2026年度江苏省数据集团有限公司社会招聘笔试历年参考题库附带答案详

2026年度江苏省数据集团有限公司社会招聘笔试历年参考题库附带答案详一、单项选择题（每题1分，共20分）1.在关系型数据库中，用于保证数据一致性和完整性的约束不包括以下哪一项？A.实体完整性约束B.参照完整性约束C.用户自定义完整性约束D.事务日志约束答案：D解析：关系型数据库的完整性约束主要包括实体完整性（主键约束）、参照完整性（外键约束）和用户自定义完整性（如CHECK约束）。事务日志是用于记录数据库所有变更操作、保证事务ACID特性（尤其是持久性和故障恢复）的机制，本身并非一种“数据完整性约束”。2.大数据处理中，MapReduce编程模型的核心思想是？A.分而治之B.流水线处理C.事件驱动D.面向对象答案：A解析：MapReduce模型的核心思想是“分而治之”。它将大规模数据集的计算任务分解为多个独立的Map任务（分布在多个节点上并行执行），然后将Map任务的输出进行排序和合并，再分配给多个Reduce任务进行汇总，最终得到结果。这有效解决了海量数据在分布式环境下的计算问题。3.以下关于数据仓库特征的描述，错误的是？A.面向主题B.实时更新C.集成的D.相对稳定答案：B解析：数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。其数据通常是定期（如每天、每周）从操作型系统中通过ETL（抽取、转换、加载）过程批量导入，而非实时更新。实时或准实时数据流处理通常属于数据湖或流计算范畴。4.已知一个无向图有10个顶点，且每个顶点的度均为3，则该图的边数为？A.15B.20C.25D.30答案：A解析：在无向图中，所有顶点的度数之和等于边数的两倍。设边数为E，则有公式：deg(v)=25.Python中，以下代码的输出结果是？```pythonlist1=[1,2,3,4]list2=list1list2[0]=10print(list1)```A.[1,2,3,4]B.[10,2,3,4]C.报错D.[10,1,2,3,4]答案：B解析：在Python中，将列表`list1`赋值给`list2`时，实际上是将`list2`指向了`list1`所引用的同一个列表对象，这是一种浅拷贝（引用传递）。因此，通过`list2`修改列表元素，实际上修改的是`list1`和`list2`共同引用的那个列表对象，所以`list1`的内容也随之改变。6.在TCP/IP协议栈中，负责将IP地址解析为物理地址（如MAC地址）的协议是？A.DNSB.ARPC.DHCPD.ICMP答案：B解析：ARP（AddressResolutionProtocol，地址解析协议）工作在数据链路层，用于根据已知的IP地址获取对应的物理地址（MAC地址）。DNS用于域名与IP地址的解析，DHCP用于动态分配IP地址，ICMP用于传递控制消息和错误报告。7.云计算服务模型中，将基础设施（如服务器、网络、存储）作为服务提供给用户的模式是？A.SaaSB.PaaSC.IaaSD.DaaS答案：C解析：云计算主要服务模型包括：IaaS（基础设施即服务），提供计算、存储、网络等基础资源；PaaS（平台即服务），提供应用程序开发、运行的环境和工具；SaaS（软件即服务），提供可直接使用的应用软件。DaaS通常指数据即服务或桌面即服务。8.以下排序算法中，平均时间复杂度和最坏时间复杂度均为O(A.快速排序B.堆排序C.冒泡排序D.插入排序答案：B解析：堆排序利用堆这种数据结构，其构建堆和调整堆的过程时间复杂度均为O(nlogn)，且无论数据初始状态如何，其平均和最坏情况下的时间复杂度都是O9.关系模式R(A,B,C,D)中，存在函数依赖：AB->C,C->D,D->A。则该关系模式的候选键是？A.ABB.AB和BCC.AB和BDD.AB和AD答案：C解析：求候选键需要找到一个或一组属性，能函数决定所有其他属性。对于AB：已知AB->C，又C->D，故AB->D（传递），又D->A，但A已在AB中。所以AB能决定ABCD，是一个候选键。对于BC：已知C->D，D->A，故BC->A（通过C->D->A），又AB->C，但仅凭BC无法直接得到B？实际上，BC本身包含B和C，由C可得D和A，故BC也能决定ABCD（BC->C->D->A，属性集为{A,B,C,D})，但B是多余的？检查：由BC决定A、D后，属性集为{A,B,C,D}，已包含所有属性，所以BC也是候选键。但需注意，由于D->A，C->D，所以C->A（传递），因此BC确实可以推出所有属性。同理，BD：由D->A，BD本身包含B和D，可得A；由AB->C，现在有BD，可得A，但能否得到C？需要AB才能得到C，仅有A（从D来）和B，可以，因为AB->C，所以BD->A（通过D），BD->B（自身），因此BD->AB，从而BD->C。所以BD也能决定所有属性。但候选键要求其任何真子集都不能决定所有属性。检查BD：B不能决定所有，D不能决定所有（D只能决定A，不能决定B和C），所以BD是最小的，是候选键。AB显然也是。BC：B不能，C不能（C只能决定D和A），所以BC也是。因此候选键是AB、BC和BD。选项C中的“AB和BD”是其中两个，但未包含BC，题目可能只要求找出一个或部分，但根据常见单选题逻辑，需要选择最符合推导结果的。严格来说，AB、BC、BD都是。但结合选项，C（AB和BD）比B（AB和BC）多覆盖了一种通过D的推导路径，且题目中D->A是直接给出的，可能更强调AB和BD。从推导完整性看，C选项更优。实际上，通过计算属性闭包：AB的闭包是ABCD；BC的闭包是ABCD（BC->C->D->A）；BD的闭包是ABCD（BD->D->A，得AB，再AB->C）。故三个都是候选键。本题可能设计为单选，考察对候选键求解的理解，选择C（AB和BD）作为代表。10.在数据治理框架中，通常不包括以下哪个领域？A.数据质量管理B.数据安全管理C.数据模型管理D.数据价值评估答案：D解析：数据治理的核心领域通常包括数据质量管理、数据安全管理、元数据管理、数据模型管理、数据标准管理、数据生命周期管理等。数据价值评估更多是数据资产管理和数据应用层面的活动，虽然与数据治理相关，但通常不作为核心领域列入经典的数据治理框架（如DAMA-DMBOK）。11.假设有一个二叉搜索树（BST），其中序遍历结果为：10,20,30,40,50,60,70。若插入新节点55，插入后树根节点的值可能是？A.40B.50C.60D.以上都有可能答案：D解析：二叉搜索树的中序遍历是有序序列。原序列对应一个有序数组，但BST的结构不唯一。根节点可能是数组中的任意值，只要满足BST性质。例如，根为40时，左子树包含10,20,30，右子树包含50,60,70；根为50时，左子树包含10,20,30,40，右子树包含60,70；根为60时，左子树包含10,20,30,40,50，右子树包含70。插入55后，55会作为相应节点的右子节点或左子节点插入，但不会改变现有根节点的值。因此，原树的根可能是40、50或60，插入55后根不变。12.HTTP状态码中，表示“请求的资源已被永久移动到新位置”的是？A.200B.301C.404D.500答案：B解析：HTTP状态码中，301MovedPermanently表示永久重定向，请求的资源已被永久移动到新URI。200表示成功，404表示未找到，500表示服务器内部错误。13.在机器学习中，用于处理分类问题，且基于统计学习理论中结构风险最小化原则的算法是？A.决策树B.支持向量机（SVM）C.K-近邻（KNN）D.朴素贝叶斯答案：B解析：支持向量机（SVM）的核心思想是寻找一个最优分类超平面，使得两类样本之间的间隔（Margin）最大化，这体现了结构风险最小化原则，旨在提高模型的泛化能力。决策树基于信息增益或基尼指数，KNN基于距离度量，朴素贝叶斯基于贝叶斯定理和特征条件独立假设。14.以下关于数据湖与数据仓库区别的描述，不正确的是？A.数据仓库存储通常为清洗后的结构化数据，数据湖可存储原始各类数据B.数据仓库schema在设计时定义，数据湖schema通常在读取时定义C.数据仓库主要支持批处理分析，数据湖不支持批处理D.数据仓库用户多为业务分析师，数据湖用户可为数据科学家等答案：C解析：数据湖通常支持多种数据处理模式，包括批处理、流处理和交互式分析。说数据湖不支持批处理是不正确的。两者的主要区别在于数据存储格式、Schema处理方式、数据处理灵活性和主要用户群体。15.在Linux系统中，用于修改文件或目录权限的命令是？A.chownB.chmodC.chgrpD.usermod答案：B解析：`chmod`命令用于修改文件或目录的访问权限。`chown`用于修改文件所有者和所属组，`chgrp`用于修改文件所属组，`usermod`用于修改用户账户属性。16.已知一个数组的前序遍历序列和中序遍历序列分别为：前序：ABDECF，中序：DBEAFC。则该二叉树的后序遍历序列为？A.DEBFCAB.DEBFCAC.DBEFCAD.DEBCFA答案：A解析：前序遍历首节点A为根。在中序中找到A，左边DBE为左子树中序，右边FC为右子树中序。对应前序中，A之后跟的BDE应为左子树前序（长度与中序左子树相同），剩下的CF为右子树前序。递归构建：左子树根为B（左前序首），在中序左部分DBE中，B左边D为左子树，右边E为右子树。右子树根为C（右前序首），在中序右部分FC中，C左边F为左子树。最终树结构：根A，左子B（左子D，右子E），右子C（左子F）。后序遍历顺序：左子树、右子树、根。即：以B为根的子树后序为DEB；以C为根的子树后序为FC；整体后序为DEBFCA。17.SQL语句：`SELECTCOUNT(DISTINCTdepartment_id)FROMemployeesWHEREsalary>10000;`其作用是？A.统计薪水大于10000的员工总数B.统计薪水大于10000的部门数量C.统计有薪水大于10000员工的部门数量D.统计薪水大于10000的不同部门员工数答案：C解析：`COUNT(DISTINCTdepartment_id)`计算的是不重复的`department_id`的个数。`WHEREsalary>10000`限定了只考虑薪水大于10000的员工记录。因此，整个语句的意思是：先找出所有薪水大于10000的员工，然后从这些员工中，统计他们所属的不同的部门ID的数量，即“有多少个部门拥有薪水超过10000的员工”。18.以下加密算法中，属于非对称加密算法的是？A.AESB.DESC.RSAD.RC4答案：C解析：非对称加密算法使用公钥和私钥对，典型代表是RSA、ECC等。AES、DES、RC4都属于对称加密算法，加密和解密使用相同的密钥。19.在项目管理中，用于表示项目任务依赖关系和进度的常用图表是？A.甘特图B.帕累托图C.控制图D.鱼骨图答案：A解析：甘特图通过条形图直观地展示项目任务列表、开始与结束日期、任务持续时间以及任务之间的依赖关系，是项目管理中表示进度的常用工具。帕累托图用于质量改进，控制图用于过程控制，鱼骨图（因果图）用于分析问题根本原因。20.根据《中华人民共和国数据安全法》，国家建立数据安全（）机制。A.审查B.认证C.风险评估、报告、信息共享、监测预警D.等级保护答案：C解析：《中华人民共和国数据安全法》第二十二条规定：“国家建立数据安全风险评估、报告、信息共享、监测预警机制，加强数据安全风险信息的获取、分析、研判、预警工作。”数据安全审查、认证、等级保护也是该法涉及的相关制度，但题干引述的是该法明确建立的“机制”。二、多项选择题（每题2分，共10分，多选、少选、错选均不得分）1.以下哪些属于数据仓库中ETL过程的主要步骤？A.抽取（Extract）B.转换（Transform）C.加载（Load）D.可视化（Visualize）答案：ABC解析：ETL是构建数据仓库的核心过程，包括从源系统抽取（Extract）数据、按照目标模型进行清洗和转换（Transform）、最后加载（Load）到数据仓库中。可视化是数据应用层的环节，不属于ETL过程。2.关于Python中的生成器（Generator），以下说法正确的有？A.生成器函数使用`yield`关键字返回值B.生成器表达式使用圆括号`()`定义C.生成器在迭代时逐个产生值，节省内存D.生成器只能被迭代一次答案：ABCD解析：生成器是一种特殊的迭代器。A正确：生成器函数通过`yield`暂停并返回值。B正确：生成器表达式语法类似列表推导，但用圆括号。C正确：生成器惰性求值，一次只产生一个值，不一次性生成整个序列，内存效率高。D正确：生成器对象在迭代耗尽后，再次迭代不会产生新值，如需重用需重新创建。3.下列协议中，工作在应用层的有？A.HTTPB.TCPC.SMTPD.IP答案：AC解析：HTTP（超文本传输协议）和SMTP（简单邮件传输协议）是典型的应用层协议。TCP是传输层协议，IP是网络层协议。4.大数据的特点通常概括为4V，包括？A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Veracity（真实性）E.Value（价值）答案：ABCD解析：大数据的4V特征普遍指Volume（数据体量大）、Velocity（数据生成和处理速度快）、Variety（数据种类和来源多样）、Veracity（数据真实性、准确性）。Value（价值密度低）也常被提及，有时合称5V，但经典4V通常不包括Value。本题选项列出了ABCD，为常见4V表述。5.以下哪些措施有助于提升数据库查询性能？A.在经常用于查询条件的字段上建立索引B.避免在WHERE子句中对字段进行函数操作或计算C.尽可能使用SELECT*查询所有字段D.对大型表进行分区答案：ABD解析：A正确：索引能大幅加速查询。B正确：对字段进行函数操作会使索引失效，应尽量避免。C错误：`SELECT*`会查询所有列，可能增加I/O和网络开销，应只选择需要的列。D正确：表分区可以将大表数据物理分割，提高查询和维护效率。三、判断题（每题1分，共10分）1.在MySQL中，`TRUNCATETABLE`语句和`DELETEFROMtable`语句（不加WHERE条件）都可以删除表中所有数据，且都可以回滚。答案：错误解析：`TRUNCATETABLE`是DDL语句，删除所有数据并释放存储空间，操作默认立即提交，无法通过事务回滚（在某些数据库如SQLServer中，在显式事务内可回滚，但MySQL中InnoDB表在特定版本和条件下可能支持，但通常教学和实践中认为其不可回滚或与DELETE行为不同）。`DELETE`是DML语句，删除操作可以被回滚。且`TRUNCATE`通常更快。2.HDFS（Hadoop分布式文件系统）设计适合大量小文件的存储。答案：错误解析：HDFS设计初衷是存储和管理超大文件（如数百MB、GB甚至TB级），它通过数据块（Block）方式存储，每个块（默认128MB或256MB）会在NameNode中有元数据记录。如果存储大量小文件，会耗尽NameNode内存，且访问效率低。因此，HDFS不适合存储大量小文件。3.区块链技术中的共识机制（如PoW，PoS）主要用于防止数据被篡改。答案：正确解析：共识机制是区块链的核心，它确保分布式网络中所有节点对新增区块的有效性达成一致。这种机制使得任何节点想要单独篡改历史数据变得极其困难，因为需要同时控制超过50%的网络算力或权益等，从而保证了数据的不可篡改性和一致性。4.在面向对象编程中，多态性意味着一个类可以从多个父类继承属性和方法。答案：错误解析：描述的是多重继承的概念。多态性是指同一操作作用于不同的对象，可以有不同的解释，产生不同的执行结果。通常通过接口（Interface）或继承后方法重写（Override）来实现。一个类从多个父类继承是多重继承，并非多态的定义。5.方差膨胀因子（VIF）常用于检测线性回归模型中的异方差性问题。答案：错误解析：方差膨胀因子（VIF）用于度量多重共线性的严重程度。VIF值越大，表示自变量之间的共线性越强。异方差性是指误差项的方差随自变量的变化而变化，通常用残差图、Breusch-Pagan检验等方法来检测。6.JSON是一种轻量级的数据交换格式，基于JavaScript对象语法，但独立于语言。答案：正确解析：JSON（JavaScriptObjectNotation）是一种轻量级的文本数据交换格式，易于人阅读和编写，也易于机器解析和生成。它虽然源自JavaScript，但已成为独立于语言的通用格式，被众多编程语言支持。7.在计算机网络中，IPv6地址长度为128位，通常采用十六进制表示，分为8组。答案：正确解析：IPv6地址长度为128位，是IPv4（32位）的4倍。标准表示方法是将其分为8组，每组4个十六进制数字，组之间用冒号分隔，例如：2001:0db8:85a3:0000:0000:8a2e:0370:7334。8.Kafka是一种高吞吐量的分布式发布-订阅消息系统，常用于实时数据流处理。答案：正确解析：ApacheKafka是一个分布式流处理平台，以其高吞吐量、可持久化、水平扩展和高并发能力著称，常用于构建实时流数据管道和应用程序，处理网站活动追踪、日志聚合、流式处理等场景。9.主成分分析（PCA）是一种有监督的降维算法。答案：错误解析：主成分分析（PCA）是一种无监督的线性降维技术。它通过正交变换将可能存在相关性的原始变量转换为一组线性不相关的变量（主成分），而不需要利用样本的类别标签信息。10.根据《个人信息保护法》，处理个人信息应当取得个人的同意，但法律、行政法规规定无需取得同意的情形除外。答案：正确解析：《中华人民共和国个人信息保护法》第十三条规定了处理个人信息的合法性基础，其中第一项即为“取得个人的同意”。同时，该条也列出了其他无需取得同意的情形，如为订立、履行合同所必需，履行法定职责或法定义务所必需等。四、简答题（每题5分，共20分）1.简述数据中台与数据仓库的主要区别。答案：数据中台与数据仓库的主要区别体现在以下几个方面：1）定位与目标：数据仓库主要面向历史分析、决策支持，是后端系统；数据中台则强调能力复用、业务赋能，是连接前台业务与后台数据系统的“中间层”，目标是快速响应业务变化和创新。2）数据范围与时效性：数据仓库通常集成结构化历史数据，T+1或周期性更新；数据中台包含更广泛的数据（结构化、半结构化、非结构化），并强调数据的实时或准实时服务能力。3）架构与形态：数据仓库常采用分层架构（ODS、DWD、DWS等），模式相对固定（Schema-on-Write）；数据中台更偏向于微服务化、API化，提供统一数据服务，模式更灵活（部分Schema-on-Read）。4）用户与使用方式：数据仓库用户多为分析师、决策者，通过BI工具进行报表和OLAP分析；数据中台用户包括业务开发人员、数据产品经理等，通过API、数据服务直接调用数据用于业务应用。5）建设思路：数据仓库是“项目制”建设，周期长；数据中台是“平台化”、“资产化”建设，强调持续运营和迭代。2.什么是CAP定理？请简要说明其含义。答案：CAP定理，又称布鲁尔定理，是分布式计算领域的一个基本原则。它指出，对于一个分布式数据存储系统，不可能同时完全满足以下三个特性：1）一致性（Consistency）：所有节点在同一时间访问同一数据时，得到的是最新的相同副本。2）可用性（Availability）：系统提供的服务必须一直处于可用状态，对于每一个非故障节点的请求都能在有限时间内得到响应（不保证是最新数据）。3）分区容错性（PartitionTolerance）：系统在遇到网络分区（节点间无法通信）故障时，仍然能够继续对外提供服务。CAP定理的含义是，在存在网络分区的分布式环境中，必须在一致性和可用性之间做出权衡，无法三者兼得。例如，CP系统（如ZooKeeper）保证一致性和分区容错，但可能牺牲可用性；AP系统（如Cassandra）保证可用性和分区容错，但可能返回非最新的数据。3.列举并简要说明至少三种常见的机器学习模型评估指标（针对分类问题）。答案：针对分类问题的常见评估指标包括：1）准确率（Accuracy）：正确分类的样本数占总样本数的比例。公式为：Accuracy4.简述数据库事务的ACID特性。答案：数据库事务的ACID特性是保证事务正确执行的四个基本要素：1）原子性（Atomicity）：事务是一个不可分割的工作单位，事务中的操作要么全部成功执行，要么全部失败回滚，不会停留在中间状态。2）一致性（Consistency）：事务执行的结果必须使数据库从一个一致性状态转变到另一个一致性状态。一致性状态是指数据满足预定义的完整性约束。3）隔离性（Isolation）：多个事务并发执行时，一个事务的执行不应影响其他事务，如同在单用户环境下单独执行一样。数据库通过锁、多版本并发控制（MVCC）等机制实现不同级别的隔离。4）持久性（Durability）：一旦事务提交，其对数据库的修改就是永久性的，即使系统发生故障也不会丢失。通常通过事务日志和恢复机制保证。五、计算与设计题（共40分）1.（10分）某公司员工表`employee`结构如下：`id`（员工号，主键），`name`（姓名），`dept_id`（部门号），`salary`（薪水）。部门表`department`结构如下：`dept_id`（部门号，主键），`dept_name`（部门名称）。（1）请写出SQL语句，查询每个部门的名称及其平均薪水，并按平均薪水降序排列。（2）请写出SQL语句，查询平均薪水高于全公司平均薪水的部门名称。答案：（1）```sqlSELECTd.dept_name,AVG(e.salary)ASavg_salaryFROMdepartmentdJOINemployeeeONd.dept_id=e.dept_idGROUPBYd.dept_id,d.dept_nameORDERBYavg_salaryDESC;```（2）```sqlSELECTd.dept_name,AVG(e.salary)ASdept_avg_salaryFROMdepartmentdJOINemployeeeONd.dept_id=e.dept_idGROUPBYd.dept_id,d.dept_nameHAVINGAVG(e.salary)>(SELECTAVG(salary)FROMemployee);```或者使用WITH子句：```sqlWITHcompany_avgAS(SELECTAVG(salary)AScomp_avgFROMemployee)SELECTd.dept_name,AVG(e.salary)ASdept_avg_salaryFROMdepartmentdJOINemployeeeONd.dept_id=e.dept_idCROSSJOINcompany_avgcaGROUPBYd.dept_id,d.dept_name,cap_avgHAVINGAVG(e.salary)>cap_avg;```2.（10分）现有一个整数数组`nums`，请设计一个算法，找出数组中连续子数组的最大和（即最大子数组和）。要求写出算法思路，并用你熟悉的编程语言（如Python、Java）实现核心函数。答案：算法思路：采用Kadane算法（动态规划思想）。遍历数组，用变量`current_sum`记录以当前元素结尾的最大子数组和，用变量`max_sum`记录全局最大子数组和。对于每个元素`nums[i]`，更新`current_sum=max(nums[i],current_sum+nums[i])`，即要么从当前元素重新开始一个子数组，要么将当前元素加入之前的`current_sum`。然后更新`max_sum=max(max_sum,current_sum)`。最终`max_sum`即为所求。Python实现：```pythondefmax_subarray_sum(nums):ifnotnums:return0current_sum=max_sum=nums[0]fornuminnums[1:]:current_sum=max(num,current_sum+num)max_sum=max(max_sum,current_sum)returnmax_sum```Java实现：```javapublicintmaxSubArray(int[]nums){if(nums==null||nums.length==0)return0;intcurrentSum=nums[0];intmaxSum=nums[0];for(inti=1;i<nums.length;i++){currentSum=Math.max(nums[i],currentSum+nums[i]);maxSum=Math.max(maxSum,currentSum);}returnmaxSum;}```3.（10分）假设你正在设计一个电商平台的商品推荐系统。请简要描述：（1）你会考虑使用哪些数据源？（2）列举两种可能的推荐算法，并简述其原理和适用场景。答案：（1）数据源可能包括：用户行为数据（浏览、点击、收藏、加入购物车、购买、评分、搜索查询）、用户属性数据（人口统计信息、注册信息）、商品属性数据（类别、品牌、价格、标签、描述）、上下文数据（时间、地点、设备、当前会话信息）、社交网络数据（好友关系、关注列表）等。（2）算法示例：a.协同过滤（CollaborativeFiltering）：原理：基于用户的历史行为（如评分、购买）发现用户或物品之间的相似性，然后利用相似性进行推荐。分为基于用户的协同过滤（找相似用户，推荐相似用户喜欢的物品）和基于物品的协同过滤（找相似物品，推荐与用户历史喜好物品相似的物品）。适用场景：用户行为数据相对丰富，且存在明显的用户群体偏好或物品关联性的场景。如“购买此商品的用户也购