2025年公需科目《大数据》完整考试题库(含参考答案)

2025年公需科目《大数据》完整考试题库(含参考答案)一、单项选择题（每题2分，共40分）1.大数据的4V特征中，“Variety”指的是（）。A.数据量巨大B.数据类型多样C.数据增长速度快D.数据价值密度低答案：B2.以下不属于大数据采集工具的是（）。A.FlumeB.KafkaC.HBaseD.Sqoop答案：C（解析：HBase是分布式列式数据库，属于存储层工具）3.分布式文件系统HDFS的默认块大小是（）。A.32MBB.64MBC.128MBD.256MB答案：C4.Spark的计算模型是（）。A.批处理B.流处理C.迭代计算D.以上都是答案：D（解析：Spark支持批处理（RDD）、流处理（SparkStreaming）和迭代计算（MLlib））5.数据湖（DataLake）与数据仓库（DataWarehouse）的核心区别在于（）。A.数据存储量B.数据结构化程度C.数据处理速度D.数据来源数量答案：B（解析：数据湖存储原始、多类型数据，数据仓库存储结构化、清洗后的数据）6.隐私计算中，“联邦学习”的主要目标是（）。A.提高数据计算速度B.在不共享原始数据的前提下联合建模C.增强数据存储安全性D.减少数据存储空间答案：B7.以下属于非关系型数据库（NoSQL）的是（）。A.MySQLB.OracleC.MongoDBD.SQLServer答案：C8.大数据分析中，“关联分析”常用于（）。A.预测未来趋势B.发现数据间隐含关系C.分类数据特征D.降低数据维度答案：B（解析：典型应用如“啤酒与尿布”关联规则挖掘）9.边缘计算与大数据结合的主要优势是（）。A.减少数据传输延迟B.提高云端存储能力C.降低边缘设备成本D.简化数据处理逻辑答案：A10.以下哪项不属于大数据安全的核心问题？（）A.数据泄露B.数据篡改C.数据冗余D.数据越权访问答案：C11.分布式计算框架MapReduce的核心步骤是（）。A.拆分与合并B.映射与归约C.存储与计算D.输入与输出答案：B（解析：Map（映射）和Reduce（归约）是核心操作）12.数据可视化工具Tableau的主要功能是（）。A.数据清洗B.数据存储C.交互式图表展示D.分布式计算答案：C13.以下属于实时流处理框架的是（）。A.HadoopB.SparkC.FlinkD.Hive答案：C（解析：Flink是典型的实时流处理引擎）14.大数据伦理的核心原则不包括（）。A.数据隐私保护B.算法公平性C.数据免费共享D.责任可追溯答案：C15.数据脱敏技术中，“匿名化”主要用于（）。A.防止数据重复B.隐藏敏感信息C.压缩数据体积D.加速数据查询答案：B16.以下哪项是大数据价值挖掘的关键步骤？（）A.数据采集B.数据存储C.数据清洗D.数据建模分析答案：D17.区块链与大数据结合的典型应用是（）。A.提升数据计算速度B.确保数据不可篡改C.扩大数据存储容量D.简化数据处理流程答案：B18.大数据平台的分层架构中，“计算层”主要负责（）。A.数据采集与传输B.数据存储与管理C.数据处理与分析D.数据展示与应用答案：C19.以下不属于大数据应用场景的是（）。A.智慧城市交通优化B.医疗影像辅助诊断C.个人手写笔记记录D.电商精准推荐答案：C20.数据生命周期管理的最后阶段是（）。A.数据采集B.数据归档/删除C.数据处理D.数据分析答案：B二、多项选择题（每题3分，共30分）1.大数据的“4V”特征包括（）。A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Value（低价值密度）答案：ABCD2.以下属于Hadoop生态系统组件的有（）。A.HDFSB.MapReduceC.YARND.Hive答案：ABCD3.数据清洗的主要任务包括（）。A.处理缺失值B.纠正错误数据C.去除重复数据D.转换数据格式答案：ABCD4.隐私计算的主要技术包括（）。A.联邦学习B.多方安全计算C.同态加密D.数据脱敏答案：ABC（解析：数据脱敏属于隐私保护技术，非计算技术）5.大数据在医疗领域的应用包括（）。A.疾病预测模型B.药物研发数据分析C.电子病历管理D.医院后勤调度优化答案：ABCD6.分布式存储的优势有（）。A.高可靠性B.可扩展性C.低成本D.单节点故障不影响整体答案：ABD（解析：分布式存储成本通常高于集中式）7.以下属于流处理框架的是（）。A.ApacheFlinkB.ApacheKafkaStreamsC.SparkStreamingD.HBase答案：ABC8.大数据伦理需关注的问题包括（）。A.算法歧视B.数据垄断C.隐私侵犯D.数据主权答案：ABCD9.数据湖的特点包括（）。A.存储原始数据B.支持多类型数据C.结构化程度高D.适合实时分析答案：ABD（解析：数据湖存储非结构化/半结构化数据）10.大数据分析的主要方法包括（）。A.描述性分析B.预测性分析C.规范性分析D.验证性分析答案：ABC三、判断题（每题2分，共20分）1.大数据的核心是“数据量大”，只要数据足够多就能挖掘价值。（）答案：×（解析：数据质量、分析方法同样关键）2.HDFS适合存储小文件，因为其块大小设计灵活。（）答案：×（解析：HDFS存储小文件会导致NameNode内存压力大，不适合）3.数据仓库主要用于支持OLTP（在线事务处理）。（）答案：×（解析：数据仓库支持OLAP（在线分析处理））4.流处理强调对实时产生的数据进行即时分析。（）答案：√5.联邦学习可以在多个参与方不共享原始数据的情况下联合训练模型。（）答案：√6.NoSQL数据库完全替代了关系型数据库。（）答案：×（解析：两者适用场景不同，互补而非替代）7.数据可视化的目的仅是让数据“看起来好看”。（）答案：×（解析：核心是帮助用户快速理解数据规律）8.大数据安全只需关注技术防护，无需考虑管理流程。（）答案：×（解析：需技术与管理结合）9.边缘计算将数据处理移至数据源附近，减少了云端压力。（）答案：√10.数据生命周期管理仅涉及数据存储阶段。（）答案：×（解析：覆盖采集、存储、处理、分析、归档/删除全流程）四、简答题（每题5分，共10分）1.简述大数据技术栈的主要分层及各层的核心功能。答案：大数据技术栈通常分为五层：（1）数据采集层：通过Flume、Kafka等工具收集多源数据；（2）数据存储层：使用HDFS（分布式文件系统）、HBase（列式存储）、关系型数据库等存储数据；（3）数据处理层：通过MapReduce（批处理）、Flink（流处理）、Spark（内存计算）进行清洗、转换；（4）数据分析层：利用Hive（类SQL分析）、MLlib（机器学习）、图计算等挖掘价值；（5）数据应用层：通过Tableau、PowerBI等工具可视化，或直接输出业务决策。2.列举三种大数据隐私保护技术，并说明其核心原理。答案：（1）数据脱敏：对敏感信息（如姓名、身份证号）进行替换（如“张”）或变形（如哈希），保留数据可用性；（2）联邦学习：各参与方在本地训练模型，仅交换模型参数（非原始数据），联合优化全局模型；（3）同态加密：允许在加密数据上直接进行计算，结果解密后与明文计算一致，保护数据隐私。五、案例分析题（共20分）某电商平台计划通过大数据优化用户购物体验，具体需求包括：实时监控用户点击流数据，分析商品偏好；预测用户复购概率；防范虚假交易（如刷单）。问题：1.该平台需搭建哪些大数据组件？请说明各组件的作用。2.针对“实时监控用户点击流数据”，应选择哪种处理框架？为什么？3.预测用户复购概率可能涉及哪些分析方法？答案：1.需搭建组件及作用：（1）数据采集：使用Flume（日志采集）、Kafka（消息队列，缓存实时点击流数据）；（2）数据存储：HDFS（存储历史交易数据）、HBase（存储实时用户行为数据，支持快速查询）；（3）实时处理：Flink（处理实时点击流，分析用户实时行为）；（4）批处理：Spark（分析历史数据，训练复购预测模型）；（5）机器学习：MLlib或TensorFlow（构建复购预测模型、刷单检测模型）；（6）可视化：Tableau（展示用户偏好、复购率等指标）。2.应选择Flink作为实时处理框架。原因：Flink支持毫秒级低延迟、精确一次（exactly-once）语义，适合处理高并发的用户点击流