1+x大数据习题库+答案（附解析）

1+x大数据习题库+答案（附解析）一、单选题（共40题，每题1分，共40分）1.典型的NoSQL数据库是（）A、HiveB、MySQLC、HbaseD、Oracle正确答案：C答案解析：Hbase是典型的NoSQL数据库。Hive是基于Hadoop的数据仓库工具，不属于NoSQL数据库；MySQL是关系型数据库；Oracle也是关系型数据库。2.在项目实施人员中，适时与客户沟通，确立项目目标，建立组织机构，编制计划，负责项目全面管理的角色是（）。A、财务人员B、产品经理C、项目经理D、实施工程师正确答案：C答案解析：项目经理是在项目实施中负责与客户沟通确立项目目标、建立组织机构、编制计划以及全面管理项目等工作的角色。实施工程师主要负责具体的技术实施工作；产品经理侧重于产品相关的规划等；财务人员主要负责财务相关事务，均不符合题意。3.在本次项目实施中，需求调研前的准备不包括（）。A、充分了解客户的要求，客户的业务，客户的关注重点。B、接到调研任务，将计划写好，立即就开始和用户沟通。C、编制确定客户需求调研计划和调研提纲。D、和客户负责人沟通，确定客户需求小组成员。正确答案：B答案解析：需求调研前应充分了解客户要求、业务及关注重点，编制调研计划和提纲，与客户负责人沟通确定需求小组成员等，而不是接到任务立即就开始和用户沟通，所以不包括B选项。4.安装Hadoop时，发现50070对应的页面无法打开，可以通过下面哪个命令查看某个端口（TCP或UDP）是否在监听?（）A、psB、netstatC、pingD、ifconfig正确答案：B答案解析：netstat命令用于显示网络连接、路由表、接口统计等信息，可以查看某个端口（TCP或UDP）是否在监听。ps命令用于查看进程的相关信息；ping命令用于测试网络连通性；ifconfig命令用于查看和配置网络接口。所以应该使用netstat命令来查看端口监听情况。5.大数据平台实施方案流程中,建议整个项目过程顺序是（）。A与客户确认实施方案B确认客户需求C系统测试D编写实施方案E用户培训F执行实施方案G项目验收A、BDAFCEGB、ABDFCEGC、DEABCFGD、BDAFEGC正确答案：A答案解析：首先要确认客户需求，才能在此基础上与客户确认实施方案，接着编写实施方案，然后执行实施方案，之后进行系统测试，测试通过后开展用户培训，最后进行项目验收，所以整个项目过程顺序是确认客户需求、与客户确认实施方案、编写实施方案、执行实施方案、系统测试、用户培训、项目验收，即BDAFCEG，答案选A。6.下列关于MapReduce说法不正确的是()A、MapReduce是一种计算框架B、MapReduce来源于google的学术论文C、MapReduce程序只能用java语言编写D、MapReduce隐藏了并行计算的细节，方便使用正确答案：C答案解析：MapReduce是一种计算框架，来源于google的学术论文，它隐藏了并行计算的细节，方便使用。MapReduce程序可以用多种编程语言编写，不局限于Java语言。7.向HDFS上传文件，正确的shell命令是？（）A、hdfsdfs-getB、hdfsdfs-putC、hdfsdfs-appendToFileD、hdfsdfs-copyToLocal正确答案：B答案解析：在HDFS中，向HDFS上传文件使用的命令是hdfsdfs-put。-get是从HDFS下载文件；-appendToFile是追加文件到HDFS已有文件末尾；-copyToLocal是从HDFS复制文件到本地。8.大数据的数据量现在已经达到了哪个级别？（C）A、GBB、TBC、PBD、ZB正确答案：C答案解析：大数据的数据量通常达到PB级别。GB和TB数据量相对较小，不能满足大数据对海量数据的要求。ZB是比PB更大的量级，目前大数据虽然数据量极大，但还未普遍达到ZB级别。所以大数据的数据量现在已经达到了PB级别，答案选C。9.关于ZooKeeper的说法错误的是？（）A、ZooKeeper是一个高可用的分布式数据管理和协调框架B、能够很好的保证分布式环境中数据的一致性C、越来越多的分布式系统（Hadoop、HBase、Kafka）中使用ZooKeeperD、Hadoop的高可用不需要用到ZooKeeper正确答案：D答案解析：ZooKeeper是一个高可用的分布式数据管理和协调框架，能很好地保证分布式环境中数据的一致性，并且越来越多的分布式系统（如Hadoop、HBase、Kafka）中都在使用ZooKeeper来实现诸如命名服务、配置管理、分布式锁等功能。Hadoop的高可用实现需要借助ZooKeeper来管理NameNode等元数据信息，以确保在NameNode出现故障时能够快速进行切换，保证系统的可用性和数据的一致性。所以选项D说法错误。10.一个gzip文件大小75MB，客户端设置Block大小为64MB，请我其占用几个Block？A、1B、2C、3D、4正确答案：B答案解析：1.首先明确一个Block大小为64MB。2.已知gzip文件大小75MB。3.计算占用的Block数：75MB÷64MB=1.171875。4.这意味着该文件占用的Block数大于1个，且75MB比64MB大但比2个64MB（128MB）小，所以占用的Block数大于1个且小于2个，取整数部分为1，小数部分大于0，即实际占用2个Block，所以答案是大于2个Block，选[B、]>2。11.以下选项哪个命令可以查看主机信息()A、ifupteam0B、nmclidevC、teamdctlteam0stD、nmcliconsh正确答案：B12.下面哪个程序负责HDFS数据存储？（）A、NameNodeB、JobtrackerC、DatanodeD、secondaryNameNodeE、tasktracker正确答案：C答案解析：NameNode负责管理文件系统的命名空间，维护文件系统树以及文件树中所有文件和目录的元数据；JobTracker负责作业调度；Datanode负责数据的存储，它按照NameNode的要求存储数据块；secondaryNameNode主要辅助NameNode，定期合并命名空间镜像和编辑日志；tasktracker是MapReduce中负责执行任务的节点。所以负责HDFS数据存储的是Datanode。13.下面哪个目录保存了Hadoop集群的命令（比如启动Hadoop）?（）A、binB、shareC、sbinD、etc正确答案：C14.ResourceManager对web服务提供地址，用户可通过ip地址：（）在浏览器中查看集群各类信息A、8088B、8033C、8080D、8032正确答案：A答案解析：ResourceManager对Web服务提供的地址是8088，用户可通过该地址在浏览器中查看集群各类信息。8033一般用于其他相关服务；8080常用于Web应用程序等其他场景；8032也不是ResourceManager对应的查看集群信息的地址。15.在HDFS分布式文件系统中，一般采用冗余存储，冗余因子通常设置为（）A、1B、2C、3D、4正确答案：C16.以下对数据节点理解错误的是(.A、数据节点通常只有一个B、数据节点在名称节点的统一调度下进行数据块的创建、删除和复制等操作C、数据节点用来存储具体的文件内容D、数据节点的数据保存在磁盘中正确答案：A答案解析：数据节点通常有多个，而不是只有一个。数据节点在名称节点的统一调度下进行数据块的创建、删除和复制等操作，用来存储具体的文件内容，且数据保存在磁盘中。17.关于ZooKeeper的特性说法错误的是？（）A、能改变ZooKeeper服务器状态的操作称为事务操作B、是版本机制有效避免了数据更新时出现的先后顺序问题C、当节点发生变化时，通过watcher机制，可以让客户端得到通知D、watch能触发多次正确答案：D答案解析：ZooKeeper的watch只能触发一次，当数据发生变化时，相应的watcher会被触发，执行一次之后该watcher就会失效。A选项，能改变ZooKeeper服务器状态的操作称为事务操作，比如创建节点、更新节点数据、删除节点等，该选项正确。B选项，ZooKeeper通过版本机制（如节点数据版本、子节点版本等）有效避免了数据更新时出现的先后顺序问题，该选项正确。C选项，当节点发生变化时，通过watcher机制，可以让客户端得到通知，该选项正确。18.以下哪个不是HDFS的进程（）A、SecondaryNodeB、NameNodeC、ResourceManagerD、DataNode正确答案：C答案解析：HDFS主要包括NameNode、SecondaryNode和DataNode等进程。NameNode负责管理文件系统的命名空间等元数据信息；SecondaryNode辅助NameNode进行元数据备份等操作；DataNode负责存储实际的数据块。而ResourceManager是YARN中的组件，用于管理资源，不是HDFS的进程。19.下列有关flume的描述不正确的是A、flume是Apache的一个子项目B、flume主要是一个日志采集，传输系统C、flume和sqoop功能相似，因此可以相互替代D、flume可以同时采集集群内部和集群外部的日志数据正确答案：C答案解析：flume主要用于日志采集、聚合和传输，而sqoop主要用于在Hadoop和关系型数据库之间高效传输数据，它们功能不同，不能相互替代。选项A，flume确实是Apache的一个子项目；选项B，flume主要功能就是日志采集和传输系统；选项D，flume可以采集集群内部和外部的日志数据。20.下列不属于NameNode的功能（）。A、提供名称查询服务B、保存Block信息，汇报Block信息C、保存metadata信息D、metadata信息在启动后会加载到内存正确答案：B答案解析：NameNode主要负责管理文件系统的命名空间，提供名称查询服务，保存metadata信息并在启动后加载到内存。而保存Block信息并汇报Block信息是DataNode的功能。21.建立在Hadoop文件系统之上的分布式的列式数据库？（）A、HBaseB、HiveC、YARND、Mahout正确答案：A答案解析：HBase是建立在Hadoop文件系统之上的分布式的列式数据库。Hive是基于Hadoop的数据仓库工具；YARN是Hadoop的资源管理框架；Mahout是一个基于Hadoop的机器学习库。22.HDFS的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：（）A、一次写入，少次读写B、多次写入，少次读写C、一次写入，多次读写D、多次写入，多次读写正确答案：C23.MapReduce编程模型，键值对<key,value>的key必须实现哪个接口？（）A、WritableComparableB、ComparableC、WritableD、LongWritable正确答案：A答案解析：MapReduce编程模型中，键值对<key,value>的key必须实现WritableComparable接口。该接口继承了Writable接口用于序列化和反序列化，同时继承了Comparable接口用于排序。这样可以保证在MapReduce过程中，键能够进行序列化、反序列化以及比较操作，从而实现数据的正确分组和排序等功能。24.关于SecondaryNameNode哪项是正确的？A、它是NameNode的热备B、它对内存没有要求C、它的目的是帮助NameNode合并编辑日志，减少NameNode启动时间D、SecondaryNameNode应与NameNode部署到一个节点正确答案：C答案解析：SecondaryNameNode的主要作用是辅助NameNode合并编辑日志，当编辑日志达到一定大小时，SecondaryNameNode会将其与命名空间镜像合并，这样可以减少NameNode启动时需要加载的编辑日志数量，从而缩短NameNode的启动时间。它不是NameNode的热备，对内存有一定要求，并且通常不建议与NameNode部署在同一个节点。25.狭义的Hadoop是一个适合大数据分布式存储和分布式计算的平台，不包括下面哪个组件？（）A、HDFSB、MapReduceC、YarnD、HBase正确答案：D答案解析：Hadoop狭义上主要包括HDFS（分布式文件系统）、MapReduce（分布式计算框架）和Yarn（资源管理系统）。HBase是一个分布式的、面向列的开源数据库，不属于狭义Hadoop的组件。26.配置Hadoop环境变量修改（）文件A、vi/etc/profileB、vi/etc/profilesC、vi/etc/hostsD、vi~/input/data正确答案：A答案解析：在Linux系统中，通常修改环境变量是通过修改`/etc/profile`文件来实现的。`/etc/profiles`这种写法是错误的；`/etc/hosts`主要用于配置主机名和IP地址的映射关系，与环境变量无关；`~/input/data`是一个普通的文件路径，和环境变量配置没有关系。27.大数据的特点不包括下面哪一项（）。A、增长速度快B、多结构化数据C、巨大的数据量D、价值密度高正确答案：D答案解析：大数据的特点包括数据量大、类型多样（包含多结构化数据）、增长速度快、价值密度低等。价值密度高不是大数据的特点，通常大数据中有效信息占比相对较低，价值密度低。28.查看HDFS的报告命令是（）A、bin/hdfsdfsadmin-reportB、bin/hdfs-reportC、bin/hdfsdeadmin-reportD、bin/hdfsdfs-report正确答案：A答案解析：在Hadoop中，要查看HDFS的报告，正确的命令是bin/hdfsdfsadmin-report。该命令用于获取HDFS集群的详细报告信息，包括节点状态、磁盘使用情况等。选项B缺少dfsadmin；选项C命令拼写错误，不是deadmin；选项D只是列出了HDFS中的文件等信息，不是查看报告的命令。29.YARN中，任务进度监控是向哪个组件汇报的？（）A、ResourceManagerB、NodeManagerC、ApplicationMasterD、Container正确答案：C30.在MapReduce中Shuffle的主要作用是（）A、将数据进行拆分B、对映射后的数据进行排序,然后输入到ReducerC、经过映射后的输出数据会被排序，然后每个映射器会进行分区D、通过实现自定义的Partitioner来指定哪些数据进入哪个Reducer正确答案：B答案解析：Shuffle的主要作用是对映射后的数据进行排序，然后输入到Reducer。在MapReduce过程中，Mapper输出的数据会经过Shuffle阶段，它会对数据进行分区、排序等操作，最终将处理好的数据传递给Reducer进行进一步处理。A选项数据拆分是Mapper的功能；C选项说映射器进行分区错误，是Shuffle过程进行分区；D选项通过实现自定义Partitioner是在Shuffle阶段用于指定数据进入哪个Reducer分区，这只是Shuffle中的一部分功能，不是主要作用。31.在HBase的组件中，哪一个负责日志记录（）A、HRegionB、HFileC、MemStoreD、WAL正确答案：D答案解析：WAL（Write-AheadLog）即预写式日志，是HBase中负责日志记录的组件。当有数据写入HBase时，首先会写入到WAL中，以确保数据的持久性和恢复能力。只有在WAL成功写入后，数据才会被写入到MemStore中，最终刷写到HFile中。HRegion是分布式存储的基本单元；HFile是HBase数据存储的文件格式；MemStore是内存中的存储结构，用于暂存数据。32.Hadoop的配置目录在哪里？（）A、/etc/hostsB、/etc/hadoopC、$HADOOP_HOME/confD、$HADOOP_HOME/etc/hadoop正确答案：D答案解析：Hadoop的配置目录默认是$HADOOP_HOME/etc/hadoop。/etc/hosts是主机名和IP地址映射的文件，不是Hadoop配置目录；/etc/hadoop不是标准的Hadoop配置目录位置；$HADOOP_HOME/conf不是默认的配置目录写法，正确的是$HADOOP_HOME/etc/hadoop。33.下列关于调度器的描述不正确的是？（）A、先进先出调度器可以是多队列B、容器调度器其实是多个FIFO队列C、公平调度器不允许管理员为每个队列单独设置调度策略D、先进先出调度器以集群资源独占的方式运行作业正确答案：A34.大数据分析平台的实施流程顺序是（）。A与甲方确定总体计划B组建项目团队C部署环境准备D应用集成及数据集成E系统安装和调试A、BACEDB、CABEDC、ADCBED、DABCE正确答案：A答案解析：大数据分析平台实施流程首先要与甲方确定总体计划，明确项目的整体目标、范围、时间节点等重要内容，所以A排在首位；接着组建项目团队，由专业人员负责后续工作，即B；之后进行部署环境准备，搭建好运行平台，也就是C；再进行系统安装和调试，确保系统正常运行，即E；最后进行应用集成及数据集成，将平台与其他应用和数据进行整合，所以顺序是BACED，答案选A。35.HDFS有一个gzip文件大小75MB，客户端设置Block大小为64MB。当运行mapreduce任务读取该文件时inputsplit大小为？A、64MBB、75MBC、一个map读取64MB，另外一个map读取11MB正确答案：B36.关于Hadoop单机模式和伪分布式模式的说法，正确的是（）A、两者都起守护进程，且守护进程运行在一台机器上B、单机模式不使用HDFS，但加载守护进程C、两者都不与守护进程交互，避免复杂性D、后者比前者增加了HDFS输入输出以及可检查内存使用情况正确答案：D答案解析：1.**单机模式**：-单机模式下，Hadoop并不真正启动守护进程，它只是在一个JVM中运行MapReduce作业，不涉及HDFS相关内容。它主要用于开发和调试MapReduce程序的逻辑，相对简单，没有分布式环境的复杂性。2.**伪分布式模式**：-伪分布式模式在一台机器上模拟了分布式环境，它启动了NameNode、DataNode、SecondaryNameNode等守护进程（虽然都在同一台机器上），使用了HDFS。-与单机模式相比，它增加了HDFS的输入输出功能，并且可以检查内存使用情况等，更接近真实的分布式环境，方便进行一些在分布式场景下的测试和开发工作。-选项A中单机模式不起守护进程，所以A错误；选项B单机模式不使用HDFS且不起守护进程，所以B错误；选项C伪分布式模式是与守护进程交互的，所以C错误。因此正确答案是D。37.在确认客户需求，进行确认需求调研