江苏省2025江苏省大数据管理中心招聘10人笔试历年参考题库典型考点附带答案详解

[江苏省]2025江苏省大数据管理中心招聘10人笔试历年参考题库典型考点附带答案详解一、选择题从给出的选项中选择正确答案（共50题）1、在大数据处理架构中，Hadoop生态系统内的核心组件HDFS主要解决的是什么问题？A.实时数据流处理B.分布式数据存储C.资源调度管理D.数据可视化展示2、SQL语言中，用于从数据库表中检索特定条件数据的语句是？A.UPDATEB.DELETEC.SELECTD.INSERT3、下列哪种数据结构最适合实现“先进先出”（FIFO）的逻辑？A.栈（Stack）B.队列（Queue）C.链表（LinkedList）D.树（Tree）4、在Python数据分析库Pandas中，用于读取CSV文件生成DataFrame的函数是？A.pd.read_excel()B.pd.read_csv()C.pd.read_json()D.pd.read_sql()5、网络安全中，SQL注入攻击主要利用了系统的什么缺陷？A.服务器硬件故障B.用户输入未经验证直接拼接到SQL语句C.网络带宽不足D.数据库版本过旧6、在大数据治理体系中，元数据管理的主要作用是（）。

A.提高数据存储速度

B.描述数据的数据，便于数据查找、理解和管理

C.加密敏感数据

D.备份历史数据7、Hadoop生态系统中的HDFS主要负责（）。

A.分布式计算

B.分布式存储

C.资源调度

D.数据查询8、在SQL查询中，用于连接两个表并返回满足连接条件的行的是（）。

A.UNION

B.JOIN

C.WHERE

D.GROUPBY9、Python中用于数据分析的核心库是（）。

A.NumPy

B.Pandas

C.Matplotlib

D.Scikit-learn10、在机器学习模型评估中，用于衡量分类模型整体性能的综合指标是（）。

A.准确率

B.精确率

C.F1分数

D.召回率11、在大数据处理架构中，Hadoop生态系统的核心组件HDFS主要解决的是什么问题？A.实时流数据处理B.海量数据的分布式存储C.复杂SQL查询优化D.机器学习模型训练12、以下哪种数据库类型最适合处理非结构化数据，如文档、图像或视频？A.关系型数据库（RDBMS）B.NoSQL数据库C.数据仓库D.内存数据库13、在数据清洗过程中，“缺失值处理”的常见策略不包括以下哪项？A.直接删除含有缺失值的记录B.使用均值或中位数填充C.使用众数填充D.增加新的变量名14、ApacheSpark相较于HadoopMapReduce的主要优势在于？A.更强的数据安全性B.基于内存的计算，速度更快C.支持更复杂的SQL语法D.不需要集群环境15、数据可视化中，若要展示部分与整体的比例关系，最合适的图表是？A.折线图B.柱状图C.饼图D.散点图16、在大数据中心的数据治理体系中，元数据管理的主要作用是？A.存储海量原始数据B.描述数据的数据，提供数据血缘与上下文C.进行实时数据流处理D.加密敏感信息17、Hadoop生态系统中的HDFS主要解决的核心问题是？A.实时交互式查询B.大规模分布式存储C.资源调度与管理D.机器学习算法库18、在数据仓库建模中，星型模式与雪花模式的主要区别在于？A.事实表的数量B.维度表的规范化程度C.查询性能差异D.数据存储格式19、CAP理论中，分布式系统无法同时满足的是？A.一致性、可用性、分区容错性B.一致性、可靠性、可用性C.分区容错性、扩展性、一致性D.可用性、持久性、原子性20、Kafka作为消息队列，其核心优势不包括？A.高吞吐率B.低延迟C.支持事务操作D.单点故障风险高21、在大数据管理中，数据治理的核心目标不包括以下哪一项？

A.提高数据质量

B.确保数据安全与合规

C.最大化数据存储成本

D.实现数据资产化22、在大数据治理中，数据质量评估通常不包含以下哪个维度？A.完整性B.一致性C.主观性D.准确性23、Hadoop分布式文件系统（HDFS）中，默认的文件块大小（BlockSize）在Hadoop2.x及3.x版本中通常为多少？A.64MBB.128MBC.256MBD.512MB24、在关系型数据库向NoSQL数据库迁移的过程中，以下哪种场景最适合使用文档型数据库（如MongoDB）？A.需要复杂的多表关联查询（JOIN）B.数据结构高度灵活，且读写频繁C.事务一致性要求极高，需严格遵循ACIDD.数据具有固定的表结构，字段类型明确25、SparkCore中，RDD（弹性分布式数据集）的特性不包括以下哪项？A.分区B.依赖关系C.可序列化D.自动事务管理26、在数据仓库建模中，星型模式（StarSchema）与雪花模式（SnowflakeSchema）的主要区别在于？A.事实表的数量B.维度表的规范化程度C.索引的使用方式D.数据的存储格式27、在大数据治理体系中，数据标准的主要作用不包括以下哪项？A.统一数据定义与格式B.提高数据共享效率C.直接生成商业利润D.保障数据一致性28、关于Hadoop生态系统，以下组件中主要用于实时计算的是？A.HDFSB.MapReduceC.SparkD.Hive29、在数据质量管理中，“完整性”主要指？A.数据准确无误B.数据符合业务逻辑C.数据记录无缺失D.数据及时更新30、以下哪种数据加密方式适合保护静态存储数据？A.SSL/TLSB.IPsecC.AESD.SSH31、数据湖与数据仓库的主要区别在于？A.数据湖存储结构化数据B.数据仓库支持原始数据C.数据湖Schema-on-ReadD.数据仓库灵活性更高32、在大数据治理体系中，数据质量管理的核心目标不包括以下哪项？A.确保数据的准确性B.提升数据存储成本C.保证数据的完整性D.维护数据的一致性33、Hadoop生态系统中，负责分布式文件系统存储底层数据块的组件是：A.HDFSB.YARNC.MapReduceD.Hive34、在关系型数据库中，用于实现表与表之间多对多关系的常用方法是：A.增加外键B.建立中间表C.使用视图D.创建索引35、Python中，用于处理结构化数据并进行高效分析的主要第三方库是：A.NumPyB.PandasC.MatplotlibD.Scikit-learn36、在数据仓库建模中，星型模式（StarSchema）与雪花模式（SnowflakeSchema）的主要区别在于：A.事实表的数量B.维度表的规范化程度C.索引的使用方式D.数据分区的策略37、在大数据处理架构中，Hadoop生态系统里负责分布式存储的核心组件是？A.SparkB.HDFSC.MapReduceD.Hive38、SQL语言中，用于从数据库表中检索特定数据的命令是？A.UPDATEB.INSERTC.SELECTD.DELETE39、以下哪项技术不属于云计算的服务模式？A.IaaSB.PaaSC.SaaSD.DaaS40、在数据分析流程中，数据清洗的主要目的是？A.增加数据量B.提高数据质量和准确性C.加密数据D.压缩存储空间41、Python中，用于处理结构化数据的常用库是？A.PandasB.TensorFlowC.NumPyD.Matplotlib42、在大数据生命周期中，数据清洗的核心目标通常不包括以下哪项？A.处理缺失值B.去除重复记录C.增加数据维度D.纠正错误数据43、Hadoop生态系统中的HBase主要适用于哪种场景？A.大规模离线批处理B.实时随机读写海量数据C.复杂SQL查询分析D.流式数据实时计算44、在数据挖掘算法中，K-Means聚类算法属于哪一类方法？A.监督学习B.无监督学习C.强化学习D.半监督学习45、以下哪种存储格式在Hadoop生态中通常被认为具有更好的压缩率和查询性能？A.TextFileB.SequenceFileC.ParquetD.Avro46、在大数据架构中，Lambda架构的主要特点是什么？A.仅使用批处理层B.仅使用速度层C.批处理层与速度层结合D.仅使用流处理层47、在大数据治理体系中，数据质量管理的首要环节通常是？A.数据清洗B.数据监控C.数据标准制定D.数据归档48、Hadoop生态系统中，负责分布式数据存储的核心组件是？A.HiveB.HBaseC.HDFSD.MapReduce49、在SQL查询中，用于去除结果集中重复行的关键字是？A.DISTINCTB.UNIQUEC.GROUPBYD.ORDERBY50、大数据特征“4V”中，指代数据规模巨大的是？A.VelocityB.VolumeC.ValueD.Variety

参考答案及解析1.【参考答案】B【解析】HDFS（HadoopDistributedFileSystem）是Hadoop的核心组件之一，专为存储超大规模数据集而设计。它基于分布式文件系统架构，将大文件分割成多个块（Block），并冗余存储在集群中的不同节点上，从而提供高吞吐量数据访问和硬件容错能力。实时流处理通常由Storm或Flink负责；资源调度由YARN管理；数据可视化则依赖Tableau或Echarts等工具。因此，HDFS的核心职能是分布式数据存储，确保数据的安全性和可用性。2.【参考答案】C【解析】SQL（结构化查询语言）是管理关系数据库的标准语言。SELECT语句用于从表中查询数据，可配合WHERE子句进行条件过滤；UPDATE用于修改现有记录；DELETE用于删除记录；INSERT用于添加新记录。题目要求“检索特定条件数据”，即查询操作，故应使用SELECT。掌握SQL基本操作对于数据分析师和管理员至关重要，需清晰区分增删改查（CRUD）对应的指令。3.【参考答案】B【解析】队列（Queue）是一种线性数据结构，遵循先进先出（FIFO）原则，即最早进入队列的元素最先被移除，常用于任务调度、缓冲区管理等场景。栈（Stack）遵循后进先出（LIFO）原则；链表和树虽可存储数据，但本身不强制规定访问顺序，需通过算法实现特定逻辑。因此，实现FIFO逻辑最直接且标准的数据结构是队列。4.【参考答案】B【解析】Pandas是Python中强大的数据处理库。pd.read_csv()专门用于读取逗号分隔值（CSV）文件，将其转换为DataFrame对象以便后续分析；pd.read_excel()用于Excel文件；pd.read_json()用于JSON格式；pd.read_sql()用于从数据库读取数据。在实际数据清洗和分析工作中，CSV是最常见的数据交换格式，熟练掌握read_csv参数设置（如编码、分隔符、缺失值处理）是必备技能。5.【参考答案】B【解析】SQL注入是一种代码注入技术，攻击者通过在用户输入字段中插入恶意SQL代码，若后端未对输入进行严格验证或参数化处理，而是直接拼接成SQL语句执行，就会导致数据泄露或篡改。这属于应用程序逻辑缺陷，而非硬件、带宽或版本问题。防御措施包括使用预编译语句（PreparedStatements）、输入验证和最小权限原则，确保用户输入仅作为数据处理而非执行代码。6.【参考答案】B【解析】元数据是关于数据的数据，用于描述数据的属性、来源、格式等信息。其核心目的是帮助数据使用者快速定位、理解数据含义及血缘关系，从而提升数据治理效率。选项A涉及存储优化，C涉及安全，D涉及容灾，均非元数据管理的直接核心功能。掌握元数据有助于构建统一的数据资产目录，是大数据平台高效运转的基础设施。7.【参考答案】B【解析】HDFS（HadoopDistributedFileSystem）是Hadoop的核心组件之一，专门用于大规模数据集的分布式存储，具有高容错性和高吞吐量特点。选项A通常由MapReduce或Spark处理；选项C由YARN负责；选项D可由Hive、Impala等上层工具实现。理解各组件分工有助于合理构建大数据架构。8.【参考答案】B【解析】JOIN（连接）操作用于根据相关条件将两个或多个表的行组合在一起。UNION用于合并结果集，WHERE用于过滤行，GROUPBY用于分组聚合。掌握JOIN类型（如INNERJOIN,LEFTJOIN）对处理复杂业务逻辑至关重要，是数据分析人员必备技能。9.【参考答案】B【解析】Pandas提供了高性能、易用的数据结构和数据分析工具，如DataFrame，专为结构化数据操作设计。NumPy侧重数值计算，Matplotlib用于绘图，Scikit-learn用于机器学习建模。虽然NumPy是基础，但Pandas更直接对应“数据分析”场景，适合数据清洗、转换和分析任务。10.【参考答案】C【解析】当数据类别不平衡时，单一指标如准确率可能具有误导性。F1分数是精确率和召回率的调和平均数，能综合反映模型在查准和查全方面的表现。精确率关注预测为正例中有多少是真正的正例，召回率关注真正的正例中有多少被找出。F1分数在两者之间取得平衡，适用于需要兼顾误报和漏报的场景。11.【参考答案】B【解析】HDFS（HadoopDistributedFileSystem）是Hadoop的核心组成部分，专为在通用硬件上运行大规模数据集而设计。其核心优势在于提供高吞吐量的数据访问，适合大规模数据集的分布式存储。实时流处理通常由SparkStreaming或Flink处理；复杂SQL查询由Hive或Impala处理；机器学习则由SparkMLlib或TensorFlow等框架负责。因此，HDFS主要解决的是海量数据的分布式存储问题，确保数据的高容错性和高带宽吞吐。12.【参考答案】B【解析】NoSQL（NotOnlySQL）数据库专为处理大规模非结构化或半结构化数据而设计。它们通常具有灵活的schema设计，能够轻松扩展以存储文档（如MongoDB）、键值对（如Redis）、列族（如HBase）或图数据（如Neo4j）。相比之下，关系型数据库依赖固定的表结构，适合结构化数据；数据仓库主要用于商业智能和分析；内存数据库侧重于高速读写，而非数据类型本身。因此，处理非结构化数据首选NoSQL。13.【参考答案】D【解析】缺失值处理旨在修复数据中的空缺，常见策略包括：删除缺失记录（当缺失比例低时）、使用统计量（均值、中位数、众数）填充、插值法或模型预测填充。增加新的变量名属于特征工程或数据结构调整，与修复缺失值无直接关系，不能解决数据缺失问题。因此，D选项不属于缺失值处理策略，而是数据定义或扩展的一部分。14.【参考答案】B【解析】Spark的核心优势在于其基于内存的计算引擎。MapReduce将中间结果写入磁盘，I/O开销大；而Spark将数据存储在内存中，使得迭代算法和交互式数据挖掘任务的速度提升显著（可达100倍）。虽然Spark也支持SQL和安全特性，但其性能飞跃主要源于内存计算。此外，Spark同样需要集群环境运行。因此，基于内存计算带来的速度优势是其最主要特点。15.【参考答案】C【解析】饼图通过扇形面积的大小直观展示各部分占总体的百分比，非常适合表现部分与整体的比例关系。折线图主要用于展示数据随时间变化的趋势；柱状图用于比较不同类别的数据大小；散点图用于分析两个变量之间的相关性或分布模式。因此，针对“部分与整体”的比例展示需求，饼图是最佳选择。16.【参考答案】B【解析】元数据被称为“关于数据的数据”，它记录了数据的来源、格式、含义、关系及变化历史等信息。在大数据治理中，元数据管理旨在帮助数据使用者快速理解、定位和信任数据，构建数据血缘图谱，从而提升数据资产的可发现性和可用性，而非直接负责数据的存储或实时计算。17.【参考答案】B【解析】HDFS（HadoopDistributedFileSystem）是Hadoop的核心组件，专为存储超大规模数据集而设计。它通过高容错机制将数据分散存储在集群的多个节点上，解决了单机存储容量限制和可靠性问题。实时查询通常由HBase或SparkSQL处理，资源调度由YARN负责，机器学习则依赖MLlib。18.【参考答案】B【解析】星型模式中，维度表是非规范化的，直接关联事实表，查询简单高效；雪花模式则是星型模式的扩展，维度表被进一步规范化，形成树状结构，减少了数据冗余但增加了连接查询的复杂度。两者核心区别在于维度表的规范化程度不同，进而影响存储效率和查询性能。19.【参考答案】A【解析】CAP理论指出，在分布式系统中，一致性（Consistency）、可用性（Availability）和分区容错性（Partitiontolerance）三者不可兼得。由于网络分区在分布式系统中不可避免，因此系统必须在一致性和可用性之间做出权衡。这是设计分布式数据库和大数据架构的基础理论依据。20.【参考答案】D【解析】Kafka具备高吞吐、低延迟、支持持久化和分布式容错等特性，通过多副本机制避免单点故障。虽然早期版本事务支持较弱，但现代版本已完善。其核心优势在于处理海量数据流的能力，而“单点故障风险高”是系统缺陷，绝非优势，且Kafka架构设计正是为了解决此类问题。21.【参考答案】C【解析】数据治理旨在通过建立管理体系，提升数据的准确性、一致性和可用性（A正确），保障数据隐私与法律法规合规（B正确），并将数据转化为可衡量的资产以支持决策（D正确）。而“最大化数据存储成本”与治理目标背道而驰，治理通常致力于优化存储结构，降低冗余，从而控制或降低存储成本，而非最大化。因此，C项不是数据治理的目标。22.【参考答案】C【解析】数据质量评估的核心维度通常包括完整性（数据是否缺失）、一致性（数据在不同系统中是否逻辑统一）、准确性（数据是否真实反映客观事实）、及时性（数据更新是否及时）以及唯一性（是否存在重复记录）。“主观性”并非数据质量的客观评估指标，数据质量强调客观、可量化的标准。因此，主观性不属于大数据治理中数据质量评估的标准维度。本题旨在考察对数据基础概念的理解，掌握六大核心维度有助于在实际工作中构建有效的数据治理体系。23.【参考答案】B【解析】在Hadoop2.x及3.x版本中，HDFS的默认文件块大小（BlockSize）被设置为128MB。这一设计旨在减少寻址时间，提高吞吐量。在早期的Hadoop1.x版本中，默认块大小通常为64MB。较大的块大小可以减少NameNode的内存压力，因为每个块都需要在NameNode中维护元数据。理解块大小的变化有助于优化大数据集群的性能配置，特别是在处理海量数据时，合理调整块大小能显著提升I/O效率。24.【参考答案】B【解析】文档型数据库（如MongoDB）采用BSON格式存储数据，适合半结构化或非结构化数据。其优势在于Schema-less，即数据结构灵活，无需预先定义表结构，非常适合互联网应用中快速迭代、字段多变的数据场景。选项A和C是关系型数据库（RDBMS）的优势，因为NoSQL通常牺牲部分ACID特性以换取高可用性。选项D描述的是传统关系型数据库的典型特征。因此，数据结构灵活且高并发读写的场景是文档型数据库的最佳用武之地。25.【参考答案】D【解析】RDD是Spark的核心抽象，具有五大特性：1.一组分区的列表（Partition）；2.计算函数（Compute）；3.依赖关系（Dependencies）；4.键值对分区器（Partitioner，可选）；5.首选位置列表（PreferredLocations）。RDD本身不提供事务管理功能，它专注于大规模数据的并行处理。事务管理通常由上层框架（如SparkSQL）或外部存储系统提供。因此，“自动事务管理”不是RDD本身的特性，考生需明确RDD作为底层抽象与上层功能模块的区别。26.【参考答案】B【解析】星型模式将维度表保持非规范化（反规范化），即每个维度是一个单独的表，直接与事实表连接，查询效率高但数据冗余大。雪花模式则是星型模式的扩展，它将维度表进一步规范化，拆分为多个关联表，从而减少数据冗余，提高存储效率，但查询时需要更多的JOIN操作，性能相对较低。两者的核心区别在于维度表的规范化程度。在实际应用中，需根据查询性能需求和存储成本进行权衡选择。27.【参考答案】C【解析】数据标准旨在规范数据的命名、格式、编码等，以实现数据的一致性和互操作性，从而提升数据共享效率和质量。它属于基础管理工作，虽间接支持商业决策，但其本身并不直接生成商业利润。商业利润来源于数据的应用与价值挖掘，而非标准制定本身。因此，C项表述错误，符合题意。28.【参考答案】C【解析】HDFS是分布式文件系统，MapReduce是离线批处理框架，Hive是基于Hadoop的数据仓库工具，主要用于离线查询。Spark是一个基于内存的通用并行计算框架，支持批处理、流处理、机器学习和图计算，因其内存计算特性，在实时或近实时计算场景下表现优异，比MapReduce更适合此类需求。故选C。29.【参考答案】C【解析】数据完整性（Completeness）指数据是否存在缺失值或空值，即记录是否完整。A项对应准确性，B项对应一致性，D项对应及时性。完整性关注的是“有没有”，而非“对不对”或“新不新”。因此，数据记录无缺失是完整性的核心定义。30.【参考答案】C【解析】SSL/TLS和SSH主要用于网络传输过程中的数据加密，保护数据在传输通道中的安全。IPsec用于网络层加密。AES（高级加密标准）是一种对称加密算法，广泛用于磁盘加密、文件加密等静态数据存储场景，确保数据在静止状态下不被未授权访问。故选C。31.【参考答案】C【解析】数据仓库通常采用Schema-on-Write，即写入前需定义好结构，主要存储清洗后的结构化数据。数据湖则采用Schema-on-Read，在读取时再定义结构，支持存储原始、多结构（包括非结构化）数据，灵活性更高。因此，C项正确描述了数据湖的特性，而A、B、D项描述均相反或错误。32.【参考答案】B【解析】数据质量管理旨在通过定义、监控和改进数据标准，确保数据满足业务需求。其核心目标涵盖准确性、完整性、一致性、及时性、唯一性和有效性等维度。提升数据存储成本并非管理目标，相反，数据治理往往致力于通过优化数据生命周期管理来降低存储和维护成本。因此，提升成本不属于核心目标，本题选B。33.【参考答案】A【解析】Hadoop分布式文件系统（HDFS）是Hadoop的核心存储组件，负责将大数据集分布存储在集群的多个节点上，并提供高吞吐量的数据访问。YARN是资源调度管理器，MapReduce是计算框架，Hive是基于Hadoop的数据仓库工具。因此，负责底层数据块存储的是HDFS，本题选A。34.【参考答案】B【解析】关系型数据库规范中，一对多通过在外键端添加外键实现，一对一可通过共享主键或外键实现。而多对多关系无法直接通过单表外键表示，必须引入一个中间表（关联表），该表至少包含两个表的主键作为外键，从而建立双向的一对多关系。视图和索引主要用于查询优化和逻辑抽象，不改变物理关系结构。本题选B。35.【参考答案】B【解析】Pandas是基于NumPy构建的开源数据分析库，提供了DataFrame等高性能数据结构，专为处理表格型数据、数据清洗、转换和分析而设计。NumPy主要处理多维数组和数学计算；Matplotlib用于数据可视化；Scikit-learn专注于机器学习算法。因此，处理结构化数据分析的首选是Pandas，本题选B。36.【参考答案】B【解析】星型模式中，维度表是非规范化的，即所有属性直接存储在维度表中，查询简单快速但数据冗余较高。雪花模式中，维度表被规范化，拆分为多个相关表，减少了数据冗余但增加了连接查询的复杂度。两者核心区别在于维度表是否进行规范化处理。本题选B。37.【参考答案】B【解析】HDFS（HadoopDistributedFileSystem）是Hadoop生态系统的核心，专门用于在大规模集群上分布式存储超大文件。Spark是用于大规模数据处理的统一分析引擎，侧重于内存计算；MapReduce是Hadoop早期的分布式计算框架，侧重于离线批处理；Hive则是基于Hadoop的数据仓库工具，用于将SQL查询转换为MapReduce任务。因此，负责存储的是HDFS。38.【参考答案】C【解析】SQL（结构化查询语言）中，SELECT语句用于从数据库表中查询和检索数据。UPDATE用于修改现有记录，INSERT用于插入新记录，DELETE用于删除记录。题目要求“检索特定数据”，故应使用SELECT。这是数据库操作中最基础且最常用的语句，用于构建视图、生成报表等场景。39.【参考答案】D【解析】云计算的三大基本服务模式为：IaaS（基础设施即服务）、PaaS（平台即服务）和SaaS（软件即服务）。DaaS（DesktopasaService，桌面即服务）虽然存在，但它通常被视为SaaS或VDI的一种变体，而非标准的三大核心服务模式分类。在常规理论体系中，前三者是公认的云服务主要交付模式。40.【参考答案】B【解析】数据清洗是数据分析的关键预处理步骤，旨在识别并纠正数据集中的错误、不一致、缺失值或重复项。其核心目标是提高数据的完整性、一致性和准确性，从而确保后续分析结果的可靠性。它不旨在增加数据量、加密或单纯压缩存储，而是为高质量分析奠定基础。41.【参考答案】A【解析】Pandas是Python中专门用于数据操作和分析的库，提供DataFrame结构，非常适合处理结构化数据（如表格数据）。NumPy主要用于高性能数值计算和数组操作；TensorFlow是机器学习框架；Matplotlib是数据可视化库。因此，处理结构化数据首选Pandas。42.【参考答案】C【解析】数据清洗旨在提高数据质量，主要步骤包括处理缺失值、去除噪声和重复记录、纠正格式错误等。增加数据维度属于特征工程或数据扩展阶段的工作，而非清洗的核心目标。清洗侧重于“去伪存真”和“标准化”，而非主动扩展数据范围。因此，C选项不属于数据清洗的核心目标。43.【参考答案】B【解析】HBase是一个构建在HDFS之上的分布式列式存储数据库，专为海量数据的随机、实时读写设计。它不适合复杂的SQL分析（那是Hive或Impala的领域），也不直接用于流式计算（那是SparkStreaming或Flink的领域）。其核心优势在于低延迟的