2025年公需科目《大数据》完整考试题库(含答案)

2025年公需科目《大数据》完整考试题库(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5V特性？A.Volume（大量）B.Velocity（高速）C.Validity（有效性）D.Veracity（真实性）答案：C2.大数据技术中，用于分布式存储的核心组件是？A.MapReduceB.HDFSC.SparkSQLD.Flink答案：B3.以下哪种数据库属于NoSQL类型？A.MySQLB.OracleC.MongoDBD.SQLServer答案：C4.实时数据处理框架中，适合毫秒级延迟场景的是？A.HadoopMapReduceB.SparkRDDC.FlinkD.Hive答案：C5.大数据分析中，通过历史数据预测未来趋势的方法属于？A.描述性分析B.诊断性分析C.预测性分析D.规范性分析答案：C6.数据清洗的主要目的是？A.增加数据量B.消除数据中的错误、缺失或冗余C.转换数据格式D.提升数据存储效率答案：B7.以下哪项是大数据时代数据采集的特点？A.仅采集结构化数据B.强调抽样调查C.多源异构数据融合D.依赖人工录入答案：C8.隐私计算中，允许在不共享原始数据的情况下进行联合建模的技术是？A.数据脱敏B.联邦学习C.差分隐私D.数据加密答案：B9.大数据技术架构中，负责将非结构化数据转换为结构化数据的层是？A.数据采集层B.数据存储层C.数据处理层D.数据应用层答案：C10.以下哪项不属于Hadoop生态系统组件？A.HBaseB.KafkaC.FlinkD.Hive答案：C（注：Flink属于独立流处理框架，非Hadoop原生组件）11.大数据价值密度低的典型表现是？A.数据总量大但有效信息少B.数据处理速度慢C.数据类型单一D.数据存储成本高答案：A12.边缘计算与大数据结合的主要优势是？A.减少数据中心计算压力B.提升数据传输速度C.降低数据隐私风险D.以上都是答案：D13.数据湖（DataLake）与数据仓库（DataWarehouse）的核心区别是？A.数据湖存储结构化数据，数据仓库存储非结构化数据B.数据湖在存储时不定义模式，数据仓库需提前定义模式C.数据湖仅用于分析，数据仓库用于事务处理D.数据湖成本更高答案：B14.以下哪项技术用于解决大数据的可扩展性问题？A.分布式计算B.单机高性能服务器C.关系型数据库D.数据压缩答案：A15.大数据伦理中，“数据主权”主要指？A.个人对自身数据的所有权B.企业对业务数据的控制权C.国家对境内数据的管理权限D.以上都是答案：D二、多项选择题（每题3分，共15分）1.大数据的关键技术包括？A.分布式存储B.流处理C.机器学习D.关系型数据库答案：ABC2.以下属于数据可视化工具的有？A.TableauB.PowerBIC.HadoopD.PythonMatplotlib答案：ABD3.隐私计算的主要技术手段包括？A.联邦学习B.多方安全计算C.差分隐私D.数据脱敏答案：ABCD4.大数据在智慧城市中的应用场景包括？A.交通拥堵预测B.智能电网调度C.医疗健康管理D.金融风险控制答案：ABC5.分布式计算框架的特点包括？A.并行处理B.单点故障容忍C.资源按需分配D.仅支持批处理答案：ABC三、判断题（每题2分，共20分）1.大数据分析必须依赖全量数据，抽样方法已完全失效。（）答案：×（解析：抽样仍可用于初步分析，全量数据是趋势但非绝对）2.HDFS适合存储小文件，因为其块大小设计灵活。（）答案：×（解析：HDFS块大小默认128MB，小文件会占用过多NameNode内存）3.流处理框架Flink支持事件时间（EventTime）和处理时间（ProcessingTime）。（）答案：√4.数据仓库主要用于事务处理（OLTP），数据湖用于分析（OLAP）。（）答案：×（解析：数据仓库主要用于OLAP，OLTP是数据库的职责）5.机器学习模型训练属于大数据分析中的预测性分析。（）答案：√6.数据脱敏技术可以完全消除数据隐私风险。（）答案：×（解析：脱敏后仍可能通过关联分析恢复原始信息）7.边缘计算适合实时性要求高、数据量小的场景。（）答案：√8.Spark的RDD（弹性分布式数据集）具有不可变性和容错性。（）答案：√9.大数据时代，数据的价值仅取决于数据量大小。（）答案：×（解析：数据质量、关联性和分析能力同样关键）10.区块链技术与大数据结合可提升数据溯源的可信度。（）答案：√四、简答题（每题7分，共35分）1.简述大数据与传统数据处理的主要区别。答案：（1）数据规模：大数据处理PB级以上数据，传统处理多为GB级；（2）数据类型：大数据涵盖结构化、半结构化、非结构化数据，传统以结构化为主；（3）处理速度：大数据强调实时/准实时处理（秒级/毫秒级），传统多为批处理（小时级/天级）；（4）分析方法：大数据从抽样统计转向全量分析，传统依赖抽样；（5）技术工具：大数据使用分布式存储（HDFS）、并行计算（MapReduce/Spark），传统依赖单机数据库（如MySQL）。2.说明数据清洗的主要步骤及常用方法。答案：步骤：（1）识别数据问题：检测缺失值、异常值、重复值；（2）处理缺失值：删除记录、插值（均值/中位数填充）、模型预测填充；（3）处理异常值：删除、修正（如基于分位数截断）、保留（若为真实极值）；（4）纠正错误数据：核对源系统、规则校验（如日期格式）；（5）统一数据格式：标准化单位（如“公斤”与“kg”统一）、转换编码（如GBK转UTF-8）。3.比较HadoopMapReduce与Spark的适用场景。答案：（1）MapReduce：基于磁盘的批处理框架，适合离线大规模数据处理（如日志统计），但多次迭代任务（如机器学习）效率低；（2）Spark：基于内存的计算框架，支持RDD持久化，适合迭代计算（如K-means聚类）、流处理（SparkStreaming）和交互式分析，延迟更低（秒级vsMapReduce的分钟级）；（3）总结：MapReduce适合一次性大规模批处理，Spark适合需要多次计算的场景（如机器学习、实时分析）。4.简述隐私计算在大数据应用中的必要性及典型应用场景。答案：必要性：大数据跨机构协作时，直接共享原始数据可能泄露隐私（如医疗、金融数据），隐私计算通过加密或安全算法实现“数据可用不可见”，平衡数据价值与隐私保护。典型场景：（1）医疗领域：医院联合分析病例数据（不共享患者隐私）；（2）金融领域：银行与保险机构联合风控（不泄露客户信息）；（3）政务领域：多部门数据融合（如交通+公安数据联合分析）。5.说明数据要素市场化对大数据发展的意义。答案：（1）激