2025年公需科目《大数据》完整考试题库(含答案)

2025年公需科目《大数据》完整考试题库(含答案)一、单项选择题（每题2分，共30题）1.大数据技术中，用于处理半结构化和非结构化数据的典型存储系统是（）。A.关系型数据库（如MySQL）B.分布式文件系统（如HDFS）C.键值存储（如Redis）D.列式数据库（如HBase）答案：B2.以下不属于大数据“4V”特征的是（）。A.Volume（大量）B.Velocity（高速）C.Veracity（真实）D.Value（价值）答案：C（注：标准4V为Volume、Velocity、Variety、Value，Veracity为扩展特征）3.某电商平台通过用户浏览记录预测其购买偏好，这主要体现了大数据的（）。A.数据采集能力B.实时处理能力C.价值挖掘能力D.存储扩展能力答案：C4.Hadoop生态中，负责资源管理和任务调度的组件是（）。A.HDFSB.MapReduceC.YARND.Hive答案：C5.以下属于实时流处理框架的是（）。A.SparkCoreB.SparkStreamingC.HadoopMapReduceD.Hive答案：B6.数据湖（DataLake）与数据仓库（DataWarehouse）的主要区别在于（）。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模式，数据仓库需提前定义模式C.数据湖仅用于分析，数据仓库用于事务处理D.数据湖容量更小，数据仓库容量更大答案：B7.大数据隐私保护中，“k-匿名”技术的核心目标是（）。A.确保数据不被篡改B.防止通过背景知识识别个体C.加密敏感字段D.限制数据访问权限答案：B8.某企业需对PB级历史交易数据进行批量分析，最适合的计算框架是（）。A.SparkStreamingB.FlinkC.MapReduceD.Storm答案：C9.以下不属于非结构化数据的是（）。A.社交媒体文本B.传感器日志C.财务报表Excel文件D.监控视频答案：C10.大数据分析中，“关联规则挖掘”常用于（）。A.预测用户未来行为B.发现数据中的隐藏关联（如“啤酒与尿布”）C.识别异常交易D.分类客户群体答案：B11.边缘计算与大数据结合的主要优势是（）。A.降低数据传输延迟B.减少数据存储成本C.提升云端计算能力D.简化数据清洗流程答案：A12.以下属于大数据采集工具的是（）。A.FlumeB.HBaseC.KafkaD.Zeppelin答案：A13.联邦学习（FederatedLearning）的核心特点是（）。A.集中所有数据进行训练B.仅在本地训练模型，不传输原始数据C.依赖单一中心服务器D.仅适用于结构化数据答案：B14.大数据质量评估的关键指标不包括（）。A.完整性B.一致性C.实时性D.准确性答案：C15.某城市通过交通摄像头、GPS终端采集数据，实现交通拥堵预测，这属于大数据的（）应用场景。A.精准营销B.智慧城市C.金融风控D.医疗诊断答案：B16.Spark相比HadoopMapReduce的主要优势是（）。A.支持内存计算，速度更快B.仅支持批处理C.对硬件要求更低D.不依赖HDFS答案：A17.数据清洗的主要目的是（）。A.增加数据量B.去除噪声、缺失值和不一致数据C.加密敏感信息D.转换数据格式答案：B18.以下属于时序数据库的是（）。A.MySQLB.InfluxDBC.HBaseD.Redis答案：B19.大数据时代，“数据即资产”的核心含义是（）。A.数据存储需要大量硬件投入B.数据通过分析可转化为商业价值C.数据量越大企业价值越高D.数据必须完全公开答案：B20.以下不属于大数据安全威胁的是（）。A.数据泄露B.数据篡改C.数据冗余D.非授权访问答案：C21.用于可视化大数据分析结果的工具是（）。A.TableauB.SqoopC.OozieD.Zookeeper答案：A22.大数据处理流程的正确顺序是（）。A.采集→存储→清洗→分析→应用B.存储→采集→清洗→分析→应用C.采集→清洗→存储→分析→应用D.采集→存储→分析→清洗→应用答案：A23.以下属于非关系型数据库（NoSQL）的是（）。A.PostgreSQLB.MongoDBC.OracleD.SQLServer答案：B24.实时大数据处理的典型延迟要求是（）。A.小时级B.分钟级C.秒级或毫秒级D.天级答案：C25.数据脱敏技术中，“泛化”是指（）。A.将具体数值替换为范围（如“25-30岁”代替“27岁”）B.随机提供虚假数据C.加密整个数据集D.删除敏感字段答案：A26.以下不属于大数据分析方法的是（）。A.分类B.聚类C.排序D.回归答案：C27.物联网（IoT）与大数据结合的关键是（）。A.增加数据存储成本B.实时处理海量设备产生的数据流C.减少设备数量D.仅分析结构化数据答案：B28.大数据标准体系中，“元数据标准”主要规范（）。A.数据采集格式B.数据描述信息（如数据来源、类型）C.数据存储介质D.数据分析算法答案：B29.以下属于大数据技术伦理问题的是（）。A.数据处理速度慢B.算法歧视（如性别、种族偏见）C.存储容量不足D.数据格式不统一答案：B30.2025年大数据发展的关键趋势不包括（）。A.边缘计算与云原生深度融合B.人工智能驱动的自动化分析C.数据孤岛全面消除D.隐私计算技术广泛应用答案：C（注：数据孤岛难以完全消除）二、多项选择题（每题3分，共10题）1.大数据的主要特征包括（）。A.Volume（大量）B.Variety（多样）C.Velocity（高速）D.Value（低价值密度）答案：ABCD2.以下属于分布式计算框架的有（）。A.HadoopMapReduceB.SparkC.FlinkD.MySQL答案：ABC3.数据清洗的常见操作包括（）。A.处理缺失值（如填充、删除）B.纠正错误数据（如格式错误）C.去除重复记录D.加密敏感字段答案：ABC4.大数据隐私保护技术包括（）。A.数据脱敏（如匿名化）B.联邦学习C.访问控制D.区块链存证答案：ABCD5.以下属于大数据应用场景的有（）。A.银行反欺诈（识别异常交易）B.天气预报（分析气象数据）C.电商推荐系统（个性化商品推荐）D.图书馆书籍借阅登记答案：ABC6.Hadoop生态系统的核心组件包括（）。A.HDFS（分布式文件系统）B.YARN（资源管理）C.MapReduce（计算框架）D.Hive（数据仓库工具）答案：ABCD7.实时流处理的典型应用包括（）。A.股票交易实时监控B.社交媒体热门话题追踪C.日志实时分析（如服务器异常检测）D.历史销售数据年度汇总答案：ABC8.数据湖的特点包括（）。A.存储结构化、半结构化、非结构化数据B.支持“读时模式”（SchemaonRead）C.主要用于事务处理（OLTP）D.适合长期存储原始数据答案：ABD9.大数据质量评估的指标有（）。A.准确性（数据与真实值的匹配度）B.完整性（数据是否缺失字段）C.一致性（同一数据在不同系统的一致性）D.及时性（数据更新的速度）答案：ABCD10.2025年大数据技术发展的趋势可能包括（）。A.AI与大数据融合（如自动特征工程）B.隐私计算成为数据共享的核心技术C.边缘大数据（EdgeBigData）普及D.传统关系型数据库完全被NoSQL取代答案：ABC三、判断题（每题1分，共20题）1.大数据的“低价值密度”指数据总量大但有效信息少。（）答案：√2.HBase是基于HDFS的列式数据库，适合实时读写。（）答案：√3.数据仓库主要用于事务处理（OLTP），数据湖用于分析（OLAP）。（）答案：×（数据仓库主要用于OLAP）4.SparkStreaming是批处理框架，不支持流处理。（）答案：×（SparkStreaming支持微批处理）5.数据清洗可以在数据存储前或存储后进行。（）答案：√6.分布式计算的核心是将任务分解到多台机器并行处理。（）答案：√7.隐私计算允许不同机构在不共享原始数据的情况下联合分析。（）答案：√8.传感器产生的时间序列数据属于结构化数据。（）答案：×（属于半结构化或非结构化）9.关联规则挖掘的典型案例是“啤酒与尿布”的购物篮分析。（）答案：√10.大数据分析中，样本量越大，分析结果一定越准确。（）答案：×（需考虑数据质量）11.Kafka是消息队列工具，常用于数据采集和流数据传输。（）答案：√12.数据可视化的目的是将复杂数据转化为直观图表，辅助决策。（）答案：√13.联邦学习需要将所有参与方的数据上传至中心服务器。（）答案：×（仅传输模型参数）14.非结构化数据无法被分析，只能存储。（）答案：×（可通过NLP等技术分析）15.大数据时代，数据安全的重点从“数据存储安全”转向“数据使用安全”。（）答案：√16.实时处理要求数据在秒级或毫秒级内完成处理，批处理通常以小时或天为单位。（）答案：√17.数据湖适合存储经过清洗和结构化的“熟数据”，数据仓库存储原始“生数据”。（）答案：×（数据湖存储生数据，数据仓库存储熟数据）18.边缘计算将数据处理移至靠近数据源的边缘节点，可减少云端压力。（）答案：√19.大数据分析中，分类算法用于预测连续值（如房价），回归算法用于预测离散类别（如用户是否流失）。（）答案：×（分类预测离散类别，回归预测连续值）20.社交媒体用户的地理位置信息属于敏感数据，需进行隐私保护。（）答案：√四、简答题（每题8分，共5题）1.简述大数据处理的典型流程及其各阶段的主要任务。答案：大数据处理流程包括：（1）数据采集：通过传感器、日志、API等方式获取原始数据；（2）数据存储：将数据存储于分布式文件系统（如HDFS）或数据库（如HBase、MySQL）；（3）数据清洗：处理缺失值、噪声、重复数据，提升数据质量；（4）数据分析：使用统计分析、机器学习等技术挖掘数据价值（如聚类、分类）；（5）数据应用：将分析结果用于业务决策（如精准营销、风险控制）。2.对比HadoopMapReduce与Spark在处理大数据时的差异。答案：（1）计算模式：MapReduce基于磁盘（Disk-based），中间结果存储于磁盘；Spark基于内存（Memory-based），支持内存计算，速度更快（通常快10-100倍）。（2）处理类型：MapReduce主要支持批处理；Spark支持批处理（SparkCore）、流处理（SparkStreaming）、图计算（GraphX）等多种类型。（3）编程模型：Spark提供RDD（弹性分布式数据集）抽象，支持更灵活的链式操作；MapReduce需编写Map和Reduce函数，代码复杂度较高。（4）适用场景：MapReduce适合处理PB级离线批处理；Spark适合需要多次迭代计算的场景（如机器学习、图计算）。3.数据清洗的常见方法有哪些？请举例说明。答案：（1）处理缺失值：①删除法（删除包含缺失值的记录，如某用户年龄字段缺失且无法填充时）；②填充法（用均值、中位数或模型预测值填充，如用客户所在地区的平均年龄填充缺失的年龄）。（2）纠正错误数据：①格式修正（如将“2023/13/01”的错误日期格式修正为“2023/12/01”）；②逻辑检查（如某用户注册年龄为-5岁，修正为合理值）。（3）去除重复数据：通过唯一标识（如用户ID）检测并删除重复记录（如同一用户多次注册的重复账号）。（4）处理异常值：通过统计方法（如Z-score）识别异常值，或根据业务规则修正（如某订单金额为100000元，远超日常消费，核实后修正为1000元）。4.什么是隐私计算？其主要技术类型有哪些？答案：隐私计算是指在不泄露原始数据的前提下，实现跨机构数据联合分析的技术。主要技术类型包括：（1