行

C）每个变量占且仅占一列

D）每个观察占且仅占一个关系（表）

188.［单选题］通常“落伍者”是影响MapReduce总执行时间的主要影响因素之一，为此MapReduce采

用（—）机制来解决。

A）分布式计算

B）惰性计算

C）推测性执行的任务备份

D）先进先出

189.［单选题］下面关于反爬机制描述错误的是：（）

A）简单低级的网络爬虫，数据采集速度快，伪装度低，如果没有反爬机制，它们可以很快地抓取大

量数据，甚至因为请求过多，造成网站服务器不能正常工作，影响了企业的业务开展

B）反爬机制也是一把双刃剑，一方面可以保护企业网站和网站数据，但是，另一方面，如果反爬机

制过于严格，可能会误伤到真正的用户请求

C）如果既要和“网络爬虫”死磕，又要保证很低的误伤率，那么又会增加网站研发的成本

D）反爬机制不利于信息的自由流通，不利于网站发展，应该坚决取消

190.［单选题］下列选项中，关于Zookeeper可靠性含义说法正确的是：（）。

A）可靠性通过主备部署模式实现

B）可靠性是指更新只能成功或者失败，没有中间状态

C）可靠性是指无论哪一个server,对外展示的均是同一个视图

D）可靠性是指一个消息被一个server接受，它将被所有的server接受

191.［单选题］若arr=np.array（［［l,2,3,］,［4,5,6,］,［7,8,9,］］）,则arr［：2,1：］的输出为

（__）。

A）（［［2,3］,［5,6］］）

B)([[l][6]])

0([[5,6],[8,9]])

D)([[1,2],[4,5]])

192.［单选题］信息熠是度量（）最常用的一种指标。

A）样本的个数

B）样本的维度

C）样本的纯度

D）样本的冗余度

193.［单选题］（）是表示数据分布是否为对称性的统计量。

A）方差

B）中位数

C）偏态

D）峰态

194.［单选题］当try语句中没有任何错误信息时，一定不会执行（）语句。

A）try

B）else

C）finally

D）except

195.［单选题］Python中的所有关键字都是（）。

A）小写

B）大写

C）首字母大写

D）以上都不对

196.［单选题］关于SVM泛化误差描述正确的是（）

A）超平面与支持向量之间距离

B）SVM对未知数据的预测能力

C）SVM的误差阈值

D）SVM波动范围

197.［单选题］（）不属于特征选择的标准方法

A）嵌入

B）过滤

C）包裹

D）抽样

198.［单选题］关于Logistic回归和SVM的描述，不正确的是（）

A）Logistic回归本质上是一种根据样本对权值进行极大似然估计的方法，用先验概率的乘积代替

后验概率

B)Logistic回归的输出就是样本属于正类别的概率

OSVM的目标是找到使得训练数据尽可能分开且分类间隔最大的起平面，属于结构风险最.J、化

D)SVM可以通过正则化系教控制模型的复杂度，避免过拟合

199.［单选题］具体由创建世界一流能源互联网企业办公室统筹组织，下设()个常设小组

A)3

B)4

C)2

D)5

200.［单选题］在HDFS中客户端(client)和元数据节点(NameNode)可以向。。请求写入或读出数据

块。

A)NameNode

B)DataNode

C)SecondaryNameNode

D)Master

201.［单选题］下列关于核函数特性的描述，错误的是()

A)只要一个对称函数所对应的核矩阵半正定，就能称为核函数十

B)核函数选择作为支持向量机的最大变数中

C)核函数将影响支持向量机的性能

D)按函数是一种降雄模型

202.［单选题］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

203.［单选题］以下不属于数据库的是

A)MongoDB

B)Spark

C)MySQL

D)HBase

204.［单选题］以下选项哪个是MapReduce正确的运行模型()

A)Reduce-Map-Shuffie

B)Shuffle-Map-Reduce

C)Map-Shuffle-Reduce

D)Map-Reduce-Shuffie

205.［单选题］在MapReduce中，下面哪个阶段是并行进行的（）

A）Shuffle和Map

B）Shuffle和Sort

C）Reduce和Sort

D）Map和Sort

206.［单选题］使用MaxComputeSQL更新数据时，以下说法中不正确的是：（）。

A）使用动态分区插入数据时，需在语句中指定分区值，且只要出现在select子句中最后一个位置即

可，也可为该值指定一个易于识别的别名

B）进行insert更新数据操作时，源表与目标表的对应关系依赖于在select子句中列的顺序，而不是

表与表之间列名的对应关系

0向某个具体的分区插入数据时，分区列不允许出现在select列表中

D）支持在一个语句中实现读取一次写入多个目标表的操作

207.［单选题］以下关于Zookeeper关键特性中的原子性说法正确的是：（）。

A）客户端发送的更新会按照他们发送的顺序进行应用

B）鞫新只能全部完成或失败，不会部分完成

C）一条消息被一个server接受，将会被所有的server接受

D）集群中无论那台服务器，对外展示的均是统一视图

208.［单选题］以下不属于数据科学与统计学区别的是（）。

A）数据科学中的数据不仅仅是数值

B）数据科学关注的不仅仅是"单一学科"问题，超出了数学、统计学、计算机学等单一学科的范畴

C）数据科学不仅仅是理论研究，也不是纯领域实务知识，它关注和强调的是二者的结合

D）数据科学和统计学中的计算一样，仅仅是加减乘除

209.［单选题］以下关于ElasticSearch介绍错误的是？

A）EaNode：Elasticsearch节点，一个节点就是一个Elasticsearch实例

B）Document：文档，被索引的基本单位

C）EsMaster：主节点

D）Index：索引，与关系型数据库中的索引概念一样

210.［单选题］处理变量时，Python是否区分大小写？

A）区分

B）不区分

C）取决于操作系统

D）以上都不对

211.［单选题］Numpy数组输出的原则是（）。

A）从左到右，从下到上

B）从左到右，从上到下

C）从右到左，从下到上

D）从右到左，从上到下

212.［单选题］MapReduce处理流程中Reduce如何获取Map端结果（）

A）Map端发送

B）Reduce端获取

C）Map端发送到中间管理节点，Reduce统一获取

D）随机发送

213.［单选题］当前大数据技术的基础是由（）首先提出的。

A）微软

B）百度

C）谷歌

D）阿里巴巴

214.［单选题］关于OLAP的特性，下面正确的是:①快速性;②可分析性:③多维性:④信息性;⑤共

享性（）

A）①②③

B）②③④

C）①②③④

D）①②③④⑤

215.［单选题］关于HDFS的文件块的描述不准确的是？

A）文件块的大小设置原则：最大化寻址开销

B）HDFS文件块的大小在1.0本时是64M,在2.0的时候是128M

C）文件块（片）被存在哪个集群：谁有权限查看。修改这个文件等信息放在元缴据Metadata中

D）文件块越大寻址时间越短

216.［单选题］某电商使用ADS进行数据分析，其中商品信息表记录了商品的型号、价格、厂家等等信

息，从数据分析角度来讲，它是一张维表，该表包含了超过2000万条的纪录，大小在5G左右，在

ADS中该（）。

A）建表时指定为ADS的维表，将分区数设置为1

B）建表时指定为ADS的维表，即不进行拆分，可以和任意表关联

C）必须建成ADS分区表，将会有一些限制，比如不能和不同普通表组上的表进行关联等

D）可将该表直接打开到和该表关联的事实表中，做成一张宽表，减少join,提升性能

217.［单选题］ElasticSearch进行全文检索一般需要哪几个步骤？

A）清洗、分词、建立素引

B）清洗、分词

C）清洗、建立素引

D）清洗、建立素引、分词

218.［单选题］层次型、网状型、关系型数据库划分原则是（）

A)记录长度

B)文件的大小

C)联系的复杂程度

D)数据之间的联系

219.［单选题］执行以下代码段a=set('apple')b=set('orange')print(a"b)时，输出为(__)o

A){'r,'e','a','p')

B)tf»r»,ta,t»g•,re»,ini,fot)\

mi1if,tpr,fgi,rot,»ei,rnr,ia»,frf)

TDS)\tf»rI,fgt,»nI,fof,»T1»,tpf\)

220.［单选题］一张数据表中出现多个重复的字段属于不满足()。-

A)INF

B)2NF

C)3NF

D)以上答案都不正确

221.［单选题］根据《泛在电力物联网2019年建设方案》，项目计划的制定应按照()思路，优化调

整。同时，依据建设方案，按照“继承发展、精准投资”原则，按专项立项程序合理安排2019年相

关项目计划和资金投入。

A)“建运一体、常态运营、持续迭代”

B)"续并缓停"

C)“分类统筹、分批安排、联合试点”

D)“可信互联、精准防护、安全互动、智能防御”

222.［单选题］以下代码段defgreetuser(username)：print("Hello,"+username,title()+

"!")greet_user('jesse')中的username与'jesse'分别称为()。

A)实参、实参

B)实参、形参

C)形参、实参

D)形参、形参

223.［单选题］()属于Spark框架中的可扩展机器学习库。

A)MLib

B)GraphX

C)Streaming

D)SparkSQL

224.［单选题］在一个3X3的图像区域内，如果中心像素值为5,它相邻的8个像素值的和为67,那么

采用均值滤波后，中心像素的像素值为(一)o

A)8

B)9

C)5

D)72

225.［单选题］output,py文件和test,py文件内容如下，且output,py和test,py位于同一文件夹中

,那么运行test,py的输出结果是(