2026新疆屯云大数据科技有限公司招聘2人笔试历年典型考点题库附带答案详解

2026新疆屯云大数据科技有限公司招聘2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HadoopHDFS中，默认情况下数据块副本会保存多少份？A.1份B.2份C.3份D.5份2、云计算服务IaaS的核心功能是提供什么资源？A.预配置软件应用B.虚拟化计算资源C.物理服务器租赁D.数据库托管3、Python处理结构化数据的常用库是？

【】A.NumPyB.PandasC.MatplotlibD.Scikit-learn4、HTTPS数据传输安全主要依赖哪个协议？A.TCPB.DNSC.SSL/TLSD.IP5、数据库查询效率低的主要优化手段是？A.增加服务器内存B.使用复合索引C.分库分表D.升级CPU6、大数据分析中，Hive主要用于什么场景？A.实时流处理B.数据仓库查询C.机器学习训练D.路由转发7、数据清洗时缺失值处理最合理的方法是？A.直接删除缺失行B.用均值填充C.用众数填充D.保留缺失值标记8、分布式计算框架MapReduce适用于什么任务？A.实时数据处理B.小文件批处理C.复杂数学计算D.内存数据库查询9、数据可视化工具Tableau的核心优势是？A.支持Python脚本开发B.自动生成预测模型C.多维度交互式仪表盘D.离线数据存储10、大数据处理中，数据清洗的关键步骤缺失值处理、异常值检测和重复值删除。以下哪项不属于数据清洗的范畴？A.数据格式标准化B.缺失值填充C.字段合并D.文本分词11、云计算环境中，虚拟化技术的主要作用是（）A.降低硬件成本B.提升网络延迟C.实现资源动态分配D.增强数据加密12、在分布式存储系统中，HDFS（HadoopDistributedFileSystem）默认的副本数为（）

【】A.1B.2C.3D.413、以下哪种算法常用于分类任务中的特征选择？A.决策树B.K-means聚类C.K近邻D.支持向量机14、以下哪项是NoSQL数据库的典型代表？A.MySQLB.OracleC.MongoDBD.SQLServer15、数据压缩算法Huffman编码适用于（）A.等权字符集B.不等权字符集C.小文件压缩D.重复字符串压缩16、数据库索引中，B+树相较于B树的优势在于（）A.更低磁盘I/OB.更好的范围查询C.更少的节点数量D.更高的并发性能17、大数据实时计算框架Flink的核心特性是（）A.流批一体B.离线计算C.混合编程D.低延迟处理18、以下哪个工具主要用于数据可视化？A.PythonMatplotlibB.TableauC.HadoopMapReduceD.SparkSQL19、A.单机存储

B.分布式存储

C.云存储

D网络存储A.单机存储B.分布式存储C.云存储D.网络存储20、A.数据

B.负载均衡

C.事务管理

D.网络传输A.数据存储B.负载均衡C.事务管理D.网络传输21、大数据技术中，Hadoop和Spark的核心区别在于（）

A.数据存储方式

B.处理数据量大小

C.内存计算与批处理能力

D.开发语言不同A.Hadoop适合处理PB级数据，Spark适合实时流处理B.Spark内存计算更快，Hadoop依赖磁盘C.Hadoop基于分布式文件系统，Spark使用内存计算D.Hadoop用Java，Spark用Python22、云计算的三个服务模型不包括（）

A.IaaS

B.PaaS

C.SaaS

D.DaaSA.物理服务器租用B.平台开发框架C.应用软件服务D.数据分析即服务23、对称加密算法中，密钥长度为128位的是（）

A.AES

B.RSA

C.DES

D.3DESA.AES支持128/192/256位B.RSA依赖非对称密钥对C.DES已淘汰D.3DES使用3个56位密钥24、HadoopHDFS默认每个数据块存储的副本数量是？A.1B.2C.3D.425、在Hadoop生态系统中，管理文件元数据的核心组件是？A.HDFSB.NameNodeC.SparkD.ARN26、SparkSQL处理数据时，默认的执行引擎是？A.RDDB.DataFrameC.RDD和DataFrame混合D.内存计算27、以下哪项属于非结构化数据？A.数据库表数据B.日志文件C.JSON文件D.Excel表格28、大数据处理中，ETL工具的主要功能是？A.数据清洗B.数据转换C.数据存储D.数据可视化29、下列哪种算法属于聚类分析？A.决策树B.K-meansC.线性回归D.支持向量机30、云服务IaaS层提供的主要资源是？A.虚拟机B.数据库C.API接口D.负载均衡二、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、大数据处理流程通常包括以下哪些环节？

A.数据采集

B.数据清洗

C.数据存储

D.数据可视化

E.数据分析32、云计算服务模型（IaaS/PaaS/SaaS）中，提供虚拟化资源的模型是？

A.IaaS

B.PaaS

C.SaaS

D.FaaS

E.BaaS33、网络安全技术中，以下哪些属于主动防御措施？

A.防火墙

B.入侵检测系统

C.定期漏洞扫描

D.数据备份

E.用户教育34、优化数据库性能的常用技术包括？

A.索引优化

B.分库分表

C.数据压缩

D.硬件升级

E.SQL注入防护35、Hadoop系统中，负责协调节点通信的是？

A.HDFS

B.MapReduce

C.YARN

D.ZooKeeper

E.HBase36、以下哪些是数据加密技术？

AAES

B.SHA-256

C.RSA

D.TLS

E.SQL37、缓存技术中，哪种适合高并发场景？

A.Redis

B.Memcached

C.MongoDB

D.MySQL

E.HBase38、数据仓库的核心目标包括？

A.支持OLTP事务处理

B.提供多维度分析

C.实现数据实时同步

D.保障数据一致性

E.降低存储成本39、大数据处理流程通常包括哪些环节？A.数据采集B.数据清洗C.数据存储D.数据分析E.数据可视化40、云计算服务模型（IaaS/PaaS/SaaS）中，用户直接获取底层计算资源的模型是？A.IaaSB.PaaSC.SaaSD.FaaS41、分布式数据库的主要特点包括？A.单机存储B.水平扩展C.高可用性D.容错性E.数据一致性42、以下哪些技术属于大数据分析工具？A.HadoopB.SparkC.MySQL

DTensorFlowE.Excel43、网络安全中“CIA三要素”分别指？A.机密性B.完整性C.可用性D.真实性E.可控性44、Python语言的优势包括？A.简洁性B.静态类型C.动类型D.丰富的库生态E.严格编译过程45、以下哪些算法属于分类算法？A.决策树B.K-means聚类C.SVMD.PCAE.随机森林三、判断题判断下列说法是否正确（共10题）46、Hadoop的核心存储组件是HDFS，资源调度组件是YARN，因此正确选项是？A.HDFS和YARNB.MapReduce和ZooKeeperC.HDFS和HiveD.YARN和Spark47、数据库事务的ACID特性包括原子性、一致性、隔离性和持久性，正确选项是？A.原子性B.一致性C.隔离性D.持久性48、云计算IaaS提供虚拟化基础设施，PaaS提供开发平台，SaaS提供软件应用，正确选项是？A.IaaS和BaaSB.PaaS和SaaSC.IaaS和PaaSD.全部49、人工智能中监督学习需要带标签的数据，无监督学习，正确选项是？A.正确B.错误50、网络安全中DDoS攻击大量请求淹没目标，正确选项是？A.正确B.错误51、数据库索引类型包括B树和B+树，正确选项是？A.正确B.错误52、大数据清洗的步骤包括去重、转换和归一化，正确选项是？A.正确B.错误53、机器学习中的随机森林是集成学习算法，正确选项是？A.正确B.错误54、云计算中负载均衡可分散流量，正确选项是？A.正确B.错误55、网络协议TCP是面向连接的，正确选项是？A.正确B.错误

参考答案及解析1.【参考答案】B【解析】HDFS默认将每个数据块复制到2个节点，确保数据冗余和容错性。副本数量可通过参数dfs-namenode-block-replication调整，但默认值为2。2.【参考答案】B【解析】IaaS（基础设施即服务）主要提供虚拟化计算资源（如CPU、内存、存储），用户可自主配置和部署环境。PaaS（平台即服务）则提供开发平台，SaaS（软件即服务）直接交付软件应用。3.【参考答案】B【解析】Pandas用于数据清洗、聚合和重塑，支持DataFrame结构；NumPy处理数值计算，Matplotlib绘制图表，Scikit-learn侧重机器学习算法。4.【参考答案】C【解析】SSL/TLS协议通过加密和身份验证保障数据传输安全，HTTPS即基于此协议。TCP负责可靠传输，DNS解析域名，IP处理路由。5.【参考答案】B【解析】索引可加速查询，但需注意避免过度索引。分库分表（C）适用于海量数据场景，内存和CPU优化属于基础配置。6.【参考答案】B【解析】Hive基于Hadoop构建，支持结构化数据存储（HDFS）和SQL查询，适用于离线批处理和数据分析。实时处理通常用SparkStreaming。7.【参考答案】D【解析】保留缺失值（标记为NaN或空）可避免信息丢失，后续通过统计方法（如插值）处理。均值/众数填充可能引入偏差。8.【参考答案】B【解析】MapReduce擅长处理海量小文件批量计算，通过分块（Map）、排序（Shuffle）、聚合（Reduce）完成。实时任务需结合Flink等流处理框架。9.【参考答案】C【解析】Tableau以交互式仪表盘为核心，支持拖拽式字段操作，实现动态数据探索。Python开发（A）是其插件生态，而非核心功能。10.【参考答案】D【解析】数据清洗主要针对数据质量缺陷，文本分词属于自然语言处理环节，与清洗无关。11.【参考答案】C【解析】虚拟化通过抽象硬件资源，使计算资源可动态分配，支持弹性伸缩，是云计算的核心技术之一。12.【参考答案】2【解析】HDFS为关键数据创建2个副本，可平衡读写负载并保障容错性，第三个副本仅在测试环境中使用。13.【参考答案】A【解析】决策树通过特征重要性评估实现特征筛选，而其他选项主要用于聚类或分类整体模型。14.【参考答案】C【解析】MongoDB采用文档存储模式，适用于非结构化数据，而其他选项均为传统关系型数据库。15.【参考答案】B【解析】Huffman编码通过构建最优二叉树实现不等权字符的压缩，LZ77更擅长重复字符串压缩。16.【参考答案】B【解析】B+树通过叶子节点链表优化范围查询效率，而B树更适合随机访问场景。17.【参考答案】D【解析】Flink以低延迟（<1秒）和状态管理能力著称，流批一体是其衍生特性而非核心。18.【参考答案】B【解析】Tableau是专业数据可视化工具，Matplotlib属于Python绘图库，MapReduceSparkSQL为计算框架。19.【参考答案】B【解析】分布式文件系统通过多台服务器协同存储数据（如HadoopHDFS），支持高可用性和扩展性，单机存储无法满足大数据规模需求，云存储和网络存储属于广义概念，不特指分布式架构。20.【参考答案】B【解析】协调节点（如KafkaController）负责任务调度和节点故障处理，负载均衡是广义概念，需结合具体系统分析。21.【参考答案】C【解析】Hadoop通过分布式文件系统处理海量数据，Spark通过内存计算加速分析，C选项准确描述了两者的核心差异。A错误因两者均支持PB级数据，B不严谨因Spark批处理也快于Hadoop，D错误因Hadoop用Java/Scala，Spark支持多语言。22.【参考答案】D【解析】云计算标准模型为IaaS（基础设施）、PaaS（平台服务）、SaaS（软件服务），D选项DaaS未纳入国际标准体系。DaaS通常属于行业扩展概念，非核心模型。23.【参考答案】A【解析】AES是当前主流对称加密算法，支持128位密钥，C选项DES已不适用，D选项3DES密钥长度为168位（3×56），B选项RSA为非对称加密。24.【参考答案】C【解析】HadoopHDFS默认每个数据块会存储3个副本，分别位于不同节点以容灾。选项A（1）会导致单点故障风险，选项B（2）和D（4）是可选配置值，但非默认值。25.【参考答案】B【解析】Hadoop的HDFS架构中，NameNode负责存储系统元数据（如文件路径、副本信息），而HDFS本身是存储框架。Spark是计算引擎，YARN是资源调度系统。因此选B。26.【参考答案】B【解析】SparkSQL基于DataFrame和DatasetAPI设计，默认使用DataFrame的优化执行引擎，而非RDD的底层计算。虽然RDD是基础，但DataFrame提供了优化器支持。因此选B。27.【参考答案】B【解析】非结构化数据指无固定格式的数据，如文本、图片、日志文件等。JSON和Excel属于半结构或结构化数据，数据库表是典型结构化数据。因此选B。28.【参考答案】B【解析】ETL（Extract-Transform-Load）的核心是数据转换，包括格式转换、清洗、聚合等。数据清洗是转换的子任务，存储属于Load阶段。因此选B。29.【参考答案】B【解析】K-means是典型的无监督聚类算法，用于将数据划分为K个簇。决策树和线性回归属于监督学习，支持向量机是分类算法。因此选B。30.【参考答案】A【解析】IaaS（基础设施即服务）提供虚拟化资源，如虚拟机、存储和网络。数据库（PaaS层）、API（SaaS层）和负载均衡（运维工具）不属于IaaS范畴。因此选A。31.【参考答案】ABCE【解析】大数据处理流程一般包括数据采集、清洗、存储、分析和可视化。数据可视化是最终呈现环节，而数据加密属于安全环节，不在基础流程中。32.【参考答案】A【解析】IaaS（基础设施即服务）提供虚拟机、存储等资源，PaaS（平台即服务）提供开发平台，SaaS（软件即服务）提供应用，FaaS（函数即服务）和BaaS（区块链即服务）属于细分模型。33.【参考答案】BCE【解析】防火墙和备份属于被动防御，用户教育是主动措施。入侵检测系统（IDS）和漏洞扫描（C）属于主动监测和修复。34.【参考答案】ABC【解析】索引、分库分表和数据压缩直接提升性能，硬件升级是基础支持，SQL注入防护属于安全层面。35.【参考答案】C【解析】YARN（资源作业管理）负责资源分配和作业调度，HDFS是存储系统，ZooKeeper用于分布式协调。36.【参考答案】ACD【解析】AES、RSA、TLS（传输层安全）用于加密，SHA-256是哈希算法，SQL是查询语言。37.【参考答案】AB【解析】Redis和Memcached内存数据库适合低延迟场景，MongoDB/HBase是分布式数据库，MySQL是关系型数据库。38.【参考答案】BC【解析】数据仓库（DWH）面向分析（OLAP），支持多维度分析，而OLTP（A）是OLTP系统目标，实时同步（C）属于实时计算范畴。39.【参考答案】A、B、C、D【解析】大数据处理流程的核心环节包括数据采集（获取原始数据）、数据清洗（处理缺失或错误数据）、数据存储（保存清洗后的数据）、数据分析（挖掘数据价值）。数据可视化是数据分析后的呈现环节，但严格属于后续应用，故不选E。40.【参考答案】A【解析】IaaS（基础设施即服务）提供虚拟化计算资源（如服务器、存储），用户自行管理操作系统和应用程序；PaaS（平台即服务）提供开发平台，SaaS（软件即服务）直接提供应用软件。FaaS（函数即服务）属于更细分的云服务类型，非核心考点。41.【参考答案】B、C、D【解析】分布式数据库通过水平扩展（横向扩展节点）提升性能，支持高可用性和容错性（通过多副本机制保障服务连续性）。单机存储属于集中式数据库特征，数据一致性需结合具体协议（如CA