2025年辽宁省公需课学习-大数据分析技术与应用实践

2025年辽宁省公需课学习-大数据分析技术与应用实践第一部分：单项选择题（共20题，每题1分）1、大数据的核心特征不包括以下哪项？A、大量性B、高速性C、准确性D、多样性答案：C解析：大数据核心特征为“4V”：大量性（Volume）、高速性（Velocity）、多样性（Variety）、低价值密度（Value）。准确性是数据质量要求，非大数据固有特征，故C错误。2、以下属于主动数据采集方式的是？A、传感器监测B、网络爬虫C、日志记录D、设备自动上传答案：B解析：主动采集指主动获取目标数据（如网络爬虫），被动采集是接收设备自动生成数据（如传感器、日志、设备上传）。B为主动，其余为被动。3、适用于大数据存储的技术是？A、MySQL数据库B、HDFS分布式文件系统C、Excel表格D、Access数据库答案：B解析：HDFS是Hadoop分布式文件系统，专为海量数据存储设计。MySQL、Access是关系型数据库，Excel为单机工具，均无法高效处理大数据量，故B正确。4、数据清洗中处理缺失值的合理方法是？A、直接删除整条记录B、忽略缺失值继续分析C、用无关数据填充D、保留原始空值答案：A解析：数据清洗需处理缺失值，常用方法包括删除少量缺失记录（A）、用均值/中位数插补等。忽略（B）、无关填充（C）、保留空值（D）会导致分析偏差，故A合理。5、以下属于监督学习任务的是？A、聚类分析B、关联规则挖掘C、分类预测D、降维处理答案：C解析：监督学习需标签数据（如分类），无监督学习无标签（如聚类、关联规则、降维）。C是监督学习，其余为无监督，故选C。6、常用于商业数据可视化的工具是？A、Python的MatplotlibB、R语言的ggplot2C、TableauD、Java的Swing答案：C解析：Tableau是专业商业可视化工具，操作便捷适合非技术人员。Matplotlib、ggplot2需编程，Swing是GUI开发工具，故C正确。7、大数据分析的标准流程顺序是？A、存储→采集→清洗→分析→可视化B、采集→存储→清洗→分析→可视化C、清洗→采集→存储→分析→可视化D、采集→清洗→存储→分析→可视化答案：B解析：标准流程为：先采集数据→存储至系统→清洗处理→分析建模→可视化输出结果。B顺序正确，其余步骤混乱。8、Hadoop体系中负责分布式计算的组件是？A、HDFSB、YARNC、MapReduceD、HBase答案：C解析：Hadoop核心组件中，HDFS是存储（A），YARN是资源管理（B），MapReduce是分布式计算框架（C），HBase是数据库（D）。故选C。9、适合实时数据流处理的技术是？A、HadoopMapReduceB、SparkStreamingC、离线批处理D、传统ETL工具答案：B解析：SparkStreaming是基于Spark的实时流处理框架。MapReduce（A）、离线批处理（C）、传统ETL（D）均为批处理技术，无法满足实时性，故B正确。10、保护用户数据隐私的关键技术是？A、数据脱敏B、数据聚合C、数据抽样D、数据标准化答案：A解析：数据脱敏（如替换敏感字段）是核心隐私保护技术。聚合（B）是统计方法，抽样（C）是分析手段，标准化（D）是数据预处理，均不直接保护隐私，故选A。11、数据仓库与数据库的本质区别是？A、存储数据量大小B、面向分析vs面向事务C、使用SQL语言与否D、支持分布式与否答案：B解析：数据库面向事务处理（OLTP），支持实时增删改；数据仓库面向分析（OLAP），支持复杂查询。B是本质区别，其余为表面特征。12、特征工程中“选择重要特征”属于？A、特征提取B、特征构造C、特征选择D、特征缩放答案：C解析：特征选择是从现有特征中筛选关键特征（C）；提取是生成新特征（A）；构造是组合特征（B）；缩放是标准化处理（D）。故选C。13、挖掘商品关联规则常用的算法是？A、K-meansB、AprioriC、SVMD、决策树答案：B解析：Apriori是经典关联规则挖掘算法。K-means（聚类）、SVM（分类）、决策树（分类/回归）均不用于关联规则，故B正确。14、不属于数据质量关键指标的是？A、完整性B、多样性C、准确性D、一致性答案：B解析：数据质量指标包括完整性（无缺失）、准确性（无错误）、一致性（格式统一）。多样性是数据特征（如结构多样），非质量指标，故选B。15、Spark比Hadoop更快的主要原因是？A、使用内存计算B、支持SQL查询C、代码更简洁D、开源免费答案：A解析：Spark基于内存计算，减少磁盘IO；HadoopMapReduce依赖磁盘。内存计算是Spark更快的核心原因，其余为次要因素，故A正确。16、数据生命周期的正确阶段顺序是？A、存储→生成→处理→归档→销毁B、生成→存储→处理→归档→销毁C、生成→处理→存储→归档→销毁D、存储→处理→生成→归档→销毁答案：B解析：数据生命周期始于生成（如传感器采集）→存储→处理分析→归档（长期保存）→最终销毁。B顺序正确，其余阶段混乱。17、以下属于非结构化数据的是？A、Excel表格B、数据库表C、PDF文档D、CSV文件答案：C解析：非结构化数据无固定格式（如文本、图片、PDF）；结构化数据是二维表（Excel、数据库、CSV）。C为非结构化，其余为结构化。18、大数据技术在以下场景中应用最典型的是？A、企业会计核算B、医院患者病历管理C、电商精准营销D、学校学生成绩统计答案：C解析：精准营销需分析用户行为数据，是大数据典型应用。会计核算（A）、病历管理（B）、成绩统计（D）是传统信息系统功能，故C正确。19、保障大数据系统安全的核心措施是？A、提升数据计算速度B、加强访问权限控制C、增加存储设备数量D、优化数据可视化效果答案：B解析：访问权限控制（如角色权限管理）可防止未授权访问，是核心安全措施。速度（A）、存储（C）、可视化（D）均与安全无直接关联，故选B。20、数据分析师最核心的技能不包括？A、统计学知识B、业务理解能力C、硬件维护能力D、编程建模能力答案：C解析：数据分析师需统计学（A）、业务理解（B）、编程建模（D）。硬件维护（C）是运维人员职责，非分析师核心技能，故选C。第二部分：多项选择题（共10题，每题2分）21、大数据技术栈通常包含以下哪些组件？A、Hadoop分布式计算框架B、Spark内存计算引擎C、MySQL关系型数据库D、Flink实时流处理E、HBase分布式数据库答案：ABDE解析：大数据技术栈包括Hadoop（A）、Spark（B）、Flink（D）等计算框架，HBase（E）等存储系统。MySQL（C）是传统数据库，非大数据技术栈核心，故选ABDE。22、数据清洗主要处理哪些问题？A、缺失值B、错误值C、重复值D、数据转换E、数据集成答案：ABC解析：数据清洗针对数据质量问题，包括缺失值（A）、错误值（B）、重复值（C）。数据转换（D）、集成（E）属于数据预处理其他环节，故ABC正确。23、以下属于监督学习算法的有？A、K-means聚类B、逻辑回归C、决策树分类D、关联规则AprioriE、支持向量机（SVM）答案：BCE解析：监督学习需标签数据，包括逻辑回归（B）、决策树（C）、SVM（E）。K-means（A）、Apriori（D）是无监督学习，故选BCE。24、数据可视化设计应遵循的原则有？A、信息清晰传达B、颜色复杂多样C、图表简洁易懂D、数据准确映射E、添加冗余装饰答案：ACD解析：可视化原则需清晰（A）、简洁（C）、准确（D）。颜色复杂（B）、冗余装饰（E）会干扰信息传递，故ACD正确。25、属于分布式存储系统的有？A、HDFSB、HBaseC、RedisD、CassandraE、SQLServer答案：ABD解析：分布式存储系统包括HDFS（A）、HBase（B）、Cassandra（D）。Redis（C）是内存数据库，SQLServer（E）是传统关系型数据库，均非分布式存储，故选ABD。26、数据采集时需重点关注的事项有？A、数据合法性B、数据完整性C、采集实时性D、数据多样性E、存储成本答案：ABC解析：采集需关注合法性（合规）、完整性（无遗漏）、实时性（时效性）。多样性（D）是数据特征，存储成本（E）是存储阶段问题，故ABC正确。27、大数据分析能为企业带来哪些价值？A、优化业务决策B、提升运营效率C、完全替代人工D、发现隐藏模式E、降低数据量答案：ABD解析：大数据可优化决策（A）、提升效率（B）、发现模式（D）。完全替代人工（C）不现实，降低数据量（E）非价值目标，故选ABD。28、常用的数据隐私保护技术包括？A、数据匿名化B、数据加密存储C、访问权限控制D、数据备份E、数据抽样答案：ABC解析：隐私保护技术有匿名化（A）、加密（B）、权限控制（C）。备份（D）是容灾措施，抽样（E）是分析方法，故ABC正确。29、Spark技术体系包含以下哪些组件？A、SparkCoreB、SparkSQLC、SparkStreamingD、SparkMLlibE、Hive答案：ABCD解析：Spark组件包括Core（