2025年公需科目《大数据》考试题库(含标准答案)

2025年公需科目《大数据》考试题库(含标准答案)一、单项选择题1.大数据技术中，用于描述数据提供和处理速度的特征是（）。A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Value（低价值密度）答案：B2.以下不属于非结构化数据的是（）。A.社交媒体文本B.关系型数据库表C.监控视频片段D.音频文件答案：B3.Hadoop分布式文件系统（HDFS）的核心设计目标是（）。A.支持小文件高效存储B.保证数据强一致性C.运行在低成本商用硬件上D.提供实时事务处理答案：C4.Spark计算框架的核心抽象是（）。A.MapReduce任务B.弹性分布式数据集（RDD）C.分布式键值对存储D.流数据窗口答案：B5.关联规则挖掘中，用于衡量规则实用性的指标是（）。A.支持度B.置信度C.提升度D.覆盖度答案：C6.以下属于实时数据处理框架的是（）。A.HadoopMapReduceB.ApacheFlinkC.HiveD.Pig答案：B7.大数据隐私保护中，“通过添加随机噪声使个体数据无法被精确识别”的技术是（）。A.匿名化B.脱敏处理C.差分隐私D.联邦学习答案：C8.智慧城市中，通过传感器网络实时采集交通流量数据并分析拥堵的场景，主要体现了大数据的（）。A.预测性分析B.描述性分析C.规范性分析D.诊断性分析答案：A9.数据湖（DataLake）与数据仓库（DataWarehouse）的主要区别在于（）。A.数据存储格式是否结构化B.是否支持实时查询C.数据处理的复杂度D.数据来源的单一性答案：A10.以下不属于大数据采集技术的是（）。A.网络爬虫B.传感器数据接入C.ETL工具（如Kettle）D.关系型数据库事务处理答案：D11.机器学习中，用于判断分类模型预测结果与实际标签一致性的指标是（）。A.准确率（Accuracy）B.召回率（Recall）C.F1分数D.ROC曲线答案：A12.区块链技术与大数据结合的典型应用是（）。A.提升数据存储容量B.实现数据防篡改存证C.加速数据处理速度D.降低数据采集成本答案：B13.边缘计算在大数据场景中的主要作用是（）。A.将所有数据集中到云端处理B.在数据产生源头就近处理部分数据C.替代传统数据中心D.完全取代云计算答案：B14.数据清洗中，处理“年龄字段出现-5或150”的问题属于（）。A.缺失值处理B.异常值检测与修正C.冗余数据删除D.格式标准化答案：B15.以下属于大数据分析结果可视化工具的是（）。A.HBaseB.TableauC.KafkaD.Flume答案：B16.联邦学习的核心目标是（）。A.集中所有数据训练模型B.在不共享原始数据的前提下联合建模C.提高单个设备的计算能力D.降低数据传输带宽答案：B17.大数据技术栈中，负责数据实时传输的组件通常是（）。A.消息队列（如Kafka）B.分布式数据库（如HBase）C.批处理框架（如Spark）D.数据可视化工具（如PowerBI）答案：A18.数据治理的核心任务是（）。A.增加数据存储量B.确保数据质量、安全与合规C.提升数据处理速度D.开发更多数据分析模型答案：B19.以下关于数据生命周期的描述，错误的是（）。A.包括采集、存储、处理、分析、归档、销毁B.归档后的数据不再需要访问C.销毁需符合隐私保护法规D.存储阶段需考虑成本与访问频率答案：B20.预测性分析的典型应用场景是（）。A.提供用户行为报告B.识别销售异常订单C.预测客户流失概率D.展示某区域人口分布答案：C二、多项选择题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.以下属于非关系型数据库（NoSQL）的是（）。A.MySQLB.HBaseC.RedisD.MongoDB答案：BCD3.Spark生态系统包含的组件有（）。A.SparkCoreB.SparkSQLC.SparkStreamingD.MLlib（机器学习库）答案：ABCD4.数据清洗的主要内容包括（）。A.处理缺失值（如插值、删除）B.检测并修正异常值C.删除重复冗余数据D.标准化数据格式（如日期统一）答案：ABCD5.大数据隐私保护技术包括（）。A.匿名化（如K-匿名）B.差分隐私C.联邦学习D.访问控制（如角色权限管理）答案：ABCD6.实时数据处理的典型应用场景有（）。A.电商实时推荐B.股票行情实时分析C.日志实时监控告警D.历史销售数据年度汇总答案：ABC7.数据湖的特点包括（）。A.存储结构化、半结构化、非结构化数据B.支持原始数据直接存储C.主要用于支持固定查询的报表D.适合多样化分析需求（如机器学习、数据挖掘）答案：ABD8.以下属于大数据分析方法的是（）。A.关联规则挖掘（如Apriori算法）B.分类预测（如决策树、逻辑回归）C.聚类分析（如K-means）D.时间序列预测（如ARIMA）答案：ABCD9.区块链与大数据结合的优势包括（）。A.数据可追溯防篡改B.增强数据共享信任C.替代大数据存储D.降低数据处理复杂度答案：AB10.数据治理的关键要素包括（）。A.数据质量（准确性、完整性）B.数据安全（加密、访问控制）C.数据合规（符合GDPR、《数据安全法》）D.数据架构（存储、处理流程设计）答案：ABCD三、判断题1.大数据的核心是数据量大，因此数据量越大价值越高。（）答案：×（核心是通过分析挖掘数据价值，数据量并非唯一决定因素）2.Hadoop的HDFS采用主从架构，NameNode管理文件元数据，DataNode存储数据块。（）答案：√3.数据挖掘等同于大数据分析，二者概念完全一致。（）答案：×（数据挖掘是大数据分析的方法之一，分析还包括统计分析、可视化等）4.实时数据处理要求秒级或毫秒级响应，适合处理海量历史数据。（）答案：×（实时处理适合流数据，批量处理适合历史数据）5.非结构化数据（如文本、图像）无法被分析，需转换为结构化数据后才能处理。（）答案：×（可通过自然语言处理、计算机视觉等技术直接分析）6.差分隐私通过添加噪声保护个体数据，同时保证整体统计结果的准确性。（）答案：√7.数据湖仅存储原始数据，不支持数据清洗和转换。（）答案：×（数据湖支持存储原始数据，也可处理后存储清洗、转换后的数据）8.联邦学习需要将各参与方的原始数据集中到中心节点训练模型。（）答案：×（联邦学习通过交换模型参数而非原始数据实现联合建模）9.区块链技术可以完全解决大数据的安全问题，无需其他防护措施。（）答案：×（需结合加密、访问控制等技术综合防护）10.数据治理的目标是确保数据在整个生命周期内的质量、安全与合规。（）答案：√四、简答题1.简述大数据的“5V”特征及其含义。答案：大数据的“5V”特征包括：（1）Volume（大量）：数据规模巨大，从TB级跃升至PB、EB级；（2）Velocity（高速）：数据提供和处理速度快，需实时或准实时分析；（3）Variety（多样）：数据类型复杂，包括结构化（表格）、半结构化（JSON）、非结构化（文本、图像）；（4）Value（低价值密度）：海量数据中有效信息占比低，需深度挖掘；（5）Veracity（真实性）：数据可能存在噪声、错误，需保证数据质量和可信度。2.对比HadoopMapReduce与Spark的核心差异。答案：主要差异体现在：（1）计算模型：MapReduce基于“映射-归约”两步操作，数据依赖磁盘；Spark基于弹性分布式数据集（RDD），支持内存计算和迭代操作；（2）处理延迟：MapReduce适合批处理，延迟较高（分钟级）；Spark支持批处理、实时流处理，延迟更低（秒级甚至毫秒级）；（3）适用场景：MapReduce适合离线大规模数据处理；Spark适合机器学习、图计算等需要多次迭代的场景；（4）内存使用：MapReduce依赖磁盘存储中间结果，资源消耗大；Spark将中间结果存储在内存，减少I/O开销。3.数据清洗的主要步骤有哪些？请举例说明。答案：数据清洗步骤包括：（1）识别数据问题：通过统计分析（如缺失值比例、异常值分布）定位问题，例如用户年龄字段出现“-3”或“200”；（2）处理缺失值：选择删除（缺失比例高）、插值（均值/中位数填充、模型预测），例如用用户所在地区的平均年龄填充缺失值；（3）修正异常值：通过标准差法（如超出均值±3σ）或业务规则（如年龄0-120岁）识别，将“200”修正为“20”（可能输入错误）；（4）删除冗余数据：去除重复记录（如同一用户多次提交相同订单）；（5）标准化格式：统一日期格式（如“2023/12/31”改为“2023-12-31”）、单位（如“500cm”改为“5m”）。4.简述隐私计算在大数据场景中的典型应用。答案：隐私计算通过联邦学习、安全多方计算等技术，在不共享原始数据的前提下实现联合分析，典型场景包括：（1）跨机构数据合作：银行与电商联合建模用户信用，仅交换模型参数而非用户隐私数据；（2）医疗数据共享：医院联合分析疾病特征，保护患者个人健康信息；（3）金融风控：不同金融机构联合识别欺诈模式，避免客户隐私泄露；（4）政府数据开放：在保护企业/个人敏感信息的前提下，开放统计数据用于经济分析。5.实时数据处理与批量数据处理的主要区别是什么？各举一例。答案：区别如下