大数据CDA考试(习题卷7)

试卷科目：大数据CDA考试大数据CDA考试(习题卷7)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.字段cost的最大最小值分别是1200元和9800元。利用最大-最小规范化的方法将属性的值映射到0至1的范围内。则cost值为7360元将被转化为()。A)0.751B)0.163C)0.457D)0.716答案:D解析:[单选题]2.LSM含义是?A)日志结构合并树B)二叉树C)平衡二叉树D)长平衡二叉树答案:A解析:[单选题]3.下面哪种方法更适合于对稀少群体和特定群体研究()A)滚雪球抽样B)配额抽样C)判断抽样D)多阶段抽样答案:A解析:这是滚雪球抽样的优势。[单选题]4.在数据分析工作中，在阶段，需要需统一语言和思想，用数据语言定义业务问题和想要达到的目标。A)数据收集B)数据处理C)明确分析目的和思路D)构建模型答案:C解析:[单选题]5.以下有关数据清洗的表述中,正确的是()。A)运用验证数据集中变量的统计量对训练集中的变量进行数据清洗B)运用验证数据集中变量的统计量对验证集中的变量进行数据清洗C)运用训练数据集中变量的统计量对验证集中的变量进行数据清洗D)以上均不对答案:C解析:[单选题]6.某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据分析的哪类问题？A)关联规则发现B)聚类C)分类D)自然语言处理答案:A解析:[单选题]7.Flume用于收集数据,其传输的数据基本单位是?A)SplitB)BlockC)EventD)Packet答案:C解析:[单选题]8.数据挖掘中NaiveBayes于什么方法?()A)聚类B)分类C)时间序列D)关联规则答案:B解析:[单选题]9.声明成员变量时,如果不使用任何访问控制符(public,protected,private),则以下哪种类型的类不能对该成员进行直接访问()A)同一类B)同一包中的子类C)同一包中的非子类D)不同包中的子类答案:D解析:[单选题]10.下列属于定量数据的是()？A)一个消费者调查中鞋子的品牌B)一次考试的成绩C)一篇文章的等级D)一个篮球队员衣服上的数字答案:B解析:品牌属于分类，因此代表定性数据。一篇文章的字母等级属于定性数据，因为它代表从不及格到非常好的过程。考试的分数属于定量数据，因为它计算的是正确题目的分数。球员的队服号码是定性数据，因为这些数据用来表示身份，并且这些数据不能用来做计算。[单选题]11.下面的数据是一家企业科研投入与专利产出的相关性描述，根据表格信息，下列选项中正确的是()。A)专利产出与科研投入高度线性相关B)专利产出与科研投入相关性不显著C)专利产出与科研投入存在线性相关性，但是相关性较弱D)加大科研投入就能够提高专利的产出答案:B解析:相关性是只有0、03，且其P值很大，所以是不显著的。[单选题]12.对Apriori算法,下列选项中表述有误的是()。A)Apriori算法是关联分析中最常用的算法之一。B)应用Apriori算法时,需要先设定模型的最小支持度、最小置信度等闻值。C)应用Apriorl算法时,输入的数据可以是连续型数据也可以是离散型数据。D)Apriori算法扫描数据库的次数依赖于最大频繁项集中项的数量答案:C解析:[单选题]13.数据分析8个层次中的最高层次是()A)预报B)优化C)报警D)统计分析答案:B解析:参考中8个层次的介绍。[单选题]14.关于Kafka磁盘容量不足的告警,对于可能的原因以下分析不正确的是?A)业务规划不合理导致数据分配不均,使部分磁盘达到使用率上限B)数据保存时间配置过长,数据累计达到磁盘使用率上限C)Broker节点故障导致D)用于存储Kafka数据的磁盘配置(如磁盘数目磁盘大小等),无法满足当前业务数据流量,导致磁盘使用率达到上限答案:C解析:[单选题]15.关于为什么要计算均值估计的置信区间说法正确的是()A)用于判断总体有多大的百分比的个体，其数值等于均值的点估计B)用以决定随机抽样的类型C)用以评价随机抽样的有效性D)用以评价点估计的可靠性答案:D解析:区间估计的核心作用。[单选题]16.以下算法中,不属于基于原型的聚类算法的是()。A)EM算法B)模糊C均值C)SOMD)CLIQUE答案:D解析:[单选题]17.希望将不同数据表中的数据进行关联的时候，我们可以采用表连接。以下不是sql表连接方式的一个是()A)rightB)leftC)unionD)all答案:D解析:连接后保留两张表全部信息应使用fulljoin。[单选题]18.在估计总体比例时，若其他条件不变，如果为了节约成本，减少50%的样本，那么误差将大约是原来的()A)1、4倍B)1、5倍C)2倍D)4倍答案:A解析:>[单选题]19.以下关于继承的叙述正确的是()A)在Java中类只允许单一继承B)在Java中一个类只能实一个授口C)在Java中一个类不能同时继承-个类和实现个接口D)在Java中接口只允许单一继承答案:A解析:[单选题]20.HFile数据格式中的Data字段用于()。A)存储实际的KeyValue数据B)存储数据的起点C)指定字段的长度D)存储数据块的起点答案:A解析:[单选题]21.关于Kafka磁盘容量不足的告警,对于可能的原因以下分析不正确的是?A)用于存储Kafka数据的磁盘配置(如磁盘数目、磁盘大小等)无法满足当前业务数据流里,导致磁盘使用率达到上限B)数据保存时间配置过长,数据累积达到磁盘使用率上限C)业务规划不合理,导致数据分配不均,使部分盘达到使用率上限D)Broker节点故障导致答案:D解析:[单选题]22.以下关于主键的描述正确的是()。A)标识表中唯一的实体B)创建唯一的索引，允许空值C)只允许以表中第一字段建立D)表中允许有多个主键答案:A解析:主键是表中的一个或多个字段，它的值用于惟一地标识表中的某一条记录。一个表中只能有一个主键，可以由一个或多个列组成的单主键或组合主键，主键的列不允许为空，主键列的值不能重复，Image和text类型的列不能设为主键。[单选题]23.关于HadoopMapReduce分片(spit)概念,下列说法不正确的是()。A)Hadoop为每个split创建一个Map任务B)split的多少决定了Map任务的数目C)大多数情况下,理想的分片大小是一个HDFS块对应一个spitD)split是一个物理概念答案:D解析:[单选题]24.Spark原生开发语言是()。A)ScalaB)JavaC)PyPhtthonD)R语答案:A解析:[单选题]25.关于层次聚类，下列说法正确的是()A)层次聚类之前需要先给出聚类的数量B)层次聚类之前需要先给出各个类别的初始类中心C)层次聚类之后，模型能给出唯一的分类类别数量D)层次聚类之后，类别数量需要参考聚类过程给出答案:D解析:层次聚类的特征就是可以给出树状的聚类过程，并根据树状结构给出聚类数量。[单选题]26.Hbase中数据存储的文件格式是什么?A)HlogB)TextfileC)HFlleD)sequencerlle答案:C解析:[单选题]27.整型数据类型中,需要内存空间最少的是A)shortB)longC)intD)byte答案:D解析:[单选题]28.Hbase的某张表的Rowkey划分splitkey为9.E.a.2.请问表里面有几个Region?A)6B)3C)5D)4答案:C解析:[单选题]29.HDFS中Namenode的主备仲裁是由哪个组件控制的()A)HDFSClientB)NodemanagerC)ResourcemanagerD)ZookeeperFailoverController答案:D解析:[单选题]30.识别垃圾邮件属于。A)预测建模B)聚类分析C)关联分析D)异常检测答案:A解析:[单选题]31.关于Hive与Hadoop其他组件的关系,以下描述错误的是?A)Hive最终将数据存储在HDFs中B)HiveSQL其本质是执行MapReduce任务C)Hive是Hadoop平台的数据仓库工具D)hive对HBase有强依赖答案:D解析:[单选题]32.使用多个分类器的预测来提高分类准确率的技术称为()。A)集成(ensemble)B)聚集(aggregate)C)合并(combination)D)投票(voting)答案:A解析:[单选题]33.HDFS的副本放置策路中,同一机架不同的服务器之间的距离是()A)3B)2C)1D)4答案:B解析:[单选题]34.在ORM模型中,数据表的字段由()类实例表示。A)dbB)columnC)db.ColumnD)property答案:C解析:[单选题]35.分析影响变压器正常运行的因素,预测变压器是否有故障,若有故障,故障为放电故障、过热故障、短路故障等的哪一种。这属于()算法的应用。A)分类B)聚类C)关联D)回归答案:A解析:[单选题]36.Hbase中的Compaction过程发生在什么时候?()A)MemStore发生flush的时候B)HLog大小达到一定阈值的时候C)StoreFlle文件个数达到一定國值的时候D)HFile写入HDFS的时候答案:C解析:[单选题]37.下面不是Zookeeper特点的是()。A)简单B)富有表现力C)支持索引D)是一个资源库答案:C解析:[单选题]38.在Zookeeper和Yarn的协同工作中,当ActiveResourcemanager产生故障时,StandbyResourcemanager会从以下哪些目录中获取Application相关信息?()A)metastoreB)StatestoreC)StatestoreD)Warehouse答案:B解析:[单选题]39.若需要定义一个类域或类方法,应使用哪种修饰符?A)staticB)packageC)privateD)public答案:C解析:[单选题]40.设计分布式数仓库hive的数据表时,为取样更高效,一般可以对表中的连续字段进行什么操作。A)分桶B)分区C)索引D)分表答案:A解析:[单选题]41.Spark是用以下那种编程语言实现的?A)CB)C++C)javaD)Scala答案:D解析:[单选题]42.为了保证流应用的快照存储的可靠性,快照主要存储在()?A)本地文件系统中B)Jobmanager的内存中C)HDFS中D)可靠性高的单机数据库中答案:C解析:[单选题]43.字段?贷款人姓名?，下列方法最适宜的是()A)需要编码为数值变量B)需要编码为字符变量C)需要编码为二分变量D)需要编码为分类变量答案:B解析:字符型变量适合姓名。[单选题]44.时间序列模型不能应用到以下哪种情况。()A)系统描述B)预测未来C)决策和控制D)行业分析答案:D解析:[单选题]45.大数据时代,数据使用的关键是()A)数据收集B)数据存储C)数据分析D)数据再利用答案:A解析:[单选题]46.Kafka集群中,Kafka服务端部署的角色是A)ProducerB)ConsumerC)ZooKeeperD)Broke答案:D解析:[单选题]47.下面哪一个操作符的优先级最高?A)&&B)11C)!D)()答案:D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.方差分析的基本假设前提是()。A)各处理条件下的样本均来自正态总体B)各处理条件下的样本相互独立C)各处理条件下样本的方差都相等D)各处理条件下样本均值相等方差可以不等答案:ABC解析:[多选题]49.spark的特点包括()A)快速B)通用C)미征伸D)兼容性答案:ABD解析:[多选题]50.下面对Streaming说法正确的是()?A)事件驱动B)连续查询C)数据不存储,先计算D)实时响应,低延迟答案:ABCD解析:[多选题]51.HBase提供多种数据访问接口的方式,包含接口有()。A)JavaAPIB)HBaseShellC)ThrifGatewayD)RESTGateway答案:AB解析:[多选题]52.下面对HBase的描述哪些是正确的?A)不是开源的B)是面向列的C)是分布式的D)是一种NoSQL数据库答案:BCD解析:[多选题]53.下面属于Hadoop生态圈组件的是()。A)MapReduceB)HiveC)HBaseD)Java答案:ABC解析:[多选题]54.箱线图包含的五个统计量是()。A)中位数B)众数C)四分位数D)最值答案:ACD解析:[多选题]55.YARN容量调度器的主要特点有哪些?A)容量保证B)动态更新配置文件C)灵活性D)多重租赁答案:ABCD解析:[多选题]56.下面哪些属数据库事务的ACID特性A)唯一性B)一致性C)隔离性D)持久性答案:BCD解析:[多选题]57.以下数据结构属于线性数据结构的是?A)队列B)线性表C)二叉树D)栈答案:AC解析:[多选题]58.Loader可以实现以下哪些转换规则?A)长整型时间转换B)拼接转换C)增量转换D)空值转换答案:ABCD解析:[多选题]59.FusioninsightHD系统使用Streaming客户端Shell命令查看拓扑或者提交拓扑失败,以下哪些定位手段是正确的()?A)查看Supervisor运行日志,判断是否Superisor异常B)查看Worker运行日志C)查看主Nimbus的运行日志判断是否Nimbus服务端异常D)看客户端异常堆栈,判断是否客户端使用问题答案:CD解析:[多选题]60.AGNES算法可分为【)。A)单链算法B)多链算法C)全链算法D)均链算法答案:ACD解析:[多选题]61.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)是一种搜索平衡树答案:AC解析:[多选题]62.可以使用数据分析来解决的业务问题包括()。A)客户的价值评估B)贷款的风险度量C)商铺的选址D)客流预测答案:ABCD解析:这些都是数据分析的应用场景[多选题]63.执行Hbase读数据业务,需要读取哪几部分数据?A)HLogB)HMasterC)HfileD)Memstore答案:CD解析:[多选题]64.下面哪些端口是spark自带服务的端口()A)8080B)4040C)8090D)18080答案:ABD解析:[多选题]65.Hadoop及其生态系统,可以部署在()A)LinuxB)OS/2C)DOSD)UNIX答案:AD解析:[多选题]66.fusininsightHD平台中,那些组件支持对列表加密?A)HDFSB)FlinkC)hbaseD)hive答案:CD解析:[多选题]67.为了分析客户的类型，分析师小A进行了一次聚类分析。在评估聚类结果时，()A)组间平方和BSS越大，聚类效果越好B)组间平方和BSS越小，聚类效果越好C)组内平方和WSS越大，聚类效果越好D)组内平方和WSS越小，聚类效果越好答案:AD解析:我们一般可以近似地用组间平方和BSS(BetweenSumofSquares)和组内平方和WSS(WithinSumofSquares)来作为评价指标判断聚类的类别数是否合适。BSS越大，WSS越小，聚类的效果就越好。[多选题]68.以下连接中属于表的横向连接的有()A)innerB)leftC)rightD)union答案:ABC解析:union属于表的纵向连接。[多选题]69.关于HBase的特性,哪些是正确的()?A)高可靠性B)高性能C)面向列D)可伸缩答案:ABCD解析:[多选题]70.机器学习主要包含以下几类模式A)监督学习B)无监督学习C)半监督学习D)强化学习答案:ABCD解析:[多选题]71.采用Flume传输数据过程中,为了防止因F1me进程重启而丢失数据,可以使用以下哪种Channel类型?A)MemoryChannelB)JDBCChannelC)FileChannelD)HDFSChannel答案:BC解析:[多选题]72.HBase性能优化包含下面的哪些选项?A)读优化B)写优化C)配置优化D)JVM优化答案:ABCD解析:[多选题]73.数据离散化的方法有哪些()。A)随机取值B)等距离敬法C)数值规约D)等频离散法答案:BD解析:[多选题]74.flink支持的时间操作类型包括以下哪些选项?A)结束时间B)处理时间C)采集时间D)事件时间答案:BD解析:[多选题]75.以下属回归算法的前提假设的是()。A)正态性假设B)零均值性假设C)等方差性假设D)独立性假设答案:ABCD解析:[多选题]76.Hadoop的三种安装模式包括以下哪种?A)两分式模式B)完全分布式模式C)伪分布模式D)单机模式答案:BCD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.DBSCAN算法会删掉它认为是噪声点的数据点。A)正确B)错误答案:对解析:[判断题]78.支持度是对关联规则的准确度的衡量。A)正确B)错误答案:错解析:[判断题]79.网络数据采集是指通过网络爬虫或网站公开API等方式从网站上获取数据信息网络数据采集方法。A)正确B)错误答案:对解析:[判断题]80.Secondarynamenode就是namenode出现问题时的备用节点。A)正确B)错误答案:错解析:[判断题]81.时间序列是按时间顺序的一组数字。A)正确B)错误答案:对解析:[判断题]82.算术平均数公式是算数平均数=总体标志值(数据)总和/总体单位总和。A)正确B)错误答案:对解析:[判断题]83.Kafka中partitionreplication之间同步数据,从partition的leader复制数据到fo11ower需要线程(replicationFetcheThread),Follower(一个follower相当于consumer主动从leader批量拉取消息的这极大提高了吞吐量。A)正确B)错误答案:对解析:[判断题]84.SparkonYarn-client适合用于生产环境是因为可以更快的看到APP的输出。(A)正确B)错误答案:错解析:[判断题]85.四分位数是指在统计学中把序列中的数值由小到大排列并分成四等份,处于分割点位置的数值。A)正确B)错误答案:对解析:[判断题]86.MapReduce设计的一个理念就是?计算向数据靠拢?,而不是?数据向计算靠拢?,因为,移动数据需要大量的网络传输开销。A)正确B)错误答案:对解析:[判断题]87.安装完全分布式ApacheHadoop的核心配置文件有core-site.xml,hdfs-site.xml,mapred-site.xml.yarm-site.xml。A)正确B)错误答案:对解析:[判断题]88.大数据与传统数