大数据开发基础练习题及答案7-2023背题版

试题说明

本套试题共包括1套试卷

每题均显示答案和解析

大数据开发基础练习题及答案7（500题）

大数据开发基础练习题及答案7

L［单选题］Hadoop作者

A）MartinFowler

B）KentBeck

C）Dougcutting

答案：C

解析：a.MartinFowler【敏捷开发方法论-软件开发教父】

b.KentBeCk【极限编程，测试驱动开发，实现模式】

c.Dougcutting√【Hadoop作者，道格•卡廷】

2.［单选题］以下说法正确的是（）。

A）一个机器学习模型如果有较高准确率，总是说明这个分类器是好的

B）如果增加模型复杂度，那么模型的测试错误率不一定会降低

C）如果增加模型复杂度，那么模型的训练错误率总是会降低

答案：C

解析：一个机器学习模型如果有较高准确率，不能说明这个分类器是好的。对于不平衡的数据集进行

预测时，正确率不能反映模型的性能。模型越复杂，在训练集上越容易表现好，在测试集上越容易表现

不好。

3.［单选题］在逻辑回归输出与目标对比的情况下，以下评估指标中（）不适用。

A）AUC-ROC

B）准确度

C）Logloss

D）均方误差

答案:D

解析:LOgiStiCRegreSSiOn是一个分类算法，所以它的输出不能是实时值，所以均方误差不能用于评

估它。

4.［单选题］大数据正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分

析，从中发现新知识、创造新价值、提升新能力的O

A）新一代技术平台

B）新一代信息技术和服务业态

C）新一代服务业态

D）新一代信息技术

答案：B

解析：

5.［单选题］在HadooP中负责运算的组件是O

A）HDFS

B）YARN

C）MapReduce

D）Zookeeper

答案：C

解析：

6.［单选题］聚类算法的性能度量可称为（）

A）密度估计

B）异常检测

C）有效性指标

D）分布结构

答案：C

解析：

7.［单选题］数据科学是一门以“数据时代”，尤其是“大数据时代”面临的新挑战、新机会、新思

维和新方法为核心内容的，包括新的理论、方法、模型、技术、平台、工具、应用和最佳实践在内

的（）0

A）新兴科学

B）交叉性学科

C）独立学科

D）一整套知识体系

答案:D

解析：

8.［单选题］以下说法错误的是哪项？（）

A）大数据是一种思维方式

B）大数据不仅仅是讲数据的体量大

C）大数据会带来机器智能

D）大数据的英文名称是Iargedata

答案:D

解析：

9.［单选题IFusionlnsightHD系统中HDFS默认BlockSiZe是多少

A）32MB

B）64MB

C）128MB

D）256MB

答案：c

解析：

10.[单选题]有如下程序：deff(x,y,z)：returnx+y+ZPrint(f(l,10,100))程序的输出结

果是(—)。

A)110110

B)110

Olll

D)112

答案：c

解析：

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

A)IOCaI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IOCal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

答案:D

解析：

12.[单选题]下列选项中，关于fillna()方法描述正确的是()

A)fi∏na()方法只能填充替换值为NaN的数据

B)只支持前向填充方式

C)默认可支持填充的最大数量为1

D)fillna()方法可以填充替换值为NaN和NOne的数据

答案:D

解析：

13.[单选题IMapReduce做二次排序是要对什么内容进行排序

A)对文件名进行排序

B)对key进行再次排序

C)对分区进行排序

D)对key进行排序

答案:D

解析：

14.[单选题]运行下列代码，输出结果是()。

L=[iifi%2==0elsei*10foriinrange(5)]print(1)

A)[0,10,2,30,4]

B)[10,2,30,4]

C)[0,10,2,30,4,50]

D)[0,1,20,3,40]

答案:A

解析:该列表推导式意为在O〜4中偶数不变，奇数乘10,因此A正确。

15.［单选题Iregionserver负责零个或多个区域的管理以及响应（）的读写请求。

A）Client

B）MapReduce

C）HDFS

D）HBase

答案:A

解析：

16.［单选题］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数据的磁盘配置答案：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：

17.［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）灵活性

C）关联度

D）颗粒度

答案:D

解析：

18.［单选题］下面关于“领域务实知识”相关描述不正确的有（_）。

A）“领域务实知识”是对数据科学家的特殊要求

B）领域务实知识具有显著的面向领域性

C）领域务实知识是数据科学的理论基础

D）在组建团队时，不需重视领域专家的参与

答案:D

解析：

19.［单选题］以下哪项不属于传统的数据存储和管理技术：（）

A）NoSQL数据库

B）文件系统

C）关系数据库

D）数据仓库

答案:A

解析:

20.［单选题］向数据表中插入一条记录用以下哪一项（）

A）CREATE

B）INSERT

OSAVE

D）UPDATE

答案:B

解析：

21.［单选题］以下哪项不属于图像分割的目的。。

A）把不同类标分开。

B）提取不同区域的特征。

C）识别图像内容，或对图像进行分类。

D）对未处理噪声的图像进行平滑。

答案:D

解析：

22.［单选题］Maxcompute的ACL授权操作一般涉及三个要素，不包括：（）。

A）操作

B）客体

C）限制条件

D）主体

答案：C

解析：

23.［单选题］大数据数据驱动环境下，世界经济发展呈现的新特点中不包括（）。

A）创新发展

B）零和博弈

C）互联互通

D）开放包容

答案:B

解析：

24.［单选题］运行下面程序，a、b、c、d四个变量的值错误的是（）。

Importcopya=[l,2,3,4,['a','b']]b=a

C=copy.copy(a)d=copy.deepcopy(a)(a).append(5)a[4].append('cl)

A)a==[l,2,3,4,['a','b','c'],5]

B)b==[l,2,3,4,['a','b','c'],5]

C)c==[l,2,3,4,['a','b','c']]

D)d==[l,2,3,4,['a','b','c']]

答案:D

解析：直接赋值，默认浅拷贝传递对象的引用而已，原始列表改变，被赋值的b也会做相同的改变

;copy浅拷贝，没有拷贝子对象，所以原始数据改变，子对象会改变；深拷贝，包含对象里面的自

对象的拷贝，所以原始对象的改变不会造成深拷贝里任何子元素的改变。

25.［单选题］以下哪些选项不属于大数据时代到来的必要条件？

A）存储设备容量提升

B）CPU计算性能提升

C）超级计算机的出现

D）网络带宽提升

答案：C

解析：

26.［单选题］参数估计可分为（）和区间估计。

A）线型估计

B）点估计

C）回归估计

D）二维分析

答案:B

解析:参数估计是根据从总体中抽取的随机样本来估计总体分布中未知参数的过程。从

估计形式看，区分为点估计与区间估计。

27.［单选题］与大数据密切相关的技术是

A）蓝牙

B）云计算

C）博弈论

D）WiFi

答案:B

解析：

28.［单选题］在HiVe中，标准查询关键字执行顺序为（）

A）FROMfGRoUPBY→WHERE→ORDERBY→HΛVING

B）FROMfWHEREfGROUPBY→ORDERBYfHAVlNG

C）FROM-WHEREfGROUPBY→HΛVING→ORDERBY

D）FRoMfwffiREfoRDERBYfHAVINGfGROUPBY

答案：C

解析：

29.［单选题］数据销毁环节的安全技术措施有通过软件或物理方式保障磁盘中存储数据的（）、不可恢

复，如数据销毁软件、硬盘消磁机、硬盘粉碎机等。

A）暂时隔离

B）暂时删除

C）永久删除

D）不做处理

答案：C

解析：数据销毁环节的安全技术措施有通过软件或物理方式保障磁盘中存储数据的永久删除、不可恢

复，如数据销毁软件、硬盘消磁机、硬盘粉碎机等。

30.［单选题］属于卷积神经网络应用方向的是（）。

A）图像分类

B）目标检测

C）图像语义分割

D）以上答案都正确

答案:D

解析：卷积神经网络应用于图像分类、目标检测及图像语义分割。

31.［单选题］以下聚合函数求平均数的是（）

A）COUNT

B）MAX

C）AVG

D）SUM

答案：C

解析：

32.［单选题］大数据平台技术架构不包含的是（）

A）数据整合

B）数据存储

C）数据计算

D）数据溯源

答案:D

解析:利用大数据平台可以实现数据整合、数据存储、数据计算等技术,无法实现数据溯源。

33.［单选题］k近邻学习是一种（_）算法。

A）分类算法

B）降维算法

C）聚类算法

D）回归算法

答案:A

解析：

34.［单选题］大数据计算服务（MaxCompute,原ODPS）提供了MaPRedUCe编程接口，用户可以使用

MaPRedUCe提供的SDK编写程序处理大数据计算服务的中的数据。目前提供了（）语言的SDK。

A）Perl

B）C++

C）Python

D）Java

答案:D

解析：

35.［单选题］Metastore是HiVe的（）的集中存放地，它保存了HiVe的元数据信息

A）元数据

B）配置信息

C）登录信息

D）权限设置

答案:A

解析：

36.［单选题］存储过程的调用有几种方式。？

A）2

B）3

04

D）l

答案:D

解析：

37.［单选题］回归分析的任务，就是根据（）和因变量的观察值，估计这个函数，并讨论与之有关的

种种统计推断的问题

A）相关变量

B）样本

C）已知数据

D）自变量

答案:D

解析：

38.［单选题］数据管理成熟度模型一DMM将一个机构的数据管理工作抽象成6个关键过程域，即数据战

略、（）、数据质量、平台与架构、数据操作以及辅助性过程。

A）数据管理

B）数据治理

C）数据策略

D）数据安全

答案:B

解析:DMM模型将一个机构的数据管理工作抽象成6个关键过程域，即数据战略、数据治理、数据质量

、平台与架构、数据操作以及辅助性过程。

39.［单选题］TFTDF模型中TF是指（_）。

A）词频数

B）逆文档频率

C）词频率

D）逆文档频数

答案：C

解析：

40.［单选题］“冬天麦盖三层被，来年枕着馒头睡。”一新人教版小学语文《第一场雪》”关于这

段民俗民谚中体现的是：

A）相关性背后有一定的因果性

B）能被直接观测到的才是因果性

C）相关性就是因果性

D）相关性与因果性完全无关

答案:A

解析：

41.［单选题］在HadoOP的分区阶段，默认的PartitiOner是（）

A）RangePartitioner

B）Partitioner

OHashPartitioner

D）用户自定义的PartitiOner

答案：C

解析：

42.［单选题］以下可用于隐变量估计的方法是（—）o

A）梯度下降法

B）EM法

C）牛顿法

D）贝叶斯分析

答案:B

解析：

43.［单选题］关于大数据在社会综合治理中的作用，以下理解不正确的是（）。

A）大数据的运用能够维护社会治安

B）大数据的运用能够加强交通管理

C）大数据的运用能够杜绝抗生素的滥用

D）大数据的运用有利于走群众路线

答案：C

解析：

44.［单选题］下面（）函数不是字符串处理函数。

A）TRUNC

B）TO_CHAR

OSUBSTR

D）1NSTR

答案:A

解析：

45.［单选题］关于MaXeomPUte分区的说法，正确的是：（）。

A）MaXComPUte将分区列的每个值作为一个分区

B）用户最多能指定2级分区

C）分区列只支持String和bigint两种，且统一表的分区列要么全部是String,要么全部是bigint,不

能混用

D）在使用数据时必须指定分区列，否则会出错

答案:A

解析：

46.［单选题］以下哪个组件样式是在所有的可视化图表中普遍存在的？（）

A）图例

B）轴线

C）标题

D）网格线

答案：C

解析：

47.［单选题］阅读下列程序r=10c=2s=r*cprint（s）运行结果是

A）20

B）12

08

D）出错

答案:A

解析：

48.［单选题］在HiVe中有数据表employee,将其重命名为emp命令正确的是（）

A）altertableemployeerenametoemp；

B）updatetableemployeerenametoemp；

C）altertableemployeerenameemp；

D）updatetableemployeerenameemp；

答案:A

解析：

49.［单选题］FusionlnsightHDManager界面Hive日志收集，哪个选项不正确

A）可指定实例进行日志收集，比如指定单独收集MetaStore的日志

B）可指定时间段进行日志收集，比如只收集2016-1-1到2016-1-10的日志

C）可指定节点IP进行日志收集，例如仅下载某个ip的日志

D）可指定特定用户进行日志收集，例如仅下载userA用户产生的日志

答案:D

解析：

50.［单选题］下面的循环会打印多少次"ILovePythonw?foriin5：print('ILovePython')

A)l

B)6

C)5

D)会报错

答案：D

解析：

51.［单选题］关于引入模块的方式，错误的是()

A)importmath

B)fromfibimportfibonacci

C)frommathimport*

D)fromimportfib

答案:D

解析：

52.［单选题］(_)度量了学习算法的期望预测与真实结果的偏离程度。

A)偏差

B)方差

C)均方差

D)泛化误差

答案:A

解析：

53.［单选题］下列选择LogiStiC回归中的One-VS-An方法中，()是真实的

A)我们需要在n类分类问题中适合n个模型

B)我们需要适合n-1个模型来分类为n个类

C)我们需要只适合1个模型来分类为n个类

D)以上答案都不正确

答案:A

解析：

54.［单选题］下列选项中，若是哪个节点关闭了，就无法访问HadooP集群()

A)namenode

B)datanode

C)secondarynamenode

D)yarn

答案:A

解析：

55.［单选题］ADS的表进行实时插入、更新时，遵循（）设计。

A）强一致性

B）最终一致性

C）会话一致性

D）因果一致性

答案:B

解析：

56.［单选题］下列选项中，关于SSH服务说法正确的是O

A）SSH服务是一种传输协议

B）SSH服务是一种通信协议

C）SSH服务是一种数据包协议

D）SSH服务是一种网络安全协议

答案:D

解析：

57.［单选题］关于SeCOndaryNameNode哪项是正确？。

A）它是NameNode热

B）它对内存没有要求

C）它的目的是帮助

D）SecondaryNameNode

答案：C

解析：

58.［单选题］HDFS是基于流数据模式访问和处理超大文件的需求而开发的，具有高容错、高可靠性、

高可扩展性、高吞吐率等特征，适合的读写任务是OO

A）一次写入，少次读

B）多次写入，少次读

C）多次写入，多次读

D）一次写入，多次读

答案:D

解析：

59.［单选题］下列说法错误的是（—）o

A）乎所有LinUX系统都默认安装了Pythono

B）你想使用非默认版本的Python,请首先确定已安装的PythOn版本

C）$python—versionPython2.7.6表示系统只安装了版本是2.7.6

D）名为deadsnakes的包让安装多个Python版本变得很容易

答案：C

解析：

60.［单选题］下面这段代码的作用是什么？try{Rsp=restClientlest.PerformReqUeSt

("HEAD","1,,+indexparams)；Lf(HttpStatus.Sc_OK==rsp.getStatusLineO.getSta

tusCode(){LOG.info("Checkindexsuccessful,indexisexist："+index)；return

true：}Lf(Httpstatus.SC_NOT_FOUND==Rsp.getStatusLine(.getStatusCode(){

LOG.info(indexisnotexist："+index)；returnfalse；)

A)判断素引分片是否存在

B)判断索引类型

C)判断索引是否可用

D)判断索引是否存在

答案:D

解析：

61.［单选题］在神经网络学习中，感知机输出层中的M-P神经元通常被称为()

A)闽值逻辑羊元

B)激活函数

C)挤压函数

D)连接函数

答案:A

解析：

62.［单选题］下面说法正确的是

A)基于像素的图像增强方法是一种线性灰度变换

B)基于像素的图像增强方法是基于空间域的图像增强方法的一种

C)基于频域的图像增强方法由于常用到傅里叶变换和傅里叶反变换，所以总比基于图像域的方法计

算复杂较高

D)基于频域的图像增强方法比基于空域的图像增强方法的增强效果好

答案:B

解析：

63.［单选题］()的主要目标是提供可扩展的机器学习算法及其实现，旨在帮助开发人员更加方便快捷

地创建智能应用程序。

A)Mahout

B)Flume

C)Sqoop

D)HBase

答案:A

解析:MahoUt是ApacheSoftwareFoUndation(ASF)旗下的一个开源项目，提供一些可扩展的机器学

习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。MahoUt包含许多实现

,如聚类、分类、推荐过滤、频繁子项挖掘等。

64.［单选题］关于HBaSe的三层结构中各层次的名称和作用的说法，哪个是错误的？

A)ZookeePer文件记录了用户数据表的Region位置信息

B)-RoOT-表记录了.META.表的RegiOn位置信息

OMETA.表保存了HBaSe中所有用户数据表的RegiOn位置信息

D)ZoOkeePer文件记录了-ROOT-表的位置信息

答案:A

解析：

65.［单选题］运行下面程序，可以获得两个数组元素匹配的位置的操作是()。输入：a=

np.array(［1,2,3,2,3,4,3,4,5,6］)

B=np.array(［7,2,10,2,7,4,9,4,9,8］)期望输出：(array(Li,3,5,7］),)

A)np.where(a!=b)

B)np.where(a==b)

C)np.where(a=b)

D)np.where(a>b)

答案:B

解析:np.Where()在只有一个参数时返回数值不为0元素的下标。

294

66.［单选题］下列关于数据转换，正确的是()。

A)JSon内的取值只能有统一格式

B)PDF文件在不同平台上打开显示不同

C)可以通过Python将CSV文件转换成Excel格式

D)EXCeI存储数据的量无限制

答案：C

解析：

67.［单选题］图像中的椒盐噪声可以用(_)去除。

A)中值滤波

B)均值滤波

C)最大值滤波

D)最小值滤波

答案:A

解析：

68.［单选题］下列关于数据转换器说法正确的是()

A)ArraySPlit是文本型转换器

B)Left是集合型转换器

C)DatelnC是集合型转换器

D)Formatdate转换器使用时可以不区分日期形式

答案:A

解析：left是文本转换器，从字符串的左边截取特定长度的字串；datelnc是时期型转换器，对系统

时间增加/减少特定单位。

69.［单选题］如果训练一个RNN网络时发现权重与激活值都是NaN,则导致这个问题最有可能的原因

是()。

A)梯度消失

B)梯度爆炸

OReLU函数作为激活函数gO,在计算g(z)时，Z的数值过大了

D)Sigmoid函数作为激活函数g(),在计算g(z)时，Z的数值过大了

答案:B

解析：训练过程中出现梯度爆炸会伴随一些细微的信号，如：①模型无法从训练数据中获得更新(如

低损失)；②模型不稳定，导致更新过程中的损失出现显著变化；③训练过程中，模型损失变成

NaNo

70.［单选题］()算法是一种最有影响的挖掘关联规则频繁项日集的算法

A)FP-grow也

B)EClat

C)聚类

D)Apdori

答案:D

解析：

71.［单选题］已知X=IO,y=20,z=30;以下语句执行后X,y,z的值是()Ifx<y：z=xx=yy=z

A)10,20,30

B)10,20,20

C)20,10,10

D)20,10,30

答案：C

解析:

72.［单选题］Spark的四大组件下面哪个不是O

Λ)SparkStreaming

B)Mlib

C)Graphx

D)SparkR

答案:D

解析：

73.［单选题］下列关于bootstrap说法正确的是(___)0

A)从总的M个特征中,有放回地抽取m个特征(m<；M)

B)从总的M个特征中，无放回地抽取m个特征(m<；M)

C)从总的N个样本中,有放回地抽取n个样本(n<；N)

D)从总的N个样本中,无放回地抽取n个样本(n<；N)

答案：C

解析：

74.［单选题］（）是二维随机变量的分布。

A）正态分布

B）二项分布

C）边缘分布

D）指数分布

答案：C

解析：二维随机变量的分布有边缘分布和条件分布。

75.［单选题］如果建立一个5000个特征、100万个数据的机器学习模型，则有效地应对这样的大数

据训练的方法是（）。

A）随机抽取一些样本，在这些少量样本之上训练

B）可以试用在线机器学习算法

C）应用PCA算法降维，减少特征数

D）以上答案都正确

答案:D

解析:样本数过多或者特征数过多而不能单机完成训练时，可以用小批量样本训练，或者在线累计式

训练，或者主成分PCA降维方式减少特征数量再进行训练。

76.［单选题］SQL语言具有两种使用方式，分别称为交互式SQL和（）

ʌ）提示式SQL

B）多用户SQL

C）嵌入式SQL

D）解释式SQL

答案：C

解析：

77.［单选题］有关神经网络训练过程的说法，错误的是？O

A）对神经网络训练的优化需要综合考虑激活函数、网络结构、权重更新方法等多种因素。

B）分析问题确定后，神经网络合适的结构就可以确定。

C）神经网络权重的初始化大小会对网络的训练结果影响。

D）使用增加训练次数的方法不一定可以减少代价函数的取值。

答案:B

解析：

78.［单选题］马尔可夫随机场有一组（_）,这是定义在变量子集上的非负实函数，主要用于定义概

率分布函数。

A）损失函数

B）优化函数

C）激活函数

D）势函数

答案:D

解析:

79.［单选题］下列不属于无监督学习方法的是()

A)、K-meA、ns

B)、线性降维

C)、D、B、SC、A、N

D)、支持向量机

答案：D

解析：

80.［单选题］HBase依靠O来存储底层数据？

A)HDFS

B)Zookeeper

OHive

D)Spark

答案:A

解析：

81.［单选题］下面这段代码的作用是什么？

A)创建索引

B)删除索引

C)维护亲引

D)更新索引

答案:A

解析：

82.［单选题］假设PreCiSiOn='四7(TP+FP),recalI=TP/(0'+FN),则在二分类问题中,当测试集的

正例和负例数量不均衡时，以下评价方案中()是相对不合理的

A)Accuracy：(TP+ɪN)/all

B)F-value：2recallprecisionJ(r,∞<⅛l］i⅛r∞ision)

C)G-mean:Sq此(precision*recal1)

D)AUC:曲线下面积

答案:A

解析：

83.［单选题］如果线性回归模型中的随机误差存在异方差性，那么参数的OLS估计量是()。

A)无偏的、有效的

B)无偏的、非有效的

C)有偏的、有效的

D)有偏的、非有效的

答案：B

解析：0LS即普通最小二乘法，由高斯-马尔可夫定理可知，在给定经典线性回归的假定下，最小

二乘估计量是具有最小方差的线性无偏估计量。根据证明过程可知，随机误差中存在异方差性不会

影响其无偏性，而有效性证明中涉及同方差性，即异方差性会影响参数OLS估计量的有效性，得到

的参数估计量不是有效估计量。

84.［单选题］IBM在3V的基础上又归纳总结了第4个V是指

A）真实和准确

B）无时不在

C）巨量

D）极速

答案:A

解析：

85.［单选题］大数据对推动经济的重要意义不包括。。

A）大数据成为推动经济转型发展的新动力

B）大数据成为重塑国家竞争优势的新机遇

C）大数据成为企业转型升级的新常态

D）大数据成为提升政府治理能力的新途径

答案：C

解析：

86.［单选题］关于Spark的说法中，（）是错误的。

A）采用内存计算模式

B）可利用多种语言编程

C）主要用于批处理

D）可进行map（）操作

答案：C

解析：

87.［单选题］假如使用逻辑回归对样本进行分类,得到训练样本的准确率和测试样本的准确率。现在

,在数据中增加一个新的特征，其他特征保持不变。然后重新训练测试。则下列说法正确的是（）。

A）训练样本准确率一定会降低

B）训练样本准确率一定增加或保持不变

C）测试样本准确率一定会降低

D）测试样本准确率一定增加或保持不变

答案：B

解析：在模型中增加更多特征一般会增加训练样本的准确率，减小偏差。但测试样本准确率不一定增

加，除非增加的特征是有效特征。

88.［单选题］学生成绩属于下列哪类数据

A）结构化数据

B）非结构化数据

C）半结构化数据

D)准结构化数据

答案:A

解析：

89.［单选题］执行以下代码段ClaSSTest：def_init_(self)：self,x=Oclass

Derived_Test(Test)：def_init_(self)：Test.init_(self)self,y=Idefmain()：b=

Derived_Test()Print(b.x,b.y)main()时，输出为()t,

A)00

B)01

OlO

D)l1

答案:B

解析：

90.［单选题］以下对结构化数据描述不正确的是(—)。

A)结构化数据可以直接用传统关系数据库进行存储

B)先有结构，后有数据

C)语音数据是结构化数据

D)XML不是结构化数据

答案：C

解析：

91.［单选题］设计分布式数据仓库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：

92.［单选题］HDFS无法高效存储大量小文件，想让它能处理好小文件，比较可行的改进策略不包括

O?

A)利用SeqUenCeFiIe、MapFile,Har等方式归档小文件

B)多MaSter设计

C)BloCk大小适当调小

D)调大namenode内存或将文件系统元数据存到硬盘里

答案:D

解析：

93.［单选题］你正在使用带有Ll正则化的IogiStiC回归做二分类，其中C是正则化参数，WI和w2是

Xl和x2的系数。当你把C值从O增加至非常大的值时，下面哪个选项是正确的？

A)第一个w2成了0,接着Wl也成了O

B)第一个Wl成了0,接着w2也成了O

C)Wl和w2同时成了O

D)即使在C成为大值之后，Wl和w2都不能成O

答案：C

解析：

94.［单选题］执行以下代码段a=3b=4c=256Print(C∕b**a)时，输出为()。

A)64

B)4.O

0192

D)262144

答案：B

解析：

95.［单选题］()完成HQL查询语句从词法分析、语法分析、编译、优化以及生成逻辑执行计划的

生成。生成的逻辑执行计划存储在HDFS中，并随后由MapReduce调用执行。

A)Parser

B)YARN

C)Driver

D)Executor

答案：C

解析：

96.［单选题］0racle数据库中，段的集合称为

A)区

B)段

C)表空间

D)数据库

答案：C

解析：

97.［单选题］如果想把RediS的Key中存储的数字值减1,该使用下列哪一个命令？

A)deer

B)incr

C)C.incrby

D)decrby

答案：A

解析：

98.［单选题］()是一门以可视交互为基础,综合运用图形学、数据挖掘和人机交互等技术等多个学

科领域的知识，以实现人机协同完成可视化任务为主要目的分析推理性学科。

A）科学可视化

B）可视分析学

C）数据可视化

D）信息可视化

答案:D

解析：

99.［单选题］匹配是将两个知识模式进行（）比较。

A）相同性

B）一致性

C）可比性

D）同类性

答案：B

解析：

100.［单选题］HBase的一个典型应用是webtable,它是一个以网页（）为主键的表。

A）标题

B）URL

C）内容

D）类别

答案:B

解析：

101.［单选题］下列是数学模块的是O

A）math

B）random

C）re

D）sax

答案:A

解析：

102.［单选题］Spark的大数据处理平台是建立在同一抽象的（一）之上。

A）HDFS

B）HBase

C）RDD

D）MR

答案：C

解析：

103.［单选题］FusionlnsightHD系统审计日志不可以记录下面哪些操作?

A）手动清除告警

B）启停服务实例

C）删除服务实例

D）查询历史监控

答案:D

解析：

104.［单选题］大型会员制连锁超市S使用OTS来存储消费记录表，里面包含了客户的ViP卡号、订单标

识，超市分店标识，商品标识，购买时间等，业务逻辑遵循以下规则：每个ViP卡号对应一个客户

,同时一个客户职能拥有一个ViP卡号；该连锁超市的不同分店都拥有唯一的分店标识；订单标识按

照时间顺序产生；为了让数据分布和访问了的分布尽可能均匀，一下备注主键中（）最合适。

A）购买时间，ViP卡号

B）ViP卡号，购买时间

C）ViP卡号

D）订单标识，ViP卡号

答案:B

解析：

105.［单选题］下列方法中，默认删除列表最后一个元素的是（）。

A）del

B）remove（）

C）pop（）

D）extend（）

答案：C

解析：

106.［单选题］使用交互式的和可视化的技术，对数据进行探索属于数据挖掘的哪一类任务？

A）探索性数据分析

B）建模描述

C）预测建模

D）寻找模式和规则

答案:A

解析：

107.［单选题］业务系统功能设计需严格执行公司信息化和数据资产标准，数据应按O准确录入和

采集，关键数据应进行初审和复核，保证数据真实，避免数据缺失

A）规定的时间、频度

B）数据类型

C）数据大小

D）数据重要性

答案:A

解析：

108.［单选题］以下代码哪个能够打印出138-9922-0202这个电话号码，注意格式需要完全一致？（）

A)Print(“138”)Print(“9922”)Print(“0202”)

B)Print(“138”，end="'')Print(“9922”，end="")Print(“0202”，end="'')

C)Print(“138”,sep=)Print(“9922”,sep=)Print(“0202”,sep=)

D)Print(“138”，end=)Print(“9922”，end=)Print(“0202”)

答案:D

解析：

109.［单选题］关于HiVe说法正确的是()。

A)一种数据仓库

B)一种数据处理工具

C)一种可视化工具

D)一种分析算法

答案:A

解析:HiVe是基于HadooP的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储

、查询和分析存储在HadooP中的大规模数据的机制。

110.［单选题］当需要在字符串中使用特殊字符时，Python使用()作为转义字符。

A)∖

B)/

O#

D)%

245

答案:A

解析：转义字符为反斜线∖o

111.［单选题］在HadooP生态系统中，()建立在MaPRedUCe之上，主要用来弥补MaPRedUCe编程的

复杂性。

A)HBase

B)Flume

OPig

D)Sqoop

答案：C

解析：

112.［单选题］下列一系列处理，在基本保持原始数据完整性的基础上，减小数据规模的是()

A)数据清洗

B)数据融合

C)数据规约

D)数据挖掘

答案：C

解析：

113.［单选题］可以实现数组的除法是哪个函数？

A）np.sub

B）np.add

C）np.mul

D）np.div

答案:D

解析：

114.［单选题］有订单表Order,包含用户信息uid,商品信息gid,以下（）语句能够返回至少被购买两

次的商品id。--

A)SELECTgiD、FROMorderWHERECOUNT(gid)>1；

B)SELECTgiD、FROMorderWHEREMAX(gid)>l;

C)SELECTgiD、FROMorderGROUPBYgiD、HAVINGCOUNT(gid)>l;

D)SELECTgiD、FROMorderWHEREHAVINGCOUNT(gid)>1GROUPBYgid；

答案：C

解析：

115.［单选题］MapReduce计算框架的输入是()数据结构。

A)key-value

B)input-output

C)map-reduce

D)key-column

答案:A

解析：

116.［单选题］Zookeeper维护着一个（__）的层次结构。

A）链型

B）网格型

C）树形

D）队列行

答案：C

解析：

117.［单选题］支持子程序调用的数据结构是

A）队列

B）二叉树

C）树

D）栈

答案:D

解析：

118.［单选题］在MaxComputeSQL中，执行CeII（Ll）,结果为:（）。

A)l

B)2

C)2

D)l

答案:B

解析：

119.［单选题］下列关键字中，用来引入模块的是()

ʌ)include

B)from

C)import

D)continue

答案：C

解析：

120.［单选题］某大数据分析人员想选择某图表类型来表示当前坐标范围内的各个点的权重情况，最适

合的是()

A)点图

B)热力点图

C)面积图

D)雷达图

答案:B

解析：

121.［单选题］执行以下代码段Print(TrUeandl)print(Falseand1)时，输出为(__)。

A)TrueFalse

B)Truel

C)IFalse

D)ll

答案：C

解析：

122.［单选题］下面哪个APaehe系统可以向HadOOP提供流式数据O

A)Oozie

B)Flume

OHive

D)Kafka

答案:B

解析：

123.［单选题］出现在datanode的VERSION文件格式中但不出现在namenode的VERSIoN文件格式中的是

O

A)namespacelD

B)StorageID

C)StorageType

D)IayoutVersion

答案:B

解析：

124.［单选题］MapReduce是一种编程模型，用于对大规模数据的（一）。

A）并行处理

B）串行处理

C）存储

D）查询

答案:A

解析：

125.［单选题］为了应对大数据时代的信息安全问题，下列措施中不恰当的做法是Oo

A）遵循历史经验

B）事前主动预防

C）事中即时应对

D）事后总结改进

答案:A

解析:

126.［单选题］已知一组数据的协方差矩阵，下面关于主分量说法错误的是（）。

A）主分量分析的最佳准则是对一组数据接一组正交基分解，在只取相同数量分量的条件下，以均方

误差计算截尾误差最小

B）在经主分量分解后，协方差矩阵成为对角矩阵

C）主分量分析就是K-L变换

D）主分量是通过求协方差矩阵的特征值得到

答案：C

解析：

127.［单选题IMapReduce里面的query、sort和Iimit等都是针对（）的操作。

A）map（）之前

B）reduce（）之前

C）reduce（）之后

D）nalize（）之后

答案：A

解析:query是一个筛选条件，只有满足条件的文档才会调用map函数；sort是在发往map（）函

数之前给文档排序；Iimit是发往mapO函数的文档数量的上限，所以它们都是在map（）之前。

128.［单选题］PageRank是一个函数，它对Web中的每个网页赋予一个实数值。它的意图在于网页的

PageR.ank越高，那么它就（）。

A）相关性越高

B）越不重要

C）相关性越低

D）越重要

答案:D

解析：

129.［单选题］x**=2等效于（）o

A）x=X*2

B）x=x*2*2

C）x=X**2

D）以上都不对

答案：C

解析：

130.［单选题］“神威-太湖之光”1分钟算力，相当于全球72亿人同时用计算器不间断计算:

A）2年

B）32年

0432年

D）5432年

答案:B

解析：

131.［单选题］关于准确率，精确率与召回率，下列说法错误的是：

A）准确率=所有预测正确的样本/总的样本

B）精确率=将正类预测为正类/所有预测为正类

C）召回率=将正类预测为正类/所有正真的正类

D）F值=精确率*召回率/（正确率+召回率）

答案:D

解析：

132.［单选题］采用云计算带来的最明显的价值是什么：O

A）业务灵活性

B）降低IT成本

C）增强安全性

D）提供自服务

答案：A

解析：

133.［单选题］当执行IistChello'）时，输出是（一）。

A）［'h','e','Γ,'Γ,'o'］

B）「hello'］.

C）［'olleh'］

D）［'h'］

答案:A

解析：

134.［单选题］执行以下代码段Print（"test"=="testing"）时，输出为（）。

A）None

B）Error

OFalse

D）True

答案：C

解析：

135.［单选题］正是由于BP神经网络的强大的表示能力，它经常遭遇（_）,其训练误差持续降低

,但测试误差却可能上升。

A）欠拟合

B）误差过大

C）误差过小

D）过拟合

答案:D

解析：

136.［单选题］关于文档数据库的说法，下列哪一项是错误的：（）

A）性能好（高并发）

B）缺乏统一的查询语法

C）复杂性低

D）数据是规则的

答案:D

解析：

137.［单选题］池化层的作用是（）。

A）、标准化处理输入特征

B）、对特征图进行特征选择和信息过滤

0、对提取的特征进行非线性组合以得到输出

D）、直接输出每个像素的分类结果

答案:B

解析：

138.［单选题］以下对半结构化数据描述不正确的是（一）。

A）先有数据，后有结构

B）先有结构，后有数据

C）HTML是半结构化数据

D）经过一定转换后可以用传统关系数据库存储

答案：B

解析：

139.［单选题］在SQL语言中，子查询是（）。

A）选取单表中字段子集的查询语句

B）选取多表中字段子集的查询语句

C）返回单表中数据子集的查询语言

D）嵌入到另一个查询语句之中的查询语句

答案:D

解析：

140.［单选题］CREATETABLE与（）一起使用可为新表复制已有的表结构。-

A）ΛS

B）IS

C）LIKE

D）以上的答案都不正确

答案：C

解析：

141.［单选题］为了返回组中所有值的和，应使用的聚合函数为（）

A）ΛVG

B）SUM

OCOUNT

D）DISTINCT

答案:B

解析：

142.［单选题］对于Hive中关于普通表和外部表描述不正确的是？

A）默认创建普通表

B）删除外部表时，只删除外部表数据而不删除元数据

C）外部实质是将已存在于HDFS上的文件路径跟表关联起来

D）删除普通表时，元数据和数据同时被删除

答案：C

解析：

143.［单选题］以下哪项关于决策树的说法是错误的（）

A）冗余属性不会对决策树的准确率造成不利的影响

B）子树可能在决策树中重复多次

C）决策树算法对于噪声的干扰非常敏感

D）寻找最佳决策树是NP完全问题

答案：c

解析：

144.［单选题］对连续图像的离散化采样决定了图像的（—）o

A）空间分辨率

B）时间分辨率

C）地面分辨率

D）灰度值

答案:A

解析：

145.［单选题］一般情况下，若要提高ElaStiCSearCh检索效率，可以采取什么操作？

A）增加ESMaSter节点

B）使用HiVe做底层存储

C）调整索引分片数

D）压缩索引

答案：C

解析：

146.［单选题］高频增强滤波器由于相对消弱了低频成分，因而滤波所得的图像往往偏暗，对比度差

,所以常需要在滤波后进行（_）。

A）中值滤波

B）低频加强

C）直方图均衡化

D）图像均匀加强

答案：C

解析：

147.［单选题］在留出法、交叉验证法和自助法三种评估方法中，（—）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

答案：C

解析：

148.［单选题］关于数据分析，下列说法正确的是（）。

A）描述性分析和预测性分析是诊断性分析的基础

B）诊断性分析是对规范性分析的进一步理解

C）预测性分析是规范性分析的基础

D）规范性分析是数据分析的最高阶段，可以直接产生产业价值

答案：c

解析：

149.［单选题］O一般由信道不理想引起，它们与信号的关系是相乘的，信号在它在，信号不在时

他也就不在了。

A）泊松噪声

B）高斯噪声

C）乘性噪声

D）椒盐噪声

答案：C

解析：

150.［单选题］下列PythOn赋值语句中，不合法的是（）o

A）x,y=y,x

B）x=y=l

C）x=（y=l）

D）x=l；y=l

答案：C

解析：

151.［单选题］任一随机事件出现的概率为（）

A）在T与1之间

B）小于0

C）不小于1

D）在0与1之间

答案:D

解析：

152.［单选题］关于PandaS层次化索引，下列说法错误的是（）。

A）层次化索引是指PandaS对象在一个轴方向上具有多层索引

B）层次化索引至多只能有两层索引

C）可以使用SWaPIeVe1（）方法对层次化索引的位置交换顺序

D）使用SOrtJndex（）可以对索引进行排序

答案:B

解析：

153.［单选题］下列说法错误的是？（）

A）大数据魔镜是一款优秀的国产数据分析软件，可以让用户真正理解探索分析数据

B）TabIeaU是桌面系统中最简单的商业智能工具软件，是一个用于网页作图、生成互动图形的

JaVaSeriPt函数库

C）GoogleFusionTabIeS让一般使用者也可以轻松制作出专业的统计地图

D）ModestMaPS是一个小型、可扩展、交互式的免费库，提供了一套查看卫星地图的APl

答案：B

解析：

154.［单选题］向量空间模型的缺陷不包括O。

A)维度灾难

B)模型稀疏性

C)语义信息缺失

D)无法计算文本相似度

答案：D

解析：无法计算文本相似度的原因有出现新词在向量模型中没有该词汇或分词工具对于词汇切分与上

次不同等其他原因。

155.［单选题］下面哪种不属于数据预处理的方法？

A)变量代换

B)离散化

C)聚集

D)估计遗漏值

答案:D

解析：

156.［单选题Imatplotlib中的调用堆积折线图的函数是什么O

A)step()

B)stackplot()

C)plusplot()

D)hist()

答案:B

解析：

157.［单选题］HBase依赖()提供强大的计算能力。

A)Zookeeper

B)Chubby

ORPC

D)MapReduce

答案:D

解析：

158.［单选题］HBase针对逻辑模型的理解错误的选项是()

A)一开始以时间戳版本为键，以数据(Data)为值(Value)建立单元(Cell)映射(MaP)

B)往下一层以列标识为键，以单元映射为值建立列簇映射

C)再往上一层以列簇为键，以列簇映射为值建立行键映射

D)最后以行键为键，以行键映射为值建立表映射

答案:B

解析：

159.［单选题］Python中定义私有属性的方法是Oo

A)使用PriVate关键字

B)使用PUbIiC关键字

C)使用_XX_定义属性名

D)使用—XX定义属性名

答案：D

解析：

160.［单选题］以下说法错误的一项是O

A)负梯度方向是使函数值下降最快的方向

B)当目标函数是凸函数时，梯度下降法的解是全局最优解

C)梯度下降法比牛顿法收敛速度快

D)拟牛顿法不需要计算HeSSe矩阵

答案：C

解析：

161.［单选题］当客户端需要读取HDFS中存储的文件时，首先向O发起读请求。

A)DataNode

B)NameNode

C)Yarn

D)Zookeeper

答案:B

解析：

162.［单选题］下面哪个不是HadOOP生态系统的组件：O

A)HDFS

B)SQLServer

OMapReduce

D)HBase

答案:B

解析：

163.［单选题］(一)接受来自AM的应用程序资源请求，把集群中的资源以COntainer的形式分配给申

请的应用程序。

A)NodeManger

B)ResourceManger

C)ApplicationMaster

D)Schedule

答案：D

解析：

164.［单选题］硬件故障被认为是常态，为了解决这个问题,HDFS设计了副本机制。默认情况下，一份

文件,HDFS会存()份？

A)3

B)5

02

D)4

答案:A

解析：

165.［单选题］()不属于聚类性能度量外部指标。

A)Jaccard系数

B)FM系数

ORand指数

D)DB指数

答案:D

解析：聚类常用的外部指标包括JaCCard系数、FM指数、Rand指数；聚类常用的内部指标包括DB指数

、DUnn指数。

166.［单选题］下列不属于数据科学跨平台基础设施和分析工具的是()。

A)微软Azure

B)Google云平台

C)阿里云

D)Adobephotoshop

答案：D

解析:AdObephotoshop软件一般不作为数据分析工具。

167.［单选题］以下哪个是技术性最强的计算机系统攻击手法？O

A)口令猜测

B)数据包侦听

0口令破解

D)数据包欺骗

答案:D

解析：

168.［单选题］执行以下代码段defbuild_person(first_name,last_name)：person={'first'：

first_name,'last'：last_name}returnpersonmusician=build_person('jimi',

'hendrix')print(musician)时，输出为(____)o

A){'first'：'jimi','last'：'hendrix')

B){'first'：'Jimi','last'：'Hendrix')

C)JimiHendrix

D)jimihendrix

答案:A

解析：

169.［单选题］k近邻算法在()的情况下效果较好。

A)样本较多但典型性不好

B)样本较少但典型性好

C)样本呈团状分布

D)样本呈链状分布

答案：B

解析：k近邻算法主要依靠的是周围的点，因此如果样本过多，则难以区分，典型性好的容易区分。样本

都是呈团状分布,KNN就发挥不出其求近邻的优势了，整体样本应该具有典型性好,样本较少，比较适宜

O

170.［单选题］执行以下代码段deffl()：x=20print(x)x=+lfl()时，输出为()。

A)Error

B)20

021

D)19

答案：B

解析：

171.［单选题］以下说法正确的是()。-

A)INT(4)中的4表示取值范围

B)BlNARY(4)中的4表示二进制数据的最大字节长度

C)VARCHAR(4)中的4表示占用的字节数

D)以上说法都不正确

答案:B

解析：

172.［单选题］Hadoop工程文件使用哪个扩展名O

A)hrh

B)har

C)hrc

D)hraf

答案：B

解析：

173.［单选题］Hive的数据最终存储在()。

A)HDFS

B)HBase

C)RDBMS

D)MetaStore

答案:A

解析：

174.［单选题］(_)是指同样的一句话，可能有两种或者更多的切分方法。

A)生词

B)歧义

C)断句

D)分词

答案：B

解析：

175.［单选题］假设file是文本文件对象，下列选项中，哪个用于读取一行内容？()

A)file,read()

B)file,read(200)

C)file,readline()

D)file.readlies()

答案：C

解析：

176.［单选题］下列时间序列模型中，哪一个模型可以较好地拟合波动性的分析和预测

A)ARMA模型

B)AR模型

C)MA模型

D)GARCH模型

答案：D

解析：

177.［单选题］当作业调度根据自己的调度算法调度该作业时，会根据数据划分信息为每个划分创建

一个(一)任务。

A)Reduce

B)Shuffle

C)Map

D)Partition

答案：C

解析：

178.［单选题］在面积图中，面积是指()

A)坐标系中不同的点围成的最大图形面积

B)坐标系中不同的点所连成的折现投影于纵轴的面积

C)坐标系中不同的点所连成的折现投影于横轴的面积

D)坐标系中不同的点围成的最小图形面积

答案：C

解析：

179.［单选题］执行下列语句后，变量SUm的值是()SUm=Oi=OWhile(i

A)55

B)30

025

D)无答案

答案:A

解析：

180.［单选题］一个输入为(32,32,3)的数据集，通过一个大小为2X2的不重叠最大池化层，输出

()O

A)(28,28,8)

B)(16,16,8)

C)(28,28,3)

D)(16,16,3)

答案:D

解析：

181.［单选题］one-hot单个属性编码的个数取决于()

A)所有样本中该属性出现的最高频率的取值

B)样本个数

C)所有样本中该属性的最大值

D)所有样本中该属性可取值的个数

答案：D

解析：

182.［单选题IMapReduce中哪一种文件输入格式可以自动切割并合并小文件？()

Λ)NLinelmputFormat

B)TextInputFormat

C)CombineFiIeInputFormat

D)KeyvalueTextInputFormat

答案：C

解析：

183.［单选题］下列选项中，属于Python关键字的是()。

A)name

B)is

Oif

D)and

答案:A

解析：

184.［单选题］在HBaSe的附加过滤器中，全匹配过滤器是()

A)SkipFilter

B)WhiIeMatchFiIter

C)ColuninPrefixFilter

D)RandomRowFilter

答案:B

解析：

185.［单选题］下面属于流计算技术的是：()

A)Spark

B)GraphX

0S4

D)HiVe

答案：C

解析：

186.［单选题］HBase中有两种读取数据函数，分别是get()方法和()方法

A)set()

B)scan()

C)fileter()

D)scanner()

答案:B

解析：

187.［单选题］下列哪项通常是集群的最主要瓶颈(

A)CPU

B)网络

C)磁盘I/O

D)内存

答案：C

解析:磁盘I/O是不可扩充的，其他的可以扩充。

188.［单选题］某项目小组接到一个大数据实时分析项目，且对实时性要求很高。请问以下哪种大数

据计算框架最合适？

A)Flink

B)MapReduce

OHBase

D)Spark

答案:A

解析：

189.［单选题］np.hsplit函数是按照什么轴进行分割数组？

A）水平轴

B）竖直轴

C）深度分割

D）45度轴

答案:A

解析：

190.［单选题］下列哪一项不是经典的社区研究案例O

A）空手道俱乐部

B）科学家合作网络

C）斑马群体的社交行为研究

D）芽殖酵母基因调控网络

答案:D

解析：

191.［单选题］工业4.0计划是哪个国家提出的数据战略

A）日本

B）德国

C）中国

D）叙利亚

答案:B

解析：

192.［单选题INumericToString是文本函数的一种，它的功能是（）。

A）把一个字符串转换为数值

B）把二进制转换为字符串

C）把一个CSN序列转换成字符串

D）把一个数值数据转换为字符串

答案:D

解析：

193.［单选题］下列关于运算符优先级的说法中，不正确的一个是（）

A）运算符按照优先级顺序