2025年公需科目大数据考核题库(含答案)

2025年公需科目大数据考核题库(含答案)一、单项选择题（每题2分，共30分）1.以下哪项不属于大数据的“4V”特征？（）A.Volume（容量）B.Velocity（速度）C.Validity（有效性）D.Variety（多样性）答案：C2.分布式计算框架Hadoop的核心组件中，负责资源管理和任务调度的是（）A.HDFSB.MapReduceC.YARND.HBase答案：C3.数据挖掘过程中，从原始数据中提取有效信息的关键步骤是（）A.数据清洗B.数据集成C.数据变换D.数据规约答案：A4.以下哪种技术属于隐私计算范畴？（）A.数据脱敏B.数据可视化C.数据索引D.数据备份答案：A5.用于处理实时数据流的开源框架是（）A.HadoopB.SparkStreamingC.HiveD.Pig答案：B6.大数据分析中，“关联规则挖掘”的典型应用场景是（）A.预测用户下一次购买行为B.识别异常交易C.分析用户群体特征D.推荐“啤酒与尿布”组合答案：D7.以下哪项不属于非结构化数据？（）A.社交媒体文本B.传感器日志C.Excel表格D.监控视频答案：C8.数据生命周期管理中，“数据归档”属于（）阶段A.数据提供B.数据存储C.数据使用D.数据销毁答案：B9.以下关于大数据安全的说法，错误的是（）A.数据脱敏可通过匿名化、去标识化实现B.区块链技术可用于数据溯源C.大数据安全仅需关注存储阶段D.访问控制是防止数据泄露的重要手段答案：C10.机器学习中，“监督学习”的核心是（）A.从无标签数据中发现规律B.基于标签数据训练模型C.自动聚类相似数据D.优化模型参数无需人工干预答案：B11.以下哪种数据库适合存储时序数据（如物联网传感器数据）？（）A.关系型数据库（MySQL）B.键值数据库（Redis）C.时序数据库（InfluxDB）D.文档数据库（MongoDB）答案：C12.大数据应用中，“数据孤岛”问题的主要解决方式是（）A.增加存储设备容量B.建立数据共享标准与接口C.减少数据采集维度D.仅使用单一数据源答案：B13.以下哪项属于大数据伦理问题？（）A.数据计算效率低B.算法歧视C.存储成本过高D.网络传输延迟答案：B14.数据清洗中，处理“缺失值”的常用方法不包括（）A.删除缺失值所在记录B.用均值/中位数填充C.用随机数填充D.基于模型预测填充答案：C15.以下关于HDFS的描述，正确的是（）A.适合存储小文件B.数据副本默认3份C.支持实时修改已存储文件D.仅适用于结构化数据答案：B二、多项选择题（每题3分，共15分，多选、错选不得分）1.大数据技术架构通常包括以下哪些层次？（）A.数据采集层B.数据存储层C.数据计算层D.数据应用层答案：ABCD2.分布式存储系统的典型代表有（）A.HDFSB.CephC.HBaseD.Redis答案：ABC3.数据安全的核心措施包括（）A.加密传输与存储B.权限管理与审计C.数据备份与容灾D.忽略小数据安全答案：ABC4.数据生命周期管理的主要阶段包括（）A.数据提供B.数据存储C.数据处理D.数据销毁答案：ABCD5.大数据伦理需重点关注的问题有（）A.隐私侵犯B.算法偏见C.数据垄断D.计算速度答案：ABC三、判断题（每题2分，共20分，正确打√，错误打×）1.大数据的核心是“更多数据”，而非“更精准数据”。（）答案：×（核心是通过数据挖掘创造价值）2.Hadoop的MapReduce仅适用于离线批量计算。（）答案：√3.数据可视化的主要目的是让数据更美观，而非传递信息。（）答案：×（核心是直观传递数据洞察）4.匿名化数据一定无法被重新识别。（）答案：×（通过关联分析可能重新识别）5.数据清洗可以完全消除数据中的错误。（）答案：×（只能减少错误，无法完全消除）6.实时数据处理要求延迟低于秒级。（）答案：√7.机器学习模型训练中，数据量越大，模型效果一定越好。（）答案：×（需考虑数据质量与相关性）8.区块链技术可实现数据的不可篡改与可追溯。（）答案：√9.非结构化数据无需处理即可直接用于分析。（）答案：×（需通过NLP等技术结构化）10.大数据应用中，“数据主权”仅涉及企业利益，与个人无关。（）答案：×（涉及个人隐私与国家数据安全）四、简答题（每题5分，共20分）1.简述大数据与传统数据的主要区别。答案：（1）数据量：大数据规模达到PB级以上，传统数据多为GB级；（2）多样性：大数据包含结构化、半结构化、非结构化数据，传统数据以结构化为主；（3）处理速度：大数据需实时或准实时处理，传统数据多为批量处理；（4）价值密度：大数据价值密度低，需深度挖掘，传统数据价值较集中。2.列举Hadoop生态系统的主要组件及其核心功能。答案：（1）HDFS：分布式文件系统，提供高容错性存储；（2）YARN：资源管理与任务调度；（3）MapReduce：分布式计算框架，处理批量数据；（4）Hive：数据仓库工具，支持类SQL查询；（5）HBase：基于HDFS的分布式列存储数据库，支持实时读写；（6）ZooKeeper：分布式协调服务，保障集群一致性。3.数据清洗的主要步骤和常用方法有哪些？答案：步骤：（1）识别数据问题（缺失值、异常值、重复值）；（2）制定清洗策略；（3）执行清洗操作；（4）验证清洗效果。方法：缺失值处理（删除、填充均值/中位数、模型预测）；异常值处理（统计方法识别、修正或删除）；重复值处理（去重）；格式错误处理（统一格式）。4.简述隐私计算的典型技术及应用场景。答案：典型技术：（1）联邦学习：在不共享原始数据的前提下联合训练模型；（2）安全多方计算（MPC）：多个参与方协同计算，保护各自数据隐私；（3）同态加密：在加密数据上直接运算，结果解密后有效。应用场景：医疗数据联合分析（医院间共享病例不泄露患者信息）、金融风控（银行间联合建模不暴露客户数据）、政务数据共享（跨部门协同分析不泄露敏感信息）。五、案例分析题（15分）某电商企业计划通过大数据分析提升用户留存率，需构建用户行为分析系统。请结合大数据技术流程，回答以下问题：（1）该系统需要采集哪些类型的用户行为数据？（2）数据存储层应选择哪些技术？说明理由。（3）分析用户留存率时，可能用到哪些大数据分析方法？（4）需注意哪些数据安全与伦理问题？答案：（1）需采集：页面浏览记录（URL、停留时间）、点击行为（按钮/商品点击次数）、交易数据（订单金额、品类、时间）、搜索关键词、注册信息（年龄、性别、地域）、客服交互记录（咨询内容、投诉类型）。（2）存储层技术选择：实时行为数据：使用Kafka作为消息队列缓冲，HDFS存储历史数据，HBase存储高频访问的用户行为明细（支持快速读写）；结构化交易数据：用Hive构建数据仓库，支持复杂查询；非结构化数据（如客服对话文本）：用HDFS存储，结合Elasticsearch进行全文检索。（3）分析方法：漏斗分析：识别用户流失关键环节（如注册-浏览-加购-支付）；聚类分析：划分用户群体（高价值/低活跃）；预测模型（逻辑回归、随机森林）：预测用户流失概率；关联规则挖