2026春招：大数据题库及答案

2026春招：大数据题库及答案

单项选择题（每题2分，共10题）1.大数据的4V特征不包括以下哪项？A.Volume（大量）B.Variety（多样）C.Velocity（高速）D.Value（低价）2.以下哪个不是常见的大数据存储系统？A.HBaseB.MySQLC.CassandraD.MongoDB3.以下哪种工具用于大数据的流式处理？A.HiveB.SparkStreamingC.SqoopD.Pig4.数据仓库的主要特点不包括？A.面向主题B.集成性C.实时性D.稳定性5.Hadoop中负责资源管理的是？A.HDFSB.MapReduceC.YARND.ZooKeeper6.以下哪个是NoSQL数据库？A.SQLServerB.OracleC.RedisD.DB27.大数据分析中，数据清洗的目的不包括？A.去除重复数据B.填充缺失值C.增加数据量D.纠正错误数据8.以下哪个是用于大数据可视化的工具？A.TableauB.KafkaC.FlumeD.Storm9.以下关于Spark的说法错误的是？A.基于内存计算B.只支持Java语言C.有RDD抽象D.比Hadoop快10.以下哪个不是数据挖掘的任务？A.分类B.聚类C.排序D.关联规则挖掘多项选择题（每题2分，共10题）1.大数据的应用场景包括？A.金融风控B.医疗健康C.交通出行D.教育教学2.以下属于大数据处理框架的有？A.HadoopB.SparkC.FlinkD.TensorFlow3.数据仓库的数据来源可以是？A.业务系统数据库B.日志文件C.传感器数据D.网页数据4.以下哪些是HDFS的特点？A.高容错性B.高吞吐量C.适合小文件存储D.适合流式数据访问5.常见的大数据分析算法有？A.决策树B.神经网络C.K-MeansD.PageRank6.以下关于Kafka的说法正确的有？A.分布式消息系统B.高吞吐量C.支持消息持久化D.只支持单机部署7.大数据采集的方法有？A.网络爬虫B.传感器采集C.日志收集D.数据库同步8.以下属于NoSQL数据库类型的有？A.键值数据库B.列族数据库C.文档数据库D.图数据库9.以下哪些是Spark的组件？A.SparkCoreB.SparkSQLC.SparkMLlibD.SparkGraphX10.数据挖掘的步骤包括？A.数据准备B.模型选择C.模型评估D.结果部署判断题（每题2分，共10题）1.大数据就是指数据量非常大的数据。（）2.Hadoop是一个开源的大数据处理框架。（）3.数据仓库和数据库的概念是一样的。（）4.所有的大数据分析都需要进行数据挖掘。（）5.Spark只能处理批处理任务。（）6.NoSQL数据库不支持事务。（）7.数据可视化只是为了让数据看起来更美观。（）8.大数据分析中，数据质量不重要。（）9.Kafka可以作为数据采集和数据传输的工具。（）10.数据挖掘的结果一定是准确无误的。（）简答题（每题5分，共4题）1.简述大数据的4V特征。答：大数据4V特征为Volume（大量），数据规模巨大；Variety（多样），数据类型繁多；Velocity（高速），处理速度快；Value（价值），价值密度低但挖掘后价值高。2.简述Hadoop的核心组件及功能。答：Hadoop核心组件有HDFS，负责分布式存储；MapReduce，用于分布式计算；YARN，进行资源管理和任务调度。3.简述数据清洗的主要步骤。答：数据清洗步骤：先识别重复、缺失、错误数据；再去除重复数据；接着填充缺失值；最后纠正错误数据。4.简述Spark的优势。答：Spark基于内存计算，速度比Hadoop快；有RDD抽象，可高效容错；支持多种语言；有丰富组件，能处理批、流等多种任务。讨论题（每题5分，共4题）1.讨论大数据对企业决策的影响。答：大数据为企业决策提供全面准确信息，助于发现潜在机会与问题。如分析用户数据精准定位市场，提升决策科学性，但也面临数据质量、安全等挑战。2.讨论大数据在医疗领域的应用及挑战。答：应用有辅助诊断、疾病预测、医疗质量评估等。挑战是数据隐私保护难，数据标准不统一，专业人才缺乏。3.讨论Hadoop和Spark的比较。答：Hadoop适合大规模数据存储和批处理，成熟稳定但速度慢。Spark基于内存，处理速度快，支持多种任务，不过对内存要求高。4.讨论数据挖掘在电商行业的应用场景。答：可用于用户细分，实现精准营销；进行关联规则挖掘，推荐商品；分析用户评价，改进服务；预测销售趋势，优化库存管理。答案单项选择题1.D2.B3.B4.C5.C6.C7.C8.A9.B10.C多项选择题1.AB