大数据分析师岗位招聘考试试卷及答案

大数据分析师岗位招聘考试试卷及答案填空题（每题1分，共10分）1.Hadoop分布式文件系统的缩写是______。2.SQL中查询数据的核心关键字是______。3.MapReduce的核心阶段分为Map和______。4.常见的关系型数据库（举1种）是______。5.数据仓库设计三范式的核心是减少______。6.Spark的核心数据抽象是______。7.Python可视化库（除Matplotlib外）是______。8.分类问题的常见算法（除逻辑回归外）是______。9.缺失值填充的常用方法（除均值外）是______。10.YARN在Hadoop中的作用是______。单项选择题（每题2分，共20分）1.以下属于结构化数据的是？A.文本B.图像C.关系表D.音频2.Hadoop生态中负责资源调度的是？A.HDFSB.YARNC.MapReduceD.Spark3.SQL中`DISTINCT`的作用是？A.去重B.排序C.分组D.过滤4.Spark中属于转换操作的是？A.collect()B.count()C.map()D.first()5.数据仓库工具是？A.HiveB.HBaseC.KafkaD.Flume6.监督学习的核心特点是？A.无标签数据B.有标签数据C.无目标变量D.自动聚类7.异常值处理不包括？A.删除B.替换C.保留D.忽略8.实时计算框架是？A.StormB.MapReduceC.HiveD.Pig9.Python数据分析基础库是？A.NumPyB.TensorFlowC.PyTorchD.Keras10.无监督聚类算法是？A.K-MeansB.线性回归C.随机森林D.SVM多项选择题（每题2分，共20分）1.Hadoop核心组件包括？A.HDFSB.YARNC.MapReduceD.Spark2.数据预处理步骤包括？A.清洗B.集成C.转换D.归约3.结构化数据包括？A.CSV文件B.Excel表格C.网页文本D.关系表4.Spark的特点是？A.内存计算B.快速C.容错性D.仅离线5.机器学习类型包括？A.监督学习B.无监督学习C.强化学习D.深度学习6.可视化工具包括？A.TableauB.PowerBIC.EChartsD.Excel7.Hive支持的查询语言是？A.HQLB.SQLC.PythonD.Java8.实时处理场景包括？A.实时监控B.实时推荐C.离线分析D.日志分析9.数据仓库与数据库的区别是？A.面向主题B.集成数据C.非易失性D.实时更新10.NoSQL数据库包括？A.MongoDBB.HBaseC.CassandraD.MySQL判断题（每题2分，共20分）1.HDFS适合存储小文件。（）2.SparkRDD是不可变的。（）3.SQL`WHERE`子句用于分组。（）4.数据仓库面向事务处理。（）5.K-Means是监督学习。（）6.Hive可直接操作HDFS数据。（）7.Pandas用于数据分析。（）8.Storm比MapReduce速度慢。（）9.数据挖掘目的是提取隐藏模式。（）10.YARN仅用于Hadoop生态。（）简答题（每题5分，共20分）1.简述HDFS的主要特点。2.数据预处理的核心步骤有哪些？3.Spark与MapReduce的主要区别是什么？4.什么是数据仓库？它与数据库的核心差异？讨论题（每题5分，共10分）1.大数据项目中如何处理缺失值？结合实际场景说明。2.如何根据分析目标选择合适的可视化图表？举例说明。---答案填空题答案1.HDFS2.SELECT3.Reduce4.MySQL5.数据冗余6.RDD7.Seaborn8.决策树9.中位数填充10.资源管理与调度单项选择题答案1.C2.B3.A4.C5.A6.B7.D8.A9.A10.A多项选择题答案1.ABC2.ABCD3.ABD4.ABC5.ABC6.ABCD7.AB8.ABD9.ABC10.ABC判断题答案1.×2.√3.×4.×5.×6.√7.√8.×9.√10.×简答题答案解析1.HDFS特点：①高容错（多副本存储）；②适合大文件（128M分块）；③流式访问（批量处理）；④廉价硬件适配；⑤跨平台兼容。2.预处理步骤：①清洗（缺失/异常/重复值）；②集成（多数据源合并）；③转换（归一化/编码）；④归约（降维/抽样）；⑤分割（训练/测试集）。3.区别：①计算模型：Spark内存计算，MapReduce分阶段磁盘IO；②速度：Spark快10-100倍；③场景：Spark支持离线/实时/机器学习，MapReduce仅离线；④API：Spark更丰富（Scala/Python）。4.数据仓库：面向主题、集成、非易失、随时间变化的分析数据集合。差异：①数据库面向事务（OLTP），数据仓库面向分析（OLAP）；②数据库实时更新，数据仓库存历史汇总数据；③数据库三范式，数据仓库反范式（星型模型）。讨论题答案解析1.缺失值处理：①删除（缺失<5%，如用户画像少量特征缺失）；②填充（数值用中位数，如年龄缺失；分类用众数，如城市缺失）；③模型预测（用其他特征填，如浏览记录预测性别）；④标记（新增“未知”标