2025南国大数据（贵州）有限公司招聘70人笔试历年典型考点题库附带答案详解

2025南国大数据（贵州）有限公司招聘70人笔试历年典型考点题库附带答案详解一、单项选择题下列各题只有一个正确答案，请选出最恰当的选项（共30题）1、在大数据处理框架中，以下哪项属于Hadoop生态系统的核心组件？A.ZookeeperB.HDFSC.KafkaD.Flink2、某数据库支持分布式存储与高并发查询，但无法保证强一致性，该数据库最可能属于以下哪个类型？A.关系型数据库B.文档型数据库C.图数据库D.键值型数据库3、以下哪项技术常用于数据预处理阶段的缺失值处理？A.正则化B.决策树C.插值法D.主成分分析4、数据仓库的ODS层主要用于存储哪种类型的数据？A.轻度聚合数据B.原始操作数据C.高度聚合数据D.维度表数据5、以下哪种工具最适合用于生成交互式数据可视化大屏？A.ExcelB.TableauC.EChartsD.PowerBI6、在数据挖掘中，K-means算法主要用于解决哪类问题？A.分类B.关联规则挖掘C.聚类D.时序预测7、以下哪项技术方案最适用于实时处理TB级流式数据？A.HadoopMapReduceB.ApacheStormC.HiveD.Sqoop8、数据脱敏技术中，通过替换敏感字段以保护隐私的方法称为？A.泛化B.加密C.重采样D.模糊化9、在关系型数据库中，索引的主要作用是？A.节省存储空间B.提高查询速度C.保证数据完整性D.防止SQL注入10、按照CAP定理，分布式系统在发生网络分区时，必须在以下哪两个特性间权衡？A.一致性与可用性B.吞吐量与延迟C.分区容忍与一致性D.安全性与可扩展性11、在数据库系统中，实现数据与程序独立性的关键层次是（）。A.物理层B.逻辑层C.应用层D.网络层12、若某组数据的方差为0，则以下结论正确的是（）。A.数据均值为0B.数据中存在负数C.所有数据相等D.数据个数为113、Python中，以下代码的输出结果是（）。

```python

deffunc(a,lst=[]):

lst.append(a)

returnlst

print(func(1),func(2))

```A.[1][2]B.[1,2][1,2]C.[1][1,2]D.[1,2][2]14、根据《中华人民共和国数据安全法》，重要数据处理者应当（）。A.无需备案直接出境B.定期开展风险评估并提交报告C.仅存储于本地服务器D.采用最高加密等级传输15、某项目共有5个子任务，工期分别为3、5、2、4、6天，若采用关键路径法，项目总工期为（）。A.6天B.20天C.12天D.无法确定16、Hadoop生态系统中，负责分布式资源管理的核心组件是（）。A.HDFSB.MapReduceC.YARND.HBase17、某算法的时间复杂度为O(n²)，当输入规模为n时，其基本操作次数（）。A.恒为n²B.与n²同阶C.总小于n²D.与n²无关18、在关系数据库中，若关系模式R的每个非主属性都完全函数依赖于候选键，则R最高属于（）。A.1NFB.2NFC.3NFD.BCNF19、某批数据的偏态系数为-0.8，说明该数据分布（）。A.对称B.右偏C.左偏D.严重右偏20、以下数据指标中，最能反映用户留存情况的是（）。A.DAU/MAU比值B.次日留存率C.用户LTVD.转化漏斗21、某企业计划在贵州建设数据中心，根据国家“东数西算”工程规划，该数据中心最适宜选址于哪个区域？A.贵阳市云岩区B.贵安新区C.遵义市红花岗区D.六盘水市钟山区22、某数据分析师在处理用户行为数据时，发现需识别用户分群特征。以下哪种算法最适合此场景？A.线性回归B.决策树C.K-means聚类D.朴素贝叶斯23、贵州某公司需对历史气象数据进行存储，要求高容错性和扩展性。以下哪种技术最合适？A.MySQLB.HadoopHDFSC.RedisD.MongoDB24、某数据可视化项目需展示贵州省近十年GDP变化趋势，最合适的图表类型是？A.饼图B.散点图C.折线图D.热力图25、根据《数据安全法》，以下哪项属于数据处理活动中必须履行的义务？A.定期开展数据安全风险评估B.公开所有数据采集规则C.禁止跨境传输数据D.采用国产加密算法26、在数据清洗过程中，发现某字段存在大量“9999”异常值，最合理的处理方式是？A.直接删除该字段B.保留并纳入统计分析C.替换为平均值D.根据业务逻辑判断修正规则27、贵州某国企计划申请大数据发展专项资金，其项目可行性研究报告应重点包含？A.项目经济效益测算B.技术路线先进性论证C.数据资源合规性说明D.以上全部28、在构建用户画像时，以下哪项数据维度对精准营销帮助较小？A.用户消费记录B.IP地址归属地C.网页浏览时长D.设备品牌型号29、某公司需实时分析交通摄像头视频流，以下技术栈组合最合理的是？A.Flume+HiveB.SparkStreaming+OpenCVC.Kafka+HBaseD.Zookeeper+Sqoop30、根据贵州大数据产业“十四五”规划，以下哪项是重点发展领域？A.区块链+溯源农业B.量子通信C.元宇宙虚拟城市D.芯片制造二、多项选择题下列各题有多个正确答案，请选出所有正确选项（共15题）31、以下属于大数据典型特征的是：

A.高价值性

B.非结构化数据占比大

C.数据更新频率低

D.数据价值密度高32、以下属于分布式数据存储技术的有：

A.HDFS

B.MongoDB

C.Redis

D.OracleRAC33、贵州省建设国家大数据综合试验区时，重点发展的领域包括：

A.数据中心集聚区建设

B.政务数据共享开放

C.传统制造业转型升级

D.生物医药产业研发34、数据安全防护需重点关注的技术环节包括：

A.数据加密传输

B.访问权限控制

C.日志审计追踪

D.数据冗余备份35、以下关于机器学习的描述正确的有：

A.监督学习需要标注数据

B.K-means属于无监督学习算法

C.深度学习必须使用GPU进行训练

D.决策树属于生成模型36、数据可视化时应遵循的原则包括：

A.优先选择三维立体图表

B.避免使用过多颜色干扰

C.准确反映数据差异

D.优先选用动态交互形式37、数据挖掘常用技术包括：

A.关联规则分析

B.时序预测

C.网络爬虫

D.决策树分类38、以下属于Hadoop生态系统组件的有：

A.YARN

B.Hive

C.Zookeeper

D.Spark39、数据清洗过程中需要处理的数据问题包括：

A.缺失值填充

B.异常值检测

C.特征标准化

D.数据格式转换40、实时数据处理场景适用的技术有：

A.ApacheKafka

B.ApacheStorm

C.ApacheSqoop

D.ApacheFlink41、关于数据库ACID特性，以下说法正确的是：A.A代表原子性，事务不可再分B.C代表一致性，数据必须符合约束条件C.I代表隔离性，事务间互不干扰D.D代表持久性，提交后数据永久保存42、大数据处理框架中，属于批处理范畴的是：A.ApacheSparkB.ApacheFlinkC.ApacheStormD.HadoopMapReduce43、数据挖掘中，分类算法的典型应用场景包括：A.客户信用评级预测B.商品购买关联分析C.文本情感倾向判断D.用户分群聚类分析44、以下关于关系型数据库与NoSQL数据库的对比，正确的是：A.关系型数据库支持强一致性B.NoSQL数据库支持水平扩展C.NoSQL数据库适合复杂查询场景D.关系型数据库采用固定表结构45、Hadoop生态系统中，负责分布式资源管理的组件是：A.YARNB.ZooKeeperC.HDFSD.MapReduce三、判断题判断下列说法是否正确（共10题）46、Hadoop框架主要用于实时数据流的处理，其核心组件包括HDFS和MapReduce。A.正确B.错误47、贵州发展大数据产业的优势之一是气候凉爽，有利于降低数据中心散热能耗。A.正确B.错误48、数据仓库中的事实表存储业务过程的度量值，且可直接进行增删改操作。A.正确B.错误49、GB/T35295-2017标准明确将数据分类为结构化、非结构化和半结构化三类。A.正确B.错误50、在Spark中，RDD的转换操作（如map、filter）是惰性执行的，不会立即触发计算。A.正确B.错误51、数据可视化中，桑基图适用于展示流量或资源从起点到终点的流向分布。A.正确B.错误52、根据《贵州省大数据发展应用促进条例》，政务数据应优先采用商用加密算法进行保护。A.正确B.错误53、机器学习中，K近邻算法（KNN）的K值越大，模型对噪声数据的敏感度越高。A.正确B.错误54、图数据库（如Neo4j）使用节点和边表示数据关系，适用于社交网络分析场景。A.正确B.错误55、数据清洗阶段发现的缺失值，必须通过删除记录的方式进行处理。A.正确B.错误

参考答案及解析1.【参考答案】B【解析】HDFS（HadoopDistributedFileSystem）是Hadoop的分布式存储核心组件，负责数据存储。Zookeeper用于分布式协调，Kafka是流处理平台，Flink是实时计算框架，均不属于Hadoop核心组件。2.【参考答案】B【解析】文档型数据库（如MongoDB）支持分布式架构与灵活数据模型，但通常采用最终一致性模型，无法保证强一致性。关系型数据库强调ACID特性，图数据库和键值型数据库的应用场景不同。3.【参考答案】C【解析】插值法通过已知数据推断缺失值，属于数据清洗常用方法。正则化用于防止过拟合，决策树是建模算法，主成分分析用于降维。4.【参考答案】B【解析】ODS（OperationalDataStore）层存储从业务系统直接抽取的原始数据，保留源系统结构，为后续清洗和加工提供基础。5.【参考答案】C【解析】ECharts是百度开源的JavaScript图表库，专为Web端交互式可视化设计，支持动态渲染，适合大屏展示。Tableau和PowerBI更侧重桌面分析，Excel功能较基础。6.【参考答案】C【解析】K-means是一种无监督聚类算法，通过迭代将数据划分为K个簇。分类（如决策树）需标签数据，关联规则（如Apriori算法）用于发现变量间关系，时序预测使用ARIMA等模型。7.【参考答案】B【解析】Storm是分布式实时计算框架，适合低延迟流式数据处理。MapReduce和Hive用于批处理，Sqoop用于数据迁移。8.【参考答案】D【解析】模糊化通过替换（如将姓名改为符号）或混淆数据实现脱敏。泛化是用更宽泛的值（如年龄区间）替代，加密改变数据形式但可逆，重采样是数据处理技术。9.【参考答案】B【解析】索引通过创建数据结构的副本来加速检索，但会增加存储开销。数据完整性依赖约束（如主键、外键），SQL注入防护需代码层面处理。10.【参考答案】C【解析】CAP定理指出，分布式系统无法同时满足一致性（Consistency）、可用性（Availability）、分区容忍（PartitionTolerance）。网络分区发生时，只能在一致性与可用性间二选一，分区容忍是必选特性。11.【参考答案】B【解析】逻辑层描述数据的逻辑结构和关系，通过三级模式结构（外模式、模式、内模式）实现数据与程序的逻辑独立性。物理层仅负责存储路径的独立性，逻辑层独立性需通过模式映射实现，因此选B。12.【参考答案】C【解析】方差衡量数据与均值的偏离程度。当方差为0时，所有数据与均值的差值平方和为0，即所有数据等于均值，因此选C。均值可能不为0（如数据均为5），排除A；数据个数为1时方差无意义，排除D。13.【参考答案】B【解析】Python函数默认参数在定义时初始化，而非每次调用时重新创建。因此lst参数为同一列表对象，连续调用func(1)和func(2)会向同一列表追加，最终两个返回值均为[1,2]。14.【参考答案】B【解析】《数据安全法》第36条规定，重要数据处理者需定期开展风险评估并向主管部门报告，因此选B。数据出境需经安全评估，A错误；存储方式未作强制要求，C错误。15.【参考答案】D【解析】关键路径法需明确任务间的依赖关系。若子任务并行执行，总工期取决于最长路径；若为串行则累加工期。题干未说明任务关系，无法确定关键路径，故选D。16.【参考答案】C【解析】YARN（YetAnotherResourceNegotiator）是Hadoop2.0引入的资源调度框架，负责集群资源分配与任务调度。HDFS为分布式存储系统，MapReduce为计算框架，HBase为NoSQL数据库。17.【参考答案】B【解析】大O表示法描述算法复杂度的上界，O(n²)表示存在常数c和n0，当n≥n0时，操作次数≤c·n²。因此基本操作次数与n²同阶，但非严格等于，排除A、C。18.【参考答案】B【解析】2NF要求消除非主属性对候选键的部分依赖。若存在传递依赖（如A→B→C），则不满足3NF。题干仅说明完全依赖，未排除传递依赖，故最高为2NF。19.【参考答案】C【解析】偏态系数衡量分布偏斜方向：正值表示右偏（长尾在右），负值表示左偏。绝对值越大偏斜越明显。-0.8为左偏，因此选C。20.【参考答案】B【解析】次日留存率直接衡量用户在首次使用后次日回访的比例，是留存分析的核心指标。DAU/MAU反映活跃度，LTV反映用户全生命周期价值，转化漏斗用于路径分析。21.【参考答案】B【解析】“东数西算”工程要求数据中心向可再生能源丰富、气候适宜的区域集中。贵安新区作为国家级新区，拥有水电、风电等清洁能源优势，且地质条件稳定，是贵州承接数据中心建设的核心区域。其他选项地理条件或能源储备不具备明显优势。22.【参考答案】C【解析】K-means聚类通过计算数据点之间的距离，将相似特征的对象划分为同一类群，适合无监督学习下的用户分群；决策树用于分类或回归，线性回归用于数值预测，朴素贝叶斯用于概率分类，均不直接解决分群问题。23.【参考答案】B【解析】HadoopHDFS专为海量数据存储设计，支持分布式存储与容错，适合非结构化气象数据的长期存储；MySQL为关系型数据库，扩展性差；Redis用于内存缓存；MongoDB虽支持非结构化数据，但分布式能力弱于HDFS。24.【参考答案】C【解析】折线图通过时间序列数据展示连续变化趋势，直观反映GDP随时间的增减；饼图适用于比例展示，散点图表现两个变量相关性，热力图用于二维数据密度分布，均不符合趋势分析需求。25.【参考答案】A【解析】《数据安全法》第27条明确要求数据处理者定期开展风险评估并留存报告；B项仅需明示采集范围而非全部规则，C项未禁止合法跨境传输，D项未强制国产算法，但鼓励使用。26.【参考答案】D【解析】异常值处理需结合业务场景：若“9999”代表缺失（如系统默认值），可替换为均值或删除；若为真实极端值则需保留。直接删除或替换均可能损失信息，故应优先分析成因。27.【参考答案】D【解析】专项资金评审要求综合评估：经济效益体现投入产出比，技术路线确保可实施性，合规性说明符合数据安全法规。三者缺一不可，需同步提交。28.【参考答案】D【解析】设备型号仅反映用户硬件偏好，与消费行为关联较弱；消费记录反映购买力，IP归属地定位区域消费习惯，浏览时长体现兴趣热度，均为关键画像标签。29.【参考答案】B【解析】SparkStreaming支持实时流处理，OpenCV提供视频图像分析能力，二者结合可实现实时交通流量监控；Flume用于日志采集，Hive为批处理工具，其他组合均不满足实时视频分析需求。30.【参考答案】A【解析】规划明确将区块链技术应用于贵州特色农业（如茶叶、中药材）溯源，提升附加值；量子通信、芯片制造属国家战略新兴产业，但非贵州短期重点；元宇宙未被列为核心领域。31.【参考答案】AB【解析】大数据具有"4V"特征：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。其中非结构化数据占比大（B）体现Variety特征，高价值性（A）体现Value特征。C错误，因大数据更新频率通常较高；D错误，因大数据价值密度普遍较低。32.【参考答案】ABCD【解析】HDFS（A）是Hadoop分布式文件系统；MongoDB（B）是分布式文档数据库；Redis（C）的集群模式支持分布式存储；OracleRAC（D）是共享存储的集群数据库架构。四项均属于分布式存储技术范畴。33.【参考答案】AB【解析】根据《国家大数据（贵州）综合试验区建设实施方案》，重点任务包含数据中心集聚区（A）、数据资源体系（B）等方向。C属于产业数字化领域，D属于医药产业方向，均非大数据试验区核心任务。34.【参考答案】ABCD【解析】数据全生命周期防护包含：传输加密（A）、权限管理（B）、操作审计（C）、容灾备份（D）等环节，四项均为数据安全防护的关键技术措施。35.【参考答案】AB【解析】监督学习（A）通过标注数据训练模型，K-means（B）是典型的聚类算法。C错误，CPU也可训练，但速度较慢；D错误，决策树属于判别模型。36.【参考答案】BC【解析】可视化应遵循"准确性、清晰性、简洁性"原则。B（避免干扰）和C（准确反映）符合要求。A错误，三维图表易扭曲数据；D错误，动态交互需视场景而定。37.【参考答案】ABD【解析】关联规则（A）、时序预测（B）、决策树（D）均为数据挖掘典型技术。网络爬虫（C）属于数据采集环节技术，不属于数据挖掘范畴。38.【参考答案】ABCD【解析】YARN（A）是资源调度器，Hive（B）是数据仓库工具，Zookeeper（C）提供协调服务，Spark（D）虽独立但常与Hadoop集成，均属于广义Hadoop生态。39.【参考答案】ABD【解析】数据清洗包含缺失值处理（A）、异常值处理（B）、格式标准化（D）等环节。特征标准化（C）属于特征工程预处理步骤，不在清洗范畴。40.【参考答案】ABD【解析】Kafka（A）是实时消息队列，Storm（B）和Flink（D）是流式计算框架。Sqoop（C）用于离线数据迁移，不适用于实时处理场景。41.【参考答案】ABCD【解析】ACID四特性中，原子性（Atomicity）要求事务要么全执行要么全失败；一致性（Consistency）确保数据在事务前后状态合法；隔离性（Isolation）保证并发事务不影响彼此；持久性（Durability）确保事务提交后数据永久保存。42.【参考答案】AD【解析】Spark支持批处理（通过RDD/Dataset）和流处理（通过DStream），但核心是批处理；MapReduce专为批处理设计。Flink和Storm为纯流处理框架。43.【参考答案】AC【解析】分类用于预测离散标签（如信用等级、情感倾向）；关联分析（B）属于关联规则挖掘，聚类（D）属于无监督学习。44.