2025云南大数据公司高频笔试题100道附全解答案

2025云南大数据公司高频笔试题100道附全解答案

一、单项选择题（30题，每题2分）1.Hadoop分布式文件系统（HDFS）中，默认的数据块大小是（）A.32MBB.64MBC.128MBD.256MB2.Spark的核心抽象是（）A.DataFrameB.DatasetC.RDDD.DStream3.以下不属于Hadoop三大核心组件的是（）A.HDFSB.MapReduceC.YARND.Spark4.数据仓库的维度建模中，用于存储维度属性的表是（）A.事实表B.维度表C.临时表D.分区表5.Python中处理大数据的常用库是（）A.PandasB.NumPyC.PySparkD.Matplotlib6.阿里云的大数据计算平台是（）A.EMRB.MaxComputeC.OSSD.RDS7.SQL中，用于过滤分组后数据的关键字是（）A.WHEREB.HAVINGC.GROUPBYD.ORDERBY8.以下属于非结构化数据的是（）A.数据库表数据B.JSON文件C.图片D.CSV文件9.Hive中，默认的文件存储格式是（）A.TextFileB.ORCC.ParquetD.Avro10.数据治理的核心目标不包括（）A.提升数据质量B.降低数据冗余C.保障数据安全D.增加数据存储成本11.SparkStreaming中，用于接收Kafka数据的API是（）A.KafkaUtilsB.SparkContextC.SQLContextD.StreamingContext12.以下属于实时计算框架的是（）A.MapReduceB.SparkCoreC.FlinkD.Hive13.云南大数据应用中，文旅大数据的核心应用场景不包括（）A.游客画像分析B.景区流量预测C.旅游产品定价D.旅游投诉智能处理14.数据仓库中，星型模型与雪花模型的区别在于（）A.事实表数量B.维度表是否标准化C.存储效率D.查询速度15.Python中，读取CSV文件的常用函数是（）A.pd.read_csv()B.open()C.json.load()D.requests.get()16.阿里云的对象存储服务缩写是（）A.OSSB.ECSC.RDSD.MaxCompute17.以下属于数据质量指标的是（）A.数据一致性B.数据容量C.数据存储位置D.数据传输速度18.HBase的存储结构是（）A.关系型B.键值对C.列式D.文档型19.Spark中，将RDD转换为Dataset需要指定（）A.SchemaB.分区数C.缓存D.并行度20.数据治理的四要素不包括（）A.数据标准B.数据质量C.数据安全D.数据可视化21.SQL中，实现左外连接的关键字是（）A.LEFTJOINB.INNERJOINC.RIGHTJOIND.FULLJOIN22.以下属于大数据技术栈底层的是（）A.数据采集B.数据存储C.数据分析D.数据可视化23.云南农业大数据的典型应用是（）A.农作物长势监测B.农产品价格预测C.农业补贴发放D.以上都是24.Hive中，分区表的分区字段通常来自（）A.表的某一列B.随机字段C.系统时间D.数据文件路径25.Spark的运行模式不包括（）A.本地模式B.伪分布式模式C.分布式模式D.云模式26.数据安全的核心措施不包括（）A.数据加密B.数据脱敏C.权限控制D.数据备份27.以下属于机器学习基础算法的是（）A.线性回归B.SQL查询C.ETLD.数据清洗28.阿里云的弹性MapReduce缩写是（）A.EMRB.OSSC.MaxComputeD.RDS29.数据仓库的建设流程第一步是（）A.需求分析B.数据建模C.ETL开发D.系统部署30.云南政务大数据的核心价值是（）A.提升政务效率B.优化公共服务C.辅助决策D.以上都是二、填空题（25题，每题2分）1.Hadoop的三大核心组件是HDFS、______和YARN。2.Spark中，不可变的分布式数据集是______。3.数据仓库的维度建模中，事实表存储的是______数据。4.Python中处理JSON数据的内置模块是______。5.阿里云的大数据计算平台是______。6.SQL中用于分组统计的关键字是______。7.Hive中存储结构化数据的默认格式是______。8.数据治理的核心目标包括数据质量、数据安全和______。9.SparkStreaming中用于接收实时数据的核心组件是______。10.云南文旅大数据的典型应用场景是______（举例）。11.HBase的行键（RowKey）用于______数据。12.维度建模的三种常见模型是星型模型、雪花模型和______。13.Python中处理大数据的库是______。14.阿里云的对象存储服务是______。15.SQL中实现多表连接的关键字是______。16.数据质量的关键指标包括一致性、完整性和______。17.Spark中DataFrame的核心是______。18.实时计算框架Flink的核心特性是______。19.数据仓库中ETL的全称是______。20.云南农业大数据的应用场景包括______（举例）。21.HDFS的副本系数默认是______。22.Spark的运行模式中，用于生产环境的是______。23.数据安全的核心措施包括加密、脱敏和______。24.机器学习中，用于分类任务的算法是_____