2025年云南省大数据有限公司第二批招聘（30人）笔试历年典型考点题库附带答案详解

2025年云南省大数据有限公司第二批招聘（30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、根据《中华人民共和国数据安全法》，国家建立数据安全审查制度，对影响或可能影响国家安全的数据处理活动进行审查，负责指导监督数据安全工作的主管部门是：A.中央网信办B.工业和信息化部C.公安部D.国家发改委2、云南省推进"数字政府"建设过程中，为实现政务数据共享与业务协同而构建的核心平台是：A.云上云平台B.政务数据资源目录体系C.一部手机办事通D.云南省政务服务平台3、在大数据处理流程中，消除数据集中的无效值、重复值和格式错误值的步骤称为：A.数据建模B.数据清洗C.数据集成D.数据转换4、云南省提出的"数字云南"建设目标，明确到2025年数字经济核心产业增加值占GDP比重需达到：A.5%B.8%C.10%D.12%5、以下属于大数据技术典型应用场景的是：A.基于卫星遥感的气象预测B.传统制造业流水线作业C.纸质档案数字化处理D.银行柜台人工服务6、云南省政务数据资源体系构建中，作为全省统一数据共享交换通道的平台是：A.政务云平台B.数据共享交换平台C.智慧城市大脑D.行业数据中台7、根据《个人信息保护法》，处理敏感个人信息应当取得个人的：A.明示同意B.书面同意C.单独同意D.授权同意8、在数据仓库架构中，用于存储最细粒度原始数据的层次是：A.ODS层B.DWD层C.DWS层D.ADS层9、云南省新型基础设施建设"双十"重大工程中，涉及跨境数据专用通道建设的工程是：A.数字枢纽工程B.工业互联网工程C.区块链应用工程D.智慧城市工程10、大数据时代，数据治理的核心目标是：A.实现数据资产化B.保障数据安全C.提升数据价值D.促进数据流通11、以下关于大数据4V特性的描述，正确的是（）。

A.价值密度高（Value）

B.数据类型单一（Variety）

C.处理速度快（Velocity）

D.数据量小（Volume）12、Hadoop生态系统中，负责分布式存储的核心组件是（）。

A.MapReduce

B.HDFS

C.Hive

D.ZooKeeper13、以下数据库技术中，属于非关系型数据库的是（）。

A.Oracle

B.MongoDB

C.MySQL

D.SQLServer14、数据挖掘中，用于发现频繁项集的算法是（）。

A.C4.5

B.Apriori

C.K-means

D.EM算法15、以下机器学习算法属于监督学习的是（）。

A.线性回归

B.K-means

C.层次聚类

D.EM算法16、以下数据可视化图表最适合展示两个连续变量关系的是（）。

A.折线图

B.散点图

C.饼图

D.条形图17、以下措施能直接提升大数据系统安全性的是（）。

A.使用HDFS副本机制

B.数据加密存储

C.数据清洗

D.负载均衡18、数据清洗过程中，处理缺失值的合理方法是（）。

A.随机填充任意值

B.删除所有含缺失值的记录

C.用均值或中位数填充

D.保留缺失值参与计算19、以下技术中，属于分布式内存计算框架的是（）。

A.Hadoop

B.Spark

C.Flume

D.Kafka20、以下不符合大数据伦理规范的行为是（）。

A.匿名化处理用户数据

B.未经授权共享数据

C.限制敏感数据访问权限

D.定期备份数据21、在大数据处理中，通常被称为"4V"特性的是：A.体量、速度、多样、价值B.体量、稳定、单一、冗余C.速度、低效、分散、成本D.价值、集中、静态、安全22、数据仓库中的ETL过程主要作用是：A.数据加密与传输B.数据清洗、转换、加载C.数据建模与可视化D.数据备份与恢复23、关系型数据库与NoSQL数据库的根本区别在于：A.是否支持ACID特性B.是否使用SQL语言C.是否采用分布式架构D.是否遵循固定数据模式24、下列工具中，主要用于数据可视化的是：A.HadoopB.PythonC.TableauD.Spark25、HDFS的最小存储单元（块）默认大小为：A.64MBB.128MBC.256MBD.512MB26、若某数据集的标准差为0，这说明：A.数据分布完全对称B.所有数据值相同C.数据集中趋势不明显D.数据存在极端异常值27、下列技术中，属于数据挖掘范畴的是：A.数据加密算法B.数据库索引优化C.聚类分析D.数据备份策略28、根据《中华人民共和国数据安全法》，重要数据处理者应履行的义务是：A.无需进行风险评估B.定期开展风险评估并向主管部门报告C.不得向境外传输数据D.公开所有数据内容29、云南省实施的"一部手机游云南"项目主要应用了：A.区块链技术B.城市交通仿真系统C.全域旅游大数据平台D.工业物联网30、在数据清洗过程中，处理缺失值的常用方法是：A.直接删除所有含缺失行B.用均值/中位数填充C.保留缺失值参与运算D.将缺失值设为0二、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、在分布式存储系统中，以下哪些是Hadoop生态系统的核心组件？A.HDFSB.MapReduceC.HiveD.HBase32、数据分类分级的常见类型包括哪些？A.结构化数据B.半结构化数据C.非结构化数据D.匿名化数据33、关于数据脱敏技术，以下说法正确的有？A.静态脱敏适用于非实时场景B.动态脱敏需在数据访问时实时处理C.加密技术属于永久性脱敏手段D.脱敏后的数据可完全恢复原始信息34、以下哪些属于数据可视化的基本原则？A.突出关键信息B.使用多维度颜色编码C.避免图表误导D.优先选择复杂图形35、关于关系型数据库与NoSQL数据库的区别，正确的是？A.关系型数据库支持ACID特性B.NoSQL数据库适合处理非结构化数据C.关系型数据库水平扩展性强D.NoSQL数据库保证强一致性36、数据安全防护体系中，以下哪些属于主动防御技术？A.入侵检测系统B.数据加密C.安全审计D.漏洞扫描37、以下哪些是数据清洗的常见步骤？A.处理缺失值B.去除重复数据C.数据格式标准化D.增加冗余字段38、关于云计算服务模式，以下说法正确的有？A.IaaS提供虚拟机租赁B.PaaS包含开发工具和中间件C.SaaS用户需管理底层基础设施D.云存储属于PaaS服务39、在统计学中，假设检验的步骤包括哪些？A.建立原假设与备择假设B.选择显著性水平C.计算置信区间D.确定样本容量40、以下哪些算法属于无监督学习？A.K均值聚类B.决策树C.主成分分析D.逻辑回归41、数据仓库的典型特征包括：A.面向主题B.集成性C.实时更新D.反映历史变化42、关于Hadoop生态系统，以下说法正确的是：A.HDFS适用于存储海量非结构化数据B.MapReduce适合实时计算场景C.YARN负责资源调度D.ZooKeeper管理分布式协调服务43、数据预处理步骤中，可能包含的操作有：A.数据清洗B.特征转换C.归一化处理D.降维分析44、关于OLTP与OLAP的区别，正确的是：A.OLTP处理高频交易业务B.OLAP支持复杂分析查询C.OLTP数据来源单一D.OLAP基于历史数据45、下列算法属于监督学习分类方法的有：A.K近邻（KNN）B.支持向量机（SVM）C.K-meansD.决策树三、判断题判断下列说法是否正确（共10题）46、大数据技术仅适用于互联网行业，传统企业无法通过数据分析提升运营效率。A.正确B.错误47、数据湖的主要作用是存储结构化数据和非结构化数据。正确/错误48、《中华人民共和国数据安全法》规定，任何组织和个人不得非法收集、使用、传输他人数据。正确/错误49、在大数据场景中，Hadoop框架主要用于实时流数据处理。正确/错误50、云南省“一部手机游云南”项目主要依托区块链技术实现旅游数据共享。正确/错误51、数据库事务的ACID特性中，持久性是指事务对数据的修改在提交前可被撤销。正确/错误52、数据可视化工具Tableau支持多源数据整合，但无法连接到Hadoop集群。正确/错误53、数据脱敏技术主要用于防止敏感信息在非生产环境中泄露。正确/错误54、云南省某企业建设大数据中心时，必须优先采用国产化服务器和存储设备。正确/错误55、在机器学习中，过拟合现象表现为模型在训练集表现优异但测试集效果差。正确/错误

参考答案及解析1.【参考答案】A【解析】《数据安全法》第六条明确：国家网信部门负责统筹协调网络数据安全和相关监管工作，因此答案选A。2.【参考答案】D【解析】云南省政务服务平台是省政务数据共享交换的统一载体，整合全省政务服务资源，实现"一网通办"，故选D。3.【参考答案】B【解析】数据清洗是预处理阶段的核心环节，通过过滤异常数据提升数据质量，因此答案选B。4.【参考答案】C【解析】根据《云南省"十四五"数字经济专项规划》，数字经济核心产业增加值占GDP比重目标为10%左右，故选C。5.【参考答案】A【解析】大数据技术通过处理多源异构数据实现智能化分析，卫星遥感气象预测属于典型应用场景，故选A。6.【参考答案】B【解析】数据共享交换平台是国家电子政务顶层设计要求建设的基础平台，承担跨部门数据流通功能，答案为B。7.【参考答案】C【解析】第二十九条规定处理敏感个人信息需取得单独同意，确保个人充分知情，故选C。8.【参考答案】A【解析】ODS（操作数据存储层）保留业务数据库原始数据，未经清洗转换，因此答案为A。9.【参考答案】A【解析】数字枢纽工程包含面向南亚东南亚的国际通信设施建设，包括跨境数据通道，故选A。10.【参考答案】C【解析】数据治理通过规范化管理提升数据质量，最终实现数据价值最大化，故选C。11.【参考答案】C【解析】大数据的4V特性包括：价值密度低（Value）、数据类型多样（Variety）、处理速度快（Velocity）、数据量大（Volume）。选项C正确，其余均错误。12.【参考答案】B【解析】Hadoop分布式文件系统（HDFS）是Hadoop的核心存储组件，MapReduce负责计算，Hive用于数据仓库查询，ZooKeeper管理协调服务。13.【参考答案】B【解析】MongoDB是文档型NoSQL数据库，其余选项均为关系型数据库，支持ACID事务和结构化查询。14.【参考答案】B【解析】Apriori算法专为关联规则挖掘设计，用于发现频繁项集；C4.5是决策树算法，K-means用于聚类，EM算法用于概率模型参数估计。15.【参考答案】A【解析】监督学习需标注数据，线性回归用于回归问题；K-means、层次聚类和EM算法均为无监督学习，无需标注数据。16.【参考答案】B【解析】散点图通过点的分布反映两变量相关性；折线图展示时间序列趋势，饼图显示比例，条形图比较分类数据。17.【参考答案】B【解析】数据加密存储通过加密技术保护数据隐私，属于安全措施；HDFS副本机制保障可靠性，数据清洗提升质量，负载均衡优化性能。18.【参考答案】C【解析】缺失值处理常用方法包括删除列、用统计值填充或插值法，直接删除记录可能导致数据量不足，随机填充和保留缺失值会引入误差。19.【参考答案】B【解析】Spark基于内存进行分布式计算，Hadoop依赖磁盘存储，Flume用于日志采集，Kafka是分布式消息队列。20.【参考答案】B【解析】未经授权共享数据违反隐私保护原则；匿名化、权限控制和数据备份均符合伦理规范。21.【参考答案】A【解析】大数据的4V特征包括Volume（体量）、Velocity（速度）、Variety（多样）、Value（价值），是区别传统数据的核心特征。22.【参考答案】B【解析】ETL（Extract-Transform-Load）是数据仓库建设中的核心流程，负责从源系统抽取数据，清洗转换后加载到目标数据库。23.【参考答案】D【解析】关系型数据库需要预定义Schema（固定数据模式），而NoSQL数据库采用动态Schema，支持灵活的数据结构。24.【参考答案】C【解析】Tableau是专业的数据可视化工具，支持交互式图表生成；Hadoop和Spark属于大数据处理框架，Python是编程语言。25.【参考答案】B【解析】Hadoop分布式文件系统（HDFS）默认块大小为128MB，可通过配置调整，目的是减少寻址开销以提高吞吐量。26.【参考答案】B【解析】标准差为0表示所有数据点与均值的差为0，即所有数据值相等，数据无离散性。27.【参考答案】C【解析】数据挖掘包括分类、聚类、关联分析等技术，用于发现数据隐含模式；数据加密属于网络安全范畴，备份属于数据管理。28.【参考答案】B【解析】《数据安全法》第30条规定，重要数据处理者应开展风险评估并上报，体现数据分类分级管理原则。29.【参考答案】C【解析】该项目通过整合旅游大数据资源，构建全域智慧旅游平台，提供景区导览、票务预订等一体化服务。30.【参考答案】B【解析】缺失值处理需根据数据特性选择策略，均值/中位数填充可保留样本量，删除可能导致信息损失，设为0会引入偏差。31.【参考答案】AB【解析】HDFS（分布式文件系统）和MapReduce（分布式计算框架）是Hadoop的核心组件。Hive（数据仓库工具）和HBase（分布式数据库）属于Hadoop生态系统的扩展工具，但非核心架构。32.【参考答案】ABC【解析】结构化数据（如数据库表）、半结构化数据（如JSON/XML）、非结构化数据（如文本/视频）是三大分类。匿名化数据属于数据脱敏后的处理结果，不属于基础分类。33.【参考答案】AB【解析】静态脱敏用于测试环境等非实时场景，动态脱敏用于生产环境实时访问。加密技术虽可逆，但属于数据保护而非脱敏范畴。脱敏通常要求数据不可逆。34.【参考答案】AC【解析】数据可视化应简洁直观，突出重点（A），避免因颜色过多导致混淆（B错误）。复杂图形易引发误解（D错误），需优先选择基础图表类型。35.【参考答案】AB【解析】关系型数据库（如MySQL）支持事务ACID特性（A正确）。NoSQL（如MongoDB）擅长处理非结构化数据（B正确）。关系型数据库垂直扩展性更强（C错误），NoSQL通常采用最终一致性（D错误）。36.【参考答案】AD【解析】入侵检测（IDS）和漏洞扫描属于主动防御，通过实时监控和预判风险抵御攻击。数据加密（B）和安全审计（C）属于被动防护或事后分析手段。37.【参考答案】ABC【解析】数据清洗包括缺失值填补（A）、删除重复记录（B）、统一格式（C）。冗余字段会增加存储负担，需删除而非增加（D错误）。38.【参考答案】AB【解析】IaaS（基础设施即服务）提供计算资源（A正确）；PaaS（平台即服务）集成开发环境（B正确）。SaaS用户无需管理底层（C错误），云存储属于IaaS（D错误）。39.【参考答案】ABD【解析】假设检验流程为：设定假设（A）→确定显著性水平（B）→计算检验统计量→决策（D属于前期准备）。置信区间（C）是参数估计的工具，非假设检验必要步骤。40.【参考答案】AC【解析】K均值（A）和主成分分析（C）用于无标签数据的聚类和降维。决策树（B）和逻辑回归（D）需标签指导训练，属于监督学习。41.【参考答案】ABD【解析】数据仓库具有四大特征：面向主题（聚焦业务分析维度）、集成性（整合多源数据）、非易失性（存储后不可修改）、时变性（存储历史数据）。选项C错误，因数据仓库通常定期批量更新而非实时。42.【参考答案】ACD【解析】Hadoop生态系统中，HDFS（分布式存储）、MapReduce（离线计算）、YARN（资源调度）和ZooKeeper（协调服务）各司其职。选项B错误，因MapReduce处理批量任务而非实时计算。43.【参考答案】ABCD【解析】数据预处理涵盖数据清洗（去噪）、特征工程（编码转换）、标准化（归一化）及降维（如PCA）。所有选项均为预处理阶段常见操作。44.【参考答案】ABCD【解析】OLTP（联机事务处理）面向实时操作（如银行交易），数据来源单一且更新频繁；OLAP（联机分析处理）用于多维分析，基于整合后的历史数据，支持复杂查询。45.【参考答案】ABD【解析】监督学习需标注数据，KNN、SVM、决策树均属此类；K-means是无监督聚类算法，无需标注。选项C错误。46.【参考答案】B【解析】大数据技术已广泛应用于金融、医疗、制造等领域。传统企业可通过数据挖掘优化供应链、预测市场需求，例如利用销售数据调整库存策略，因此该说法错误。

2.

【题干】Hadoop生态系统中的HDFS组件支持实时数据查询与快速迭代计算。

【选项】A.正确B.错误

【参考答案】B

【解析】HDFS是分布式文件存储系统，专为高吞吐量设计，适合处理大规模离线数据，但其高延迟特性不适用于实时查询。实时场景需结合HBase或Spark等技术实现。

3.

【题干】数据挖掘中的“分类”与“聚类”方法本质相同，均用于预测数据类别。

【选项】A.正确B.错误

【参考答案】B

【解析】分类是有监督学习（需标注数据），如预测用户是否流失；聚类是无监督学习（无需标注数据），如客户分群。两者算法原理和应用场景差异显著，故错误。

4.

【题干】数据清洗仅删除重复值即可，异常值不影响后续分析结果。

【选项】A.正确B.错误

【参考答案】B

【解析】异常值可能由设备故障或录入错误导致，若不处理会导致模型偏差。例如销售数据分析中，异常值可能使预测结果偏离实际趋势，因此需结合箱线图、3σ原则等方法处理。

5.

【题干】数据可视化的核心目标是通过图表美观程度吸引决策者关注。

【选项】A.正确B.错误

【参考答案】B

【解析】可视化需准确传递数据特征，如折线图展示趋势、热力图反映密度。若过度追求美观可能导致信息失真，例如3D图表可能误导数值对比，因此实用性优先于美观性。

6.

【题干】数据仓库中的“维度建模”与传统数据库的“范式建模”均以减少冗余为核心目标。

【选项】A.正确B.错误

【参考答案】B

【解析】范式建模通过规范化减少冗余，适用于OLTP系统；维度建模采用星型/雪花模型，允许冗余以提升OLAP查询效率，二者设计目标相反。

7.

【题干】机器学习模型的“过拟合”现象可通过增加训练数据或引入正则化项缓解。

【选项】A.正确B.错误

【参考答案】A

【解析】过拟合表现为训练集准确率高而测试集低。增加数据可提升泛化能力，正则化（如L1/L2）通过约束模型复杂度防止过度依赖噪声特征，两者均为有效手段。

8.

【题干】数据安全防护中，加密技术仅需用于数据存储环节，传输过程无需加密。

【选项】A.正确B.错误

【参考答案】B

【解析】数据在传输过程中（如API接口调用）易受中间人攻击，必须采用TLS/SSL等加密协议。存储加密（如AES）与传输加密需结合使用，形成全链路防护。

9.

【题干】分布式存储系统只能存储结构化数据，非结构化数据需通过预处理后存储。

【选项】A.正确B.错误

【参考答案】B

【解析】HD