2026年新公需科目《大数据》测试题库(含答案)

2026年新公需科目《大数据》测试题库(含答案)一、单项选择题（每题2分，共30题）1.以下哪项不属于大数据的“5V”特征？A.大量（Volume）B.高速（Velocity）C.多样（Variety）D.高价（Value）答案：D2.分布式文件系统HDFS的默认块大小是？A.32MBB.64MBC.128MBD.256MB答案：C3.以下哪种技术主要用于实时流数据处理？A.HadoopMapReduceB.SparkStreamingC.HBaseD.Hive答案：B4.大数据分析中，“关联分析”的核心目的是？A.发现数据中的隐藏关系B.预测未来趋势C.分类数据类别D.降低数据维度答案：A5.以下哪项不属于非结构化数据？A.社交媒体文本B.传感器日志C.关系型数据库表D.监控视频答案：C6.隐私计算中，“联邦学习”的主要特点是？A.集中所有数据训练模型B.仅交换模型参数而非原始数据C.完全匿名化处理数据后再分析D.依赖第三方机构协调数据答案：B7.大数据平台的“数据湖”与“数据仓库”的主要区别是？A.数据湖存储结构化数据，数据仓库存储非结构化数据B.数据湖在存储阶段不定义schema，数据仓库需提前定义C.数据湖仅用于分析，数据仓库用于事务处理D.数据湖成本更高，数据仓库更灵活答案：B8.以下哪种算法属于无监督学习？A.逻辑回归B.K-means聚类C.随机森林D.支持向量机（SVM）答案：B9.大数据安全中，“数据脱敏”的主要目的是？A.提升数据存储效率B.防止敏感信息泄露C.优化数据计算速度D.增强数据可追溯性答案：B10.智慧城市建设中，大数据的核心作用是？A.增加城市数据存储量B.实现多源数据融合与智能决策C.替代人工进行城市管理D.降低硬件设备部署成本答案：B11.以下哪项属于大数据技术栈中的“计算层”工具？A.Flume（数据采集）B.Kafka（消息队列）C.Spark（分布式计算）D.HBase（分布式存储）答案：C12.数据质量评估的“完整性”指标主要考察？A.数据是否存在重复记录B.数据字段是否有空值C.数据格式是否符合规范D.数据与实际业务的匹配程度答案：B13.以下哪种场景最适合使用实时大数据分析？A.年度销售趋势预测B.电商大促期间的库存动态调整C.用户全年消费行为画像D.企业财务年报审计答案：B14.大数据伦理中，“算法歧视”的主要风险来源是？A.算法开发者的主观偏好B.训练数据中的偏见C.计算资源分配不均D.数据存储介质的差异答案：B15.以下哪项是大数据标准化的核心目标？A.统一所有数据格式B.降低数据处理技术门槛C.促进数据共享与互操作D.减少数据存储成本答案：C16.边缘计算与大数据结合的主要优势是？A.减少数据传输延迟B.提升云端计算能力C.降低边缘设备成本D.简化数据存储结构答案：A17.以下哪种技术可实现“数据可用不可见”？A.数据加密B.区块链存证C.多方安全计算（MPC）D.数据压缩答案：C18.大数据应用中，“因果分析”与“关联分析”的本质区别是？A.因果分析需验证变量间的因果关系，关联分析仅发现相关性B.因果分析基于历史数据，关联分析基于实时数据C.因果分析复杂度更低，关联分析更依赖模型D.因果分析用于分类，关联分析用于预测答案：A19.以下哪项不属于大数据时代数据治理的关键内容？A.数据血缘追踪B.数据生命周期管理C.数据中心硬件采购D.数据责任主体明确答案：C20.机器学习模型在大数据分析中“过拟合”的主要表现是？A.模型在训练集和测试集上的表现都很差B.模型在训练集上表现好，测试集上表现差C.模型在测试集上表现好，训练集上表现差D.模型无法处理高维数据答案：B21.以下哪种数据存储方式适合海量结构化数据的快速查询？A.分布式文件系统（HDFS）B.键值存储（Redis）C.列式数据库（HBase）D.关系型数据库（MySQL）答案：C22.大数据“数据主权”争议的核心是？A.数据存储位置的归属B.数据价值的分配权C.数据采集技术的所有权D.数据使用的伦理边界答案：A23.以下哪项是大数据可视化的主要目的？A.替代数据统计分析B.直观展示数据模式与趋势C.减少数据存储量D.提升数据计算速度答案：B24.工业大数据应用中，“数字孪生”的核心是？A.实时复制物理设备的运行状态B.完全替代物理设备的操作C.降低工业设备制造成本D.简化工业数据采集流程答案：A25.以下哪种技术可实现大数据的“增量更新”处理？A.全量数据重新计算B.基于日志的变更捕获（CDC）C.数据清洗后批量导入D.定期删除旧数据答案：B26.大数据时代“数据孤岛”的主要危害是？A.数据存储成本增加B.数据价值无法跨领域融合C.数据安全风险集中D.数据处理技术重复开发答案：B27.以下哪项属于大数据“价值密度低”特征的典型表现？A.社交媒体中大量无效信息夹杂少量有效内容B.传感器每秒产生TB级数据C.视频数据包含文本、图像等多种格式D.实时数据流需秒级处理答案：A28.隐私保护“差分隐私”的核心思想是？A.对原始数据添加可控制的噪声，使个体信息不可识别B.完全删除数据中的个人标识字段C.仅允许授权用户访问数据D.通过加密技术保护数据传输过程答案：A29.以下哪种场景最需要大数据的“预测分析”能力？A.电商用户实时点击行为分析B.天气预报中的未来7天降水概率计算C.企业员工考勤记录统计D.社交平台热门话题实时追踪答案：B30.大数据标准体系中，“元数据标准”的主要作用是？A.定义数据的描述信息（如来源、格式、含义）B.规范数据存储的物理介质C.统一数据计算的算法模型D.规定数据可视化的图表类型答案：A二、多项选择题（每题3分，共10题）1.大数据的“5V”特征包括？A.大量（Volume）B.高速（Velocity）C.多样（Variety）D.低价值密度（ValueDensity）答案：ABCD2.以下属于分布式计算框架的有？A.HadoopMapReduceB.SparkC.FlinkD.HBase答案：ABC3.数据清洗的主要步骤包括？A.缺失值处理B.异常值检测与修正C.重复数据删除D.数据格式转换答案：ABCD4.大数据安全技术包括？A.数据加密（对称/非对称加密）B.访问控制（RBAC）C.脱敏技术（匿名化、泛化）D.区块链存证答案：ABCD5.以下属于非关系型数据库（NoSQL）的有？A.HBase（列式存储）B.Redis（键值存储）C.MongoDB（文档存储）D.MySQL（关系型）答案：ABC6.大数据在医疗领域的应用包括？A.疾病预测模型构建B.药物研发中的基因数据分析C.患者电子病历智能检索D.医院后勤设备管理答案：ABCD7.隐私计算的主要技术路径有？A.联邦学习B.多方安全计算（MPC）C.可信执行环境（TEE）D.差分隐私答案：ABCD8.大数据技术架构通常包括？A.数据采集层（Flume、Kafka）B.数据存储层（HDFS、HBase）C.数据处理层（MapReduce、Spark）D.数据应用层（可视化、API接口）答案：ABCD9.大数据伦理需关注的问题包括？A.算法偏见与歧视B.数据滥用（如过度收集）C.隐私侵犯与二次利用D.数据所有权与权益分配答案：ABCD10.以下哪些指标用于评估数据质量？A.准确性（数据与真实值的匹配度）B.一致性（跨系统数据的统一）C.及时性（数据更新的时效）D.可访问性（数据获取的难易）答案：ABCD三、判断题（每题1分，共20题）1.大数据的核心是“数据量大”，因此只需关注数据采集即可。（×）2.Hadoop的YARN负责资源管理和任务调度。（√）3.数据仓库主要用于支持实时事务处理（OLTP）。（×）4.机器学习中的“监督学习”需要标记好的训练数据。（√）5.数据可视化的主要目的是让数据更美观，无需关注信息传达效率。（×）6.边缘计算适合处理需要低延迟的实时数据（如自动驾驶传感器数据）。（√）7.数据脱敏后可以完全消除隐私泄露风险。（×）8.区块链技术可以实现数据的不可篡改和可追溯。（√）9.大数据分析中，“相关关系”等同于“因果关系”。（×）10.数据湖适合存储结构化、半结构化和非结构化数据。（√）11.联邦学习需要将所有参与方的数据集中到一个中心节点。（×）12.数据生命周期管理包括数据的采集、存储、处理、归档和销毁。（√）13.机器学习模型的“泛化能力”是指模型在新数据上的预测能力。（√）14.非结构化数据无法被大数据技术处理。（×）15.大数据时代，“数据主权”仅涉及国家层面，与企业无关。（×）16.数据血缘追踪可以帮助定位数据错误的来源。（√）17.实时流数据处理要求秒级或毫秒级的响应速度。（√）18.算法歧视仅由算法开发者的主观偏见导致。（×）19.数据标准化是实现数据共享的前提条件之一。（√）20.大数据应用中，“数据可用不可见”是隐私计算的核心目标。（√）四、简答题（每题5分，共5题）1.简述大数据“5V”特征的具体含义。答案：5V指大量（Volume，数据规模大，从TB级到EB级）、高速（Velocity，数据产生和处理速度快，需实时分析）、多样（Variety，数据类型多样，包括结构化、半结构化、非结构化）、低价值密度（ValueDensity，海量数据中有效信息占比低）、真实（Veracity，数据需保证质量和可靠性）。2.对比HadoopMapReduce与Spark的主要区别。答案：HadoopMapReduce基于磁盘计算，适合离线批处理，延迟较高；Spark基于内存计算，支持批处理、流处理（SparkStreaming）和交互式查询，性能更优；Spark提供RDD（弹性分布式数据集）作为核心抽象，支持数据复用，减少IO开销；MapReduce编程模型相对固定（Map和Reduce阶段），Spark支持更灵活的算子（如转换、行动操作）。3.数据清洗的主要方法有哪些？答案：缺失值处理（删除、插补（均值/中位数/众数）、预测模型填充）；异常值处理（统计方法如Z-score、箱线图检测，修正或删除）；重复值处理（去重）；格式转换（统一日期、单位格式）；不一致处理（跨系统数据术语对齐）；逻辑错误修正（如年龄为负数时校验）。4.简述隐私计算的核心技术及应用场景。答案：核心技术包括联邦学习（多参与方在不共享原始数据的前提下联合训练模型）、多方安全计算（MPC，在加密数据上进行联合计算）、可信执行环境（TEE，硬件隔离的安全区域处理数据）、差分隐私（添加可控噪声保护个体信息）。应用场景如跨医院联合医疗数据建模（保护患者隐私）、银行与电商联合风控（不共享用户敏感数据）、政府部门跨机构数据协同分析。5.大数据伦理需要关注哪些主要问题？答案：算法偏见（训练数据或算法设计导致的歧视性结果）；隐私侵犯（过度收集、未经同意的二次利用）；数据所有权（个人、企业、国家对数据的权益界定）；责任归属（数据错误或算法失误的追责主体）；技术滥用（如监控滥用、信息茧房）；公平性（大数据应用对不同群体的影响差异）。五、案例分析题（共1题，10分）某电商平台计划通过大数据分析优化用户留存率，需解决以下问题：（1）需要采集哪些类型的用户数据？请列举至少5类。（2）数据处理流程中，如何保障数据质量？（3）分析用户留存的关键指标有哪些