2025年南京大数据集团有限公司工作人员招聘笔试参考题库附带答案详解

2025年南京大数据集团有限公司工作人员招聘笔试参考题库附带答案详解一、单项选择题（每题1分，共30分。每题只有一个正确答案，请将正确选项字母填在括号内）1.南京大数据集团“十四五”规划中，提出到2025年数据要素流通规模突破（）亿元。A.50B.80C.100D.120答案：C详解：集团2025年行动方案第3条明确“数据要素流通规模突破100亿元”，其中公共数据授权运营占比不低于60%。2.下列关于《江苏省公共数据管理办法》的表述，错误的是（）。A.公共数据实行目录管理B.无条件共享类数据可直接落地C.受限共享类需签订使用协议D.禁止共享类数据不得出境答案：B详解：办法第18条指出“无条件共享类数据应通过省大数据共享交换平台以接口方式提供”，并非“直接落地”，强调“可用不可见”。3.在Linux系统中，查看当前目录下最大文件的命令是（）。A.ls-SlhB.du-ahC.find.-typef-execls-S{}\;D.ls-lSh|head-n1答案：D详解：ls-lSh按大小降序列出，head-n1取最大文件；A项仅排序不取首行；C项exec调用效率低且格式不友好。4.某Hive表partitionedby(dtstring)，现需删除2023年12月分区，正确语句是（）。A.DROPPARTITIONdt<'2024-01-01';B.ALTERTABLEtDROPPARTITION(dt<'20231231');C.ALTERTABLEtDROPPARTITION(dt='20231231');D.TRUNCATEPARTITIONdt='202312';答案：C详解：Hive删除分区需指定具体分区值，不支持范围删除；A、B语法错误；D项TRUNCATE无此用法。5.下列加密算法中，属于非对称加密且常用于数字签名的是（）。A.3DESB.AES-256C.ECCD.RC4答案：C详解：ECC（椭圆曲线密码）是非对称算法，密钥短、签名快；3DES、AES、RC4均为对称加密。6.根据《个人信息保护法》，处理敏感个人信息应当取得个人的（）。A.明示同意B.书面同意C.单独同意D.默示同意答案：C详解：第29条“处理敏感个人信息应取得个人的单独同意”，强调“单独”而非简单“明示”。7.在SparkSQL中，将DataFrame永久保存为Parquet并覆盖原目录的写法是（）。A.df.write.mode("overwrite").parquet("/path")B.df.save("/path","parquet",SaveMode.Overwrite)C.df.write.format("parquet").save("/path",mode="overwrite")D.df.insertInto("parquet.`/path`",true)答案：A详解：Spark3.x标准API为df.write.mode("overwrite").parquet(...)；B缺少format；C参数顺序错误；D为临时表写法。8.南京大数据集团“宁数链”平台采用的底层共识机制是（）。A.PoWB.PoSC.BFT-DPoSD.Raft答案：C详解：宁数链面向政务场景，需高吞吐、低延迟，故采用BFT-DPoS（拜占庭容错+委托权益证明），3秒出块，千级TPS。9.下列关于数据仓库星型模型的描述，正确的是（）。A.事实表引用维度表主键B.维度表必须完全规范化到3NFC.星型比雪花模型查询效率低D.维度表之间禁止存在关系答案：A详解：星型模型事实表通过外键关联维度表主键；B项维度表通常反范式；C项星型查询效率更高；D项允许维度表之间弱关联。10.使用Python进行缺失值处理时，对极端异常值MAD（MedianAbsoluteDeviation）阈值通常设定为（）。A.1.0B.1.4826C.2.5D.3.5答案：C详解：MAD阈值常取2.5倍中位数绝对偏差，对应约95%置信区间；1.4826用于将MAD转换为标准差估计。11.在Kubernetes中，用于暴露Pod随机端口到集群外部的资源对象是（）。A.IngressB.NodePortServiceC.ConfigMapD.PersistentVolume答案：B详解：NodePort在宿主机开放随机端口30000-32767，供集群外访问；Ingress需配合LoadBalancer或NodePort使用。12.下列关于Git版本管理的操作，不会改写提交历史的是（）。A.rebase-iB.commit--amendC.reset--hardD.cherry-pick答案：D详解：cherry-pick仅将指定提交应用到当前分支，不改变原提交哈希；其余三项均改写历史。13.南京大数据集团对数据资产进行分级分类时，将“企业注册信息”划为（）级。A.L1公开B.L2内部C.L3受限D.L4机密答案：A详解：根据《集团数据分类分级指南》附录A，企业注册信息已在国家企业信用平台公开，属L1级。14.在SQL优化中，最可能触发全表扫描的写法是（）。A.SELECTFROMtWHEREid=100B.SELECTFROMtWHEREYEAR(create_time)=2023C.SELECTFROMtWHEREstatus=1LIMIT10D.SELECTFROMtWHEREidBETWEEN100AND200答案：B详解：对列使用函数导致索引失效；A、C、D均可利用索引或范围扫描。15.下列关于南京政务云“两地三中心”架构的描述，错误的是（）。A.河西数据中心为生产中心B.麒麟数据中心为同城双活C.江北数据中心为异地冷备D.RPO目标为0分钟答案：D详解：集团白皮书明确RPO≤15分钟，RTO≤30分钟；0分钟为理想值，当前技术无法保证。16.在机器学习中，F1-score的公式为（）。A.2·Precision·Recall/(Precision+Recall)B.(Precision+Recall)/2C.Precision/RecallD.(TP+TN)/(TP+TN+FP+FN)答案：A详解：F1为调和平均，兼顾Precision与Recall；D为准确率Accuracy。17.使用Dockerfile构建镜像时，最佳实践要求将（）指令放在最后以减少缓存失效。A.FROMB.RUNC.COPYD.CMD答案：C详解：COPY/ADD依赖外部文件，变动频繁放最后；基础镜像、依赖安装放前，充分利用缓存。18.下列关于JSONWebToken(JWT)的说法，正确的是（）。A.默认加密传输B.载荷部分可明文查看C.一旦签发无法撤销D.必须采用RSA签名答案：B详解：JWT由Header.Payload.Signature三段Base64URL编码组成，Payload可明文解码；A项默认不加密；C可借短有效期+刷新机制；D支持HMAC。19.在PostgreSQL中，实现行级安全策略(RLS)的命令是（）。A.GRANTB.CREATEPOLICYC.ALTERROLED.SECURITYLABEL答案：B详解：CREATEPOLICY定义行级规则；GRANT为列级权限；SECURITYLABEL用于标签安全。20.集团“数据金库”采用的核心脱敏算法是（）。A.MD5B.K-AnonymityC.Format-PreservingEncryptionD.SHA-256答案：C详解：业务要求脱敏后保持格式、长度、字符集，FPE满足；哈希不可逆，无法支持模糊查询。21.下列关于Redis持久化的描述，正确的是（）。A.RDB保存时间点快照B.AOF重写时阻塞写请求C.同时开启两者会冲突D.RDB文件体积一定大于AOF答案：A详解：RDB为二进制快照；AOF重写采用子进程，不阻塞；两者可共存；AOF通常更大。22.在Python中，使用pandas读取10GBCSV时，最佳内存优化参数是（）。A.dtype=strB.iterator=TrueC.low_memory=FalseD.usecols=[...]答案：D详解：只读必要列可显著降内存；iterator为分块读；dtype=str反而增大；low_memory=False仅抑制警告。23.南京大数据集团“宁数通”API网关默认限流算法为（）。A.漏桶B.令牌桶C.固定窗口D.滑动日志答案：B详解：令牌桶支持突发流量，接口峰值500QPS，平均200QPS，符合政务场景。24.下列关于数据治理成熟度模型(DGMM)的等级，最高级是（）。A.可重复级B.已定义级C.已管理级D.优化级答案：D详解：参照CMMI思路，DGMM第五级为“优化级”，实现持续改进。25.在Excel中，快速将“20231231”转换为日期型应使用（）。A.DATEVALUE(TEXT(A1,"0000-00-00"))B.TEXT(A1,"yyyy-mm-dd")C.LEFT+MID+RIGHT拼接D.自定义格式“--”答案：A详解：DATEVALUE可将文本转日期；TEXT仅改变显示；D仍为文本。26.集团《数据安全红线管理办法》规定，未经授权导出数据量超过（）条即触发重大安全事件。A.1000B.5000C.10000D.50000答案：C详解：第7条“数据泄露分级标准”明确10000条为重大级，需2小时内上报省委网信办。27.在Tableau中，将纬度、经度拖入画布默认生成（）。A.饼图B.文本表C.符号地图D.热力图答案：C详解：地理角色字段默认符号地图；需手动切换为密度地图才得热力图。28.下列关于深度学习中Dropout的说法，正确的是（）。A.测试阶段仍需随机失活B.比例越大模型越易欠拟合C.可看作模型平均D.仅适用于CNN答案：C详解：Dropout训练时随机失活，测试时缩放权重，等价于多模型平均；比例大易欠拟合；RNN亦可用。29.南京大数据集团2024年发布的《政务大模型白皮书》中，推荐的基础模型参数规模为（）。A.6BB.13BC.30BD.70B答案：B详解：经政务场景实测，13B在精度与推理成本间取得平衡，单卡A100可部署INT4。30.在ISO27001体系中，进行风险评估的第二步是（）。A.资产识别B.威胁识别C.脆弱性识别D.风险计算答案：B详解：流程为资产→威胁→脆弱性→现有控制→风险计算→处置。二、多项选择题（每题2分，共20分。每题有两个或两个以上正确答案，多选、少选、错选均不得分）31.以下属于集团“宁数链”平台特色功能的有（）。A.可插拔国密算法B.跨链网关C.EVM兼容D.零知识证明E.链上链下协同答案：ABDE详解：宁数链采用国密SM2/3/4；内置跨链网关；支持zk-SNARK隐私交易；通过预言机实现链上链下协同；未兼容EVM，避免重入风险。32.在Python中，可提高pandas循环效率的方法有（）。A.使用iterrowsB.向量化运算C.采用numba.jitD.使用swifter并行E.转换为NumPy数组再计算答案：BCDE详解：iterrows为Python级循环，效率最低；其余均可加速。33.以下属于《网络安全审查办法》明确应申报审查的情形有（）。A.采购云服务的运营商掌握百万用户个人信息B.国外上市涉及数据出境C.核心数据出境D.关键信息基础设施运营者采购网络产品E.一般APP更新版本答案：ABCD详解：办法第5条；E项不在审查范围。34.关于KafkaPartition机制，正确的有（）。A.一个Partition只能被一个ConsumerGroup内的一个消费者消费B.Partition越多吞吐量一定越高C.消息在Partition内有序D.可增加Partition数但不可减少E.Partition副本因子不能超过Broker数答案：ACD详解：B项过多Partition导致选举开销；E项可超过，但需考虑可用性。35.以下属于数据血缘元数据的有（）。A.表级依赖B.列级转换脚本C.调度开始时间D.业务负责人E.数据质量评分答案：AB详解：血缘关注“从哪来、如何变”；C、D、E属管理或质量元数据。36.在深度学习中，缓解过拟合的技术有（）。A.L2正则B.BatchNormalizationC.提前停止D.增加网络深度E.数据增强答案：ABCE详解：增加深度可能加剧过拟合。37.以下关于南京政务云“裸金属容器”的描述，正确的有（）。A.无虚拟化开销B.支持弹性裸金属实例C.通过Kata容器实现安全隔离D.可直接挂载RDMAE.分钟级交付答案：ABDE详解：Kata为轻量虚机，裸金属容器直接跑在宿主机内核，无Kata。38.以下属于GDPR数据主体权利的有（）。A.被遗忘权B.数据可携权C.拒绝权D.修改权E.销售权答案：ABCD详解：E项“销售权”不存在。39.在数据可视化中，适合展示“部分-整体”关系的有（）。A.堆叠柱状图B.饼图C.树状图D.南丁格尔玫瑰图E.雷达图答案：ABCD详解：雷达图适合多维对比，非部分整体。40.以下关于集团“数据要素估值模型”的指标，属于成本维度的有（）。A.采集成本B.存储成本C.风险调整系数D.数据稀缺性E.加工人力成本答案：ABE详解：C、D属市场维度。三、判断题（每题1分，共10分。正确打“√”，错误打“×”）41.在MySQL中，InnoDB的默认隔离级别是READCOMMITTED。（）答案：×详解：默认为REPEATABLEREAD。42.集团规定所有生产环境密码必须每90天强制更换。（）答案：√详解：见《账号口令管理办法》第12条。43.在深度学习中，ReLU激活函数存在“神经元死亡”问题。（）答案：√详解：负区间梯度为0，导致权重无法更新。44.南京大数据集团“宁数链”平台已接入国家区块链基础设施“星火·链网”。（）答案：√详解：2023年底完成南京节点对接，提供骨干节点服务。45.使用gzip压缩的JSON文件无法被Spark直接读取。（）答案：×详解：Spark支持textFile读取.gz，自动解压。46.在数据治理中，数据Owner必须同时是技术负责人。（）答案：×详解：Owner强调业务责任，可委托DBA运维。47.集团《数据资产目录》实行“谁主管、谁负责”动态更新机制。（）答案：√详解：集团手册第4.2.1条。48.在Linux中，命令“chmod4755file”将设置SUID位。（）答案：√详解：4为SUID，2为SGID，1为sticky。49.数据湖只能存储原始非结构化数据，不能存储结构化数据。（）答案：×详解：数据湖支持结构化、半结构化、非结构化统一存储。50.在Tableau中，使用“数据提取”模式比“实时连接”模式性能一定更好。（）答案：×详解：提取模式适合高并发，但数据延迟；实时连接适合低延迟场景，需权衡。四、填空题（每空2分，共20分）51.在Python中，使用pandas将DataFramedf的列名转换为小写的代码为：df.columns=__________答案：map(str.lower)详解：df.columns=df.columns.map(str.lower)52.在Linux中，查看当前系统最大打开文件数限制命令：ulimit-__________答案：n53.在SQL中，将字符串'2023-12-31'转换为日期类型Oracle函数是__________答案：TO_DATE54.在Kafka中，消费者提交偏移量的两种模式是自动提交和__________提交。答案：手动55.在机器学习中，将连续特征离散化的过程称为__________编码。答案：分箱（或Binning）56.在Git中，撤销已push到远程仓库的最后一次提交，需使用__________命令加--hard参数。答案：gitreset57.在深度学习中，批量大小（BatchSize）增大时，需要相应__________学习率以保持收敛稳定。答案：增大58.在数据治理中，用于唯一标识数据资产的编码称为__________编码。答案：主数据（或DataAssetID）59.在Tableau中，计算字段使用__________函数可实现忽略筛选器级别计算。答案：LOD（或LevelofDetail）60.在IPv6地址中，连续全0段可用__________符号压缩表示。答案：::五、简答题（每题10分，共30分）61.简述南京大数据集团“1+3+N”数据要素流通架构中“3”大支撑平台各自功能。答案：（1）数据金库平台：负责高价值、敏感数据的受控存储、脱敏、加密及合规授权，提供“可用不可见”服务，支持国密算法与硬件加密卡。（2）数据交易平台：面向政企提供数据产品挂牌、需求发布、在线撮合、电子合约、结算支付、争议仲裁一站式服务，接入司法链存证。（3）数据运营监管平台：实时监测数据调用、接口状态、日志审计、风险评分，对接省网信办“数安卫士”，实现异常流量秒级告警与一键断网。62.说明在SparkSQL中，如何利用Bucket与Sort合并优化1TB级大表join操作，并给出示例代码。答案：步骤：1）两表按相同列bucket并排序，减少shuffle；2）bucket数=executor核数×2，避免小文件；3）开启AQE自动合并分区。示例：--表AbucketCREATETABLEuser_log_bucketedUSINGPARQUETCLUSTEREDBY(user_id)SORTEDBY(event_time)INTO512BUCKETSASSELECTFROMuser_log;--表BbucketCREATETABLEuser_info_bucketedUSINGPARQUETCLUSTEREDBY(user_id)SORTEDBY(user_id)INTO512BUCKETSASSELECTFROMuser_info;--joinSETspark.sql.autoBroadcastJoinThreshold=-1;SETspark.sql.adaptive.enabled=true;SELECT/+MERGEJOIN/a.,b.cityFROMuser_log_bucketedaJOINuser_info_bucketedbONa.user_id=b.user_id;效果：原本30min的shufflejoin降至4min，磁盘IO减少80%。63.结合《个人信息保护法》，阐述集团对外提供含个人信息数据包的合规流程。答案：（1）场景评估：依据办法第38条，判断是否属于跨境或敏感处理。（2）开展个人信息保护影响评估（PIA），涵盖数据类型、规模、处理方式、风险等级、接收方资信。（3）取得个人单独同意，通过短信、App弹窗明确告知目的、方式、范围、接收方，留存日志不少于3年。（4）与接收方签订标准合同，约定数据安全责任、保密义务、再转移条件、泄露赔偿。（5）向省级以上网信办申报安全评估，提交评估报告、合同、技术方案。（6）数据出境前在集团“数据出境备案系统”登记，生成备案编号。（7）持续监督：接收方每季度提交使用报告；集团委托第三方进行合规审计；出现泄露时48小时内报告并启动应急预案。六、案例分析题（共40分）64.案例背景：集团承建的“宁治慧”市域社会治理平台，汇聚公安、卫健、民政、应急等21个部门共计1800张表、每日新增8TB数据。近期出现凌晨0点至2点批处理任务延迟，导致8:30前无法生成早高峰“城市运行体征”报告。运维团队发现：a.Spark任务平均执行时间从50min升至90min；b.HDFS某些节点磁盘利用率>95%；c.NameNodeRPC队列出现500ms延迟；d.部分Parquet文件平均大小仅8MB。请回答：（1）分析导致延迟的三大根因（9分）；（2）给出对应的优化方案，含技术细节与预期收益（21分）；（3）设计一套“早高峰报告”时效监控告警体系，含指标、阈值、通知链路（10分）。答案：（1）根因：①小文件过多：8MB文件导致NameNode元数据膨胀，RPC延迟高；②磁盘热点：部分节点>95%，触发写降级，任务等待磁盘；③数据倾斜：按“区县代码”分区，江北新区人口占比40%，导致Reducer长尾。（2）优化方案：①小文件合并：凌晨后启动Spark作业，使用coalesce(128)将同分区小文件合并为256MB块，并启用Hive小文件自动合并sethive.merge.smallfiles.avgsize=256000000；NameNodeRPC延迟降至100ms。②磁盘均衡：启用HDFSBalancer策略，阈值设为5%，每天2:00-4:00自动迁移；对高负载节点加装4×16TBSATA盘，预计3天完成均衡，磁盘利用率降至75%，写延迟降低60%。③数据重分区：将“事件类型”加入分区键，由原来(dt,区县)改为(dt,区县,事件类型)，使数据均匀；同时开启SparkAQE，动态调整Reducer为800个；任务时长由90min降至35min。④缓存热点维表：将80MB区县维表广播，setspark.sql.autoBroadcastJoinThreshold=200M；减少shuffle3GB。⑤资源调优：将Executor核数由4核8GB调整为2核16GB，提升单任务内存命中率；启用ZSTD压缩，存储节省25%。（3）