2026年大数据导论期末测试题及答案

2026年大数据导论期末测试题及答案

一、单项选择题（总共10题，每题2分）1.以下哪种数据不属于大数据的典型来源？A.社交媒体数据B.传统关系型数据库数据C.传感器数据D.网页日志数据2.大数据的4V特征不包括以下哪一项？A.大量（Volume）B.多样（Variety）C.价值（Value）D.可视（Visualization）3.下列哪个工具是用于分布式存储的？A.HadoopMapReduceB.HadoopHDFSC.SparkD.Storm4.在Hadoop生态系统中，负责资源管理和任务调度的是？A.HDFSB.YARNC.MapReduceD.Hive5.以下哪种数据结构常用于在内存中高效处理大规模数据？A.数组B.链表C.哈希表D.栈6.以下哪个是NoSQL数据库的类型？A.关系型数据库B.键-值数据库C.面向对象数据库D.层次数据库7.数据清洗的目的不包括？A.去除噪声数据B.填补缺失值C.统一数据格式D.增加数据量8.以下哪种算法常用于聚类分析？A.K-means算法B.决策树算法C.朴素贝叶斯算法D.线性回归算法9.以下哪个不是数据挖掘的常见任务？A.分类B.回归C.数据存储D.关联规则挖掘10.以下哪种技术可以实现实时流数据处理？A.HadoopB.SparkStreamingC.HiveD.Pig二、填空题（总共10题，每题2分）1.大数据是指无法在一定时间范围内用常规软件工具进行________、管理和处理的数据集合。2.Hadoop的核心组件包括________和MapReduce。3.常见的大数据计算模式有批量计算、________和图计算。4.数据仓库是一个面向________的、集成的、相对稳定的、反映历史变化的数据集合。5.分布式文件系统HDFS采用________结构。6.机器学习中，根据是否有标签数据，可分为监督学习、无监督学习和________。7.数据可视化是将数据以________的形式呈现出来，便于理解和分析。8.流计算的特点是________、实时性、高性能。9.关联规则挖掘中，常用的度量指标有支持度和________。10.数据安全的主要内容包括数据的保密性、完整性和________。三、判断题（总共10题，每题2分）1.大数据仅仅是指数据量非常大的数据。（）2.HadoopMapReduce适用于处理大规模的结构化和半结构化数据。（）3.NoSQL数据库完全可以替代关系型数据库。（）4.数据清洗是大数据处理流程中的一个重要环节。（）5.聚类分析是一种有监督学习方法。（）6.数据可视化只能使用图表来展示数据。（）7.流计算主要用于处理批量数据。（）8.数据挖掘是从大量数据中发现有价值信息的过程。（）9.数据仓库中的数据是实时更新的。（）10.分布式系统中，节点之间的通信和协调是非常重要的。（）四、简答题（总共4题，每题5分）1.简述大数据的4V特征。2.简要说明Hadoop的工作原理。3.什么是数据挖掘？它有哪些常见任务？4.简述流计算的特点。五、讨论题（总共4题，每题5分）1.讨论大数据在医疗领域的应用及面临的挑战。2.分析分布式文件系统HDFS的优缺点。3.探讨监督学习和无监督学习的区别与联系。4.结合实际，谈谈数据可视化在决策制定中的作用。答案一、单项选择题1.B2.D3.B4.B5.C6.B7.D8.A9.C10.B二、填空题1.捕捉2.HDFS3.流计算4.主题5.主从6.半监督学习7.图形8.数据实时到达9.置信度10.可用性三、判断题1.×2.√3.×4.√5.×6.×7.×8.√9.×10.√四、简答题1.大数据的4V特征为：大量（Volume），指数据规模巨大；多样（Variety），数据类型多样，包括结构化、半结构化和非结构化数据；价值（Value），虽然数据价值密度低，但总体价值量大；高速（Velocity），数据产生和处理速度快。2.Hadoop的工作原理：HDFS负责分布式存储数据，将大文件分割成多个数据块存储在不同节点上。MapReduce将任务分解为Map和Reduce两个阶段，Map阶段对数据进行并行处理，Reduce阶段对Map的结果进行汇总处理，YARN负责资源管理和任务调度。3.数据挖掘是从大量数据中发现有价值信息的过程。常见任务包括：分类，将数据对象划分到不同类别；回归，预测数值型变量；聚类，将数据对象分组；关联规则挖掘，发现数据项之间的关联关系；异常检测，找出不符合正常模式的数据。4.流计算的特点：数据实时到达，数据源源不断地流入系统；实时性，能在数据产生时立即进行处理；高性能，能够快速处理大量的流数据，满足实时性要求。五、讨论题1.大数据在医疗领域的应用：辅助疾病诊断，通过分析大量病例数据提供诊断参考；疾病预测，利用历史数据预测疾病的发生；药物研发，分析药物试验数据加速研发进程。面临的挑战：数据隐私和安全问题，医疗数据涉及患者隐私；数据质量问题，医疗数据可能存在不完整、不准确等情况；数据标准不统一，不同医疗机构的数据格式等可能不同。2.分布式文件系统HDFS的优点：可扩展性强，能存储PB级数据；高容错性，数据块多副本存储保证数据可靠性；适合大数据处理，能满足大规模数据存储需求。缺点：不适合低延迟数据访问，如交互式应用；无法高效存储大量小文件，会占用大量元数据空间；单NameNode存在单点故障问题。3.监督学习和无监督学习的区别：监督学习有标签数据，目标是学习从输入到输出的映射关系，用于预测和分类等任务；无监督学习无标签数据，主要用于发现数据中的模式和结构，如聚类。联系：都是机器学习的重要方法；在实际应用中，可结合使用，先通过无监督学习探索数