大数据CDA考试(习题卷4)

试卷科目：大数据CDA考试大数据CDA考试(习题卷4)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages大数据CDA考试第1部分：单项选择题，共47题，每题只有一个正确答案,多选或少选均不得分。[单选题]1.如果要给队列QueueA设置容量为30%,应该设置哪个参数()?A)yarn.scheduler.capacity.root.QueueA.minimum-user-limit-percentB)yarn.scheduler.capacity.root.QueueD.user-llmit-actorC)yarn.scheduler.capacity.root.QueueA.capacityD)yarn.scheduler.capacity.root.QueueA.state答案:C解析:[单选题]2.KafkaClusterMirroring工具可以实现以下哪项功能?A)Kafka跨集群数据同步方式B)Kafka单集群内数据备份C)Kafka单集群内数据恢复D)以上全不正确答案:A解析:[单选题]3.教育水平作为定序型变量，若要描述其离散程度，可选用以下哪种方法()A)平均差B)四分位差C)方差D)标准差答案:B解析:另外三种都只能用于描述数值型数据。[单选题]4.在使用SQLAIchemy模型从数据库中查询数据时,可以使用模型提供的()属性调用各种过滤方法和查询方法。A)queryB)orderC)filterD)select答案:A解析:[单选题]5.以下对于zookeeper中的角色描述错误的是()A)Leader:负责进行投票的发起和决议。B)Follower:接受客户请求并向客户端返回结果C)Observer:接收客户端请求,参加投票D)Client:请求发起方答案:C解析:[单选题]6.kafka-clustermirroring工具可以实现以下那些功能?()A)kafka集群数据同步方案B)kafka单集群内数据备份C)kafka单集群内数据恢复D)以全部不对答案:A解析:[单选题]7.一个多分类的变量?借款用途?，其水平有?娱乐?、?培训?、?生活基础?、?旅游?、?其他?。将其转为哑变量后，有()个对应的分类变量A)1B)3C)4D)5答案:C解析:5分类的变量，转化为哑变量后，少一个，只需要4个就可以了。[单选题]8.HDFS中的数据块【block]默认保存几份?()A)3份B)2份C)1份D)不确定答案:A解析:[单选题]9.Spark自带的资源管理框架是?()A)StandaloneB)MesoSC)YARND)Docker答案:A解析:[单选题]10.关于Dataset,下列说法不正确的是?A)Dataset不需要反序列化就可执行大部分操作B)Dataset是一个由特定域的对象组成的强类型集合C)Dataset与RDD高度类似性能比RDD好D)Dataset执行sort,filter,shuffle登操作需要进行反序列化答案:D解析:[单选题]11.Kafka集群在运行期间,直接依赖于下面那些组件?A)HbaseB)SparkC)ZookeeperD)HDFS答案:C解析:[单选题]12.在数据安全及处理效率方面,不适宜大数据分析的软件是()。A)SASB)StataC)MatLabD)SPSS答案:D解析:[单选题]13.WTForms中表示多行文本字段的是A)StringFieldB)TextAreaFieldC)TextFieldD)SelectField答案:B解析:[单选题]14.?将总体中的所有单位()按一定顺序排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规则确定其它样本单位?，这种抽样方法称为()A)多阶段抽样（systematicB)分层随机抽样（stratifiedC)集群抽样（clusterD)系统抽样(systematic答案:D解析:根据定义。[单选题]15.关于逻辑回归(Logisticregrssion)因变量和自变量的说法中,正确的是()。A)逻辑回归的因变量为数值变量B)逻辑回归的因变量为定性变量C)逻辑回归的自变量是定性变量D)逻辑回归的因变量只能有两种取值答案:B解析:[单选题]16.关联规则的评价指标是()。A)均方误差、均方根误差B)Kappa统计、显著性检验C)支持度、置信度D)平均绝对误差、相对误差答案:C解析:[单选题]17.某数据分析员希望展示某网站10年来月度访问量数据，采用以下哪个图形比较合适？A)散点图B)饼图C)盒须图D)折线图答案:D解析:折线图更容易看出时间上的趋势[单选题]18.为什么DBSCAN算法难以有效处理高维数据。()A)数据的形状太复杂B)簇的大小未知C)噪声点过多D)开销过大答案:D解析:[单选题]19.以下四项指标中,不能用于线性回归中的模型比较的是()。A)R方B)调整R方C)AICD)BIC答案:A解析:[单选题]20.HBase分布式模式最好需要()个节点?A)1B)2C)3D)最少答案:C解析:[单选题]21.下图横轴为X，纵轴为Y，则关于下图描述错误的是()A)X和Y之间很大可能是非线性关系B)这些散点中存在异常点C)X和Y之间是正相关的D)分析两者之间的关系可用逻辑回归模型答案:D解析:都是数值变量，不能用逻辑回归。[单选题]22.以下不属于消费者购买行为分析的产品因素的是()A)便利信息B)偏好信息C)价格信息D)评价信息答案:B解析:[单选题]23.下列关于数据交易市场的说法中,错误的是()。A)数据交易市场是大数据产业发展到一定程度的产物B)商业化的数据交易活动催生了多方参与的第三方数据交易市场C)数据交易市场通过生产数据、研发和分析数据,为数据交易提供帮助D)数据交易市场是大数据资源化的必然产物答案:B解析:[单选题]24.是要找到不同事物之间的关联程度，确定哪些事物会一起出现。A)预测建模B)聚类分析C)关联分析D)异常检测答案:C解析:[单选题]25.假设一组数据的取值从−923到899。数据中最大绝对值为923。因此，我们用1000除每个值。因此，−923被规范化为−0、923，而899被规范化为0、899，这种数据规范化被称为()。A)小数定标规范化B)z-score规范化C)对数规范化D)归一化规范化答案:A解析:根据定义。[单选题]26.以下哪个方法用于定义线程的执行体?A)start()B)init()C)run()D)synchronized()答案:C解析:[单选题]27.MapReduce的Shuffle过程以下中哪个操作是最后做的?A)排序B)合并C)分区D)溢写答案:B解析:[单选题]28.下列关于Java语言的特点,描述错误的是()A)Java是跨平台的编程语言B)Java支持分布式计算C)Java是面向过程的编程语言D)Java支持多线程答案:C解析:[单选题]29.根据一定的标准把一群对象划分成若干个分组，组内对象之间具有很高的相似度，而不同组的对象之间存在显著差异，这种分析方法叫做。A)自然语言处理B)回归分析C)聚类分析D)关联分析答案:C解析:[单选题]30.以下方法可以改变数据量纲的是A)对数据做归一化处理B)对数据做z-score标准化C)对数据取对数D)以上都是答案:D解析:三种方法都能改变量纲。[单选题]31.关于MapReduceShuffle过程合并(combine)操作,两个健值对<"a",1>和<"a",1>经过合并操作结果为()。A)<"a",2>B)<?a?,<1,1>C)<"a,a",2>D)<"a,a",<1,1>>答案:A解析:[单选题]32.在做前期样本规划时,训练集(Train)、验证集(Validation)和检验集(Test)样本量分配方案哪个比较适合?()A)训练50%,验证0%,检验50%B)训练100%,验证0%,检验0%C)训练0%,验证100%,检验0%D)训练60%,验证30%,检验10%答案:D解析:[单选题]33.YARN中默认的资源调度器是?A)FIFO调度器B)容量调度器C)Fair调度器D)以上全不是答案:B解析:[单选题]34.下列关于Sparkstreaming和Streaming比较说法不正确的是?A)Sparkstreaming个微批处理框架,事件需要积累到一定量时才进行处理B)Streaming的执行逻辑是即时启动,运行完后再回收C)Sparkstreaming的吞吐量大约是Streaming的2-5倍D)Sparkstreaming事件处理时延比Streaming更高答案:B解析:[单选题]35.检验单总体均值的过程中，如果是小样本，但总体标准差已知，检验统计量应该选择()。A)B)C)D)答案:A解析:见单总体均值检验概念[单选题]36.HBase依赖()提供强大的计算能力A)ZookeeperB)ChubbyC)RPCD)MapReduce答案:D解析:[单选题]37.如果一组数据不是对称分布，按照切比雪夫不等式，至少约有()的观测值落在距均值4个标准差的区间范围内。A)75%B)89%C)94%D)98%答案:C解析:至少有75%的数据落在平均数加减2个标准差的范围之内至少有89%的数据落在平均数加减3个标准差的范围之内至少有94%的数据落在平均数加减4个标准差的范围之内[单选题]38.小王为了运用逻辑回归进行反欺诈识别，直接从数据库中运用简单随机抽样的方法进行抽样，并得到了10000条样本，其中7000作为训练，3000作为测试，在测试集中小王的正负样本整体预测准确率为99.7%，下面表述错误的是()A)模型的整体预测准确率很高，因此可以认为模型结果是可靠的B)有必要进一步查看混淆矩阵C)有必要查看正负样本比例D)反欺诈问题中，运用简单随机抽样是欠妥的答案:A解析:反欺诈问题中，正负样本一般都是非对称的。不能直接抽样，需要处理样本比例。[单选题]39.以下选项中,哪个有可能是Apriori算法所挖出来的结果?()A)买计算机同会购买相关软件B)买打印机后过三个月会买墨水C)卖便携计算机较台式机所获得额外利益D)以上皆均不是答案:A解析:[单选题]40.以下对hive中表数据操作描述正确的是()。A)hive可以修改行值B)hive可以修改列值C)hive不可以修改特定行值、列值D)以上说法都不对答案:C解析:[单选题]41.hbase的底层数据以()的形式存在的?A)kevvalueB)列存储C)行存储D)实时存储答案:A解析:[单选题]42.BIRCH是一种()。A)分类器B)聚类算法C)关联分析算法D)特征选择算法答案:B解析:[单选题]43.将复杂的通讯地址简化成东、南、西、北、中五个类别,是在()进行?A)数据正规化B)数据一般化C)数据离散化D)数据整合答案:B解析:[单选题]44.下列哪些语句关于Java内存回收的说明是正确的?A)程序员必须创建一个线程来释放内存B)内存回收程序负责释放无用内存C)内存回收程序允许程序员直接释放内存D)内存回收程序可以在指定的时间释放内存对象答案:B解析:[单选题]45.以下不属于随机森林算法特点的是()。A)能处理比较高维的数据B)模型的泛化能力强C)模型的运行速度不快D)有很强的抗干扰能力答案:C解析:[单选题]46.关于HBaseshell命令,哪个命令是使表无效。()A)alertB)disableC)dropD)以上都不是答案:B解析:[单选题]47.数据仓库的最终目的是（）A)收集业务需求B)开发数据仓库的应用分析C)建立数据仓库逻辑模型D)为用户和业务部门提供决策支持答案:A解析:第2部分：多项选择题，共29题，每题至少两个正确答案,多选或少选均不得分。[多选题]48.Hadoop集群具有以下哪个优点?A)高容错性B)高成本性C)高可靠性D)高扩展性答案:ACD解析:[多选题]49.常用的识别异常数据的方法有(。A)物理判别法B)统计判别法C)经验法D)检验法答案:AB解析:[多选题]50.基于Hadoop开源大数据平台主要提供了针对数据分布式计算和存储能力,如下属于分布式存储组件的有?A)MRB)SparkC)HDFSD)HBase答案:CD解析:[多选题]51.Hadoop集群规模很大时,数据的分布情况会非常关键,用户需要根据数据分布情况,决定集群是扩容,数据是否需要做负载均衡等,fusioninsight资源分布监控说法正确()A)用户快速聚焦在最关键的资源消耗上B)通过每个服务主业的资源分布查看界面,看到关键的资源分布情况C)通过dashboard界面,可以查看到主机资源分不清哪个矿,例如内存占用率在50-75%的主机列表,并提供链接跳转D)帮助用户迅速找到资源消耗最高的点,采取适当的措施答案:ABCD解析:[多选题]52.SparkContext可以从哪些位置读取数据A)本地磁盘B)webC)hdfsD)内存答案:ACD解析:[多选题]53.四分位数的特征值是(】。A)最大值B)最小值C)中位数D)四分位数答案:ABCD解析:[多选题]54.Hadoop的核心组件包括()。A)MapReduceB)HDFSC)HiveD)Pig答案:AB解析:[多选题]55.FusioninsightManager的主要功能有以下哪些?()A)数据集成B)系统管理C)安全管理D)服务治理答案:BCD解析:[多选题]56.关于Flume,下列说法错误的是?A)Flume级联节点之间的数据传输支持加密B)Rlume支持多级联和多路复用C)Source到Channel到Sink等进程内部有加密的必要D)Flume级联节点之间的数据传输不支持压缩答案:CD解析:[多选题]57.以下选项中可以用于预测Y为分类变量的方法有()。A)伽玛回归B)泊松回归C)Logistic回归D)Probit回归答案:CD解析:[多选题]58.大数据在经济治理方面的作用有()。A)推导宏观趋势B)降低银行坏账率C)打击假冒伪劣D)提高生产效率答案:ABCD解析:[多选题]59.数据流如何Transformation之间传输数据,数据流可以分为那些类型?A)一对一流B)distributing流C)一对多流D)redistributing流答案:AC解析:[多选题]60.HBase系统用于记录Region相关信息的表,具体的表包含()。A)ROOT-B)-ADMIN-C)··META.D)···SYSTEM.答案:AC解析:[多选题]61.以下关于Hbase中HMaster的功能描述哪些是正确的?A)Region负载均衡,Region分裂以及分裂后的Region分配B)负责建表/修改表/删除表C)负责RegionServer的负载均衡D)Regionserver失效后的Region迁移答案:ABCD解析:[多选题]62.云计算使得使用信息的存储是一个【】的方式,它会大大地节约网络的成本,使得网络将来越来越泛在、越来越普及,成本越来越低。A)分布式B)密闭式C)密集式D)共享式答案:AD解析:[多选题]63.Sparkdriver的功能是什么()A)是作业的主进程B)负责了作业的调度C)负责向HDFS申请资源D)负责作业的解析答案:ABD解析:[多选题]64.信息一体化平台可以采集以下哪些数据()?A)SCADA数据B)视频图像C)故障录波数据D)管理信息数据答案:AC解析:[多选题]65.从生命周期维度看,数据主要经历那几个阶段?A)数据采集B)数据存储C)数据管理D)数据分析答案:ABCD解析:[多选题]66.数据产生可以分为哪几个阶段。()A)运营式系统阶段B)用户原创内容阶段C)感知式系统阶段D)级数增长阶段答案:ABC解析:[多选题]67.相关分析可以做到()。A)判定现象之间有无关系B)判定现象之间关系的方向C)判定相关关系的紧密程度D)说明现象之间联系的具体形式答案:ABCD解析:[多选题]68.数据预处理的常见方法有()。A)数据清理B)数据集成C)数据变换D)数据规约答案:ABCD解析:[多选题]69.HBase集群定时执行Compaction的目的是什么?A)减少同一个Regin同个ColumnFamily下的文件数目B)提升数据读取性能C)减少同一个ColumnFamily的文件数据D)减少同一个Region的文件数目答案:AB解析:[多选题]70.YARN客里调度器的主要特点有哪些?A)容里保证B)灵活比C)多重租赁D)动态更新配置文件答案:ABCD解析:[多选题]71.描述统计包括哪些部分。()A)集中趋势分析B)离散趋势分析C)相关分析D)D推断统计答案:ABC解析:[多选题]72.下列哪些方法可以用来对高维数据进行降维()A)LSSOB)主成分分析法C)聚类分析D)小波分析法答案:AD解析:[多选题]73.回归平方和(ESS)是指()。A)被解释变量的实际值与平均值的离差平方和B)被解释变量的回归值与平均值的离差平方和C)被解释变量的总变差与剩余变差之差D)解释变量变动所引起的被解释变量的变差答案:BCD解析:[多选题]74.以下有关直线回归方程的说法正确的是()。A)建立前提条件是现象之间具有较密切的线性相关关系B)关键在于确定方程中的参数a和bC)表明两个相关变量间的数量变动关系D)可用来根据自变量值推算因变量值,并可进行回归预测答案:ABCD解析:[多选题]75.关于数据副本的存放策略正确的有些?A)第三个副本:与第一个副本相同机架的其他节点上;B)更多副本:随机节点。C)第一个副本,放置在上传文件的数据节点:D)第二个副本,放置在与第一个副本不同的机架的节点上;答案:ABCD解析:[多选题]76.大数据的价值体现在()A)大数据给思维方式带来了冲击B)大数据为政策制定提供科学依据C)大数据助力智慧城市提升公共服务水平D)大数据实现了精准营销答案:ABCD解析:第3部分：判断题，共24题，请判断题目是否正确。[判断题]77.具有较高置信度的项集也一定具有较高的支持度。A)正确B)错误答案:错解析:[判断题]78.Flink采用checkpoint用程序运行中的容错性。A)正确B)错误答案:对解析:[判断题]79.HBase对于空(NULL)的列,不需要占用存储空间。A)正确B)错误答案:对解析:[判断题]80.执行下列代码后,输入数字100后,最终的输出结果为class'int'。()inp=input('请输入一个整数:)print(type(inp))A)正确B)错误答案:错解析:[判断题]81.决策树是做分类预测的最优算法,因为此算法对噪声数据和共线性都不敏感。A)正确B)错误答案:错解析:[判断题]82.Java标识符中可以使用汉字A)正确B)错误答案:对解析:[判断题]83.无论是低维数据还是高维数据,DBSCAN的空间复杂度始终都是O(m)。A)正确B)错误答案:对解析:[判断题]84.能够充分利用数据价值、先挖掘到数据价值的企业将会占领先机,不注重大数据等新兴技术的企业,将会落后甚至被淘汰。数据将成为最有价值的资产。A)正确B)错误答案:对解析:[判断题]85.数据分析报告的重点是传递分析的结论以及其中有价值的信息给