2026年大数据基础知识竞赛题库及答案

2026年大数据基础知识竞赛题库及答案1.大数据的4V特性中，Velocity指的是？A.数据量大B.处理速度快C.数据类型多D.价值密度低答案：B2.以下哪个不属于大数据的常见数据类型分类？A.结构化数据B.半结构化数据C.非结构化数据D.离散化数据答案：D3.HDFS中默认一个数据块的大小是？A.64MBB.128MBC.256MBD.512MB答案：B4.以下哪种计算框架更适合处理低延迟的实时流数据？A.MapReduceB.SparkC.FlinkD.Hive答案：C5.关系型数据库中，用来对数据分组统计的关键字是？A.ORDERBYB.GROUPBYC.HAVINGD.DISTINCT答案：B6.数据仓库的核心特点不包括以下哪项？A.面向主题B.集成性C.实时可更新D.随时间变化答案：C7.以下哪个组件是Hadoop生态系统中用于分布式资源调度和作业管理的核心组件？A.HDFSB.YARNC.MapReduceD.ZooKeeper答案：B8.机器学习中，用来提升模型泛化能力、避免过拟合的常用方法是？A.增加训练数据量B.交叉验证C.正则化D.以上都是答案：D9.关于中位数的描述，以下正确的是？A.中位数容易受极端值影响B.中位数是一组数据中出现次数最多的数值C.中位数是一组有序数据中居于中间位置的数值D.一组数据的总和除以数据个数得到中位数答案：C10.NoSQL数据库不包括以下哪一种类型？A.键值存储数据库B.文档存储数据库C.列存储数据库D.关系存储数据库答案：D1.以下属于非结构化数据的有？A.电商交易原始日志文本B.短视频平台的视频文件C.用户朋友圈发布的图片D.银行账户表中的账户余额字段E.社交平台的用户评论内容答案：ABCE2.Hadoop生态系统中，以下属于交互式大数据查询工具的有？A.HiveB.ImpalaC.PrestoD.KafkaE.HBase答案：ABC3.大数据分析中常用的分析层级类型包括？A.描述性分析B.诊断性分析C.预测性分析D.指导性分析E.纯理论分析答案：ABCD4.以下关于Spark的描述正确的有？A.Spark基于内存计算，比MapReduce的迭代计算速度更快B.Spark支持批处理、流处理、机器学习、图计算等多种场景C.SparkRDD是不可变的分布式弹性数据集，支持惰性求值D.Spark不能和HDFS集成存储数据E.SparkSQL支持结构化数据查询，可以对接多种数据源答案：ABCE5.数据清洗的主要任务包括？A.填补或删除处理缺失值B.识别去除重复数据C.修正或剔除异常值D.统一数据格式转换E.生成数据可视化分析报告答案：ABCD1.大数据分析只关注相关性，完全不需要考虑因果性。（）答案：错误，大数据分析中相关性可以解决很多业务问题，但针对决策类场景仍会结合因果性开展研究，并非完全不需要因果性。2.MapReduce将分布式计算过程分为Map（映射）和Reduce（归约）两个核心阶段。（）答案：正确。3.HBase是一个分布式的列式NoSQL数据库，适合存储结构化的稀疏数据，支持随机读写。（）答案：正确。4.方差越大，说明一组数据的离散程度越小。（）答案：错误，方差越大，数据的波动越大，离散程度越大。5.Kafka是一个高吞吐量的分布式发布订阅消息系统，常作为大数据实时计算流程的数据缓冲层使用。（）答案：正确。6.数据集市是面向部门级业务需求的数据分析存储系统，规模通常比企业级数据仓库更小，逻辑更聚焦。（）答案：正确。7.K-Means聚类算法属于有监督学习算法，需要提前标注样本类别才能训练。（）答案：错误，聚类算法属于无监督学习，不需要提前标注样本类别。8.关系型数据库中，主键可以为空，也可以重复。（）答案：错误，主键的约束是唯一非空，不允许重复和为空。9.ETL流程指的是数据抽取、数据转换、数据加载三个环节，是数据仓库构建的核心流程。（）答案：正确。10.价值密度低是大数据的核心特性之一，即大规模数据中真正有价值的信息占比很低。（）答案：正确。1.请简述大数据4V特性的具体含义。答案：大数据的4V分别是Volume（容量）、Variety（多样性）、Velocity（速度）、Value（价值）。Volume指数据规模大，大数据的起始计量单位多为PB级别，整体规模远超传统数据处理软件的处理能力；Variety指数据类型多样，涵盖结构化、半结构化、非结构化数据，当前非结构化数据占比持续提升，包括文本、图片、音视频、日志等多种类型；Velocity指数据产生速度快、处理时效要求高，很多实时业务场景要求秒级甚至毫秒级的处理响应，需要对流入数据快速处理输出结果；Value指大数据整体价值高但价值密度低，大量无用冗余数据夹杂其中，比如连续几小时的监控视频中只有几秒的有效信息，需要通过算法挖掘提取出有价值的信息。2.请简述HDFS的主从架构核心组成。答案：HDFS采用主从架构模式，核心组件包括NameNode、DataNode、SecondaryNameNode三个部分：①NameNode是主节点，负责管理整个HDFS文件系统的元数据，包括文件目录结构、文件块对应的数据节点位置、文件访问权限等信息，不存储实际业务数据块，负责响应客户端的文件读写请求；②DataNode是从工作节点，负责实际存储用户的业务数据块，执行NameNode下达的数据块读写指令，定期向NameNode上报自身存储的块信息和健康状态；③SecondaryNameNode并非NameNode的热备节点，核心作用是定期合并NameNode的EditLog（编辑日志）和FsImage（镜像文件），缩小NameNode中日志文件的大小，减少NameNode启动时的加载时间，降低NameNode的运行压力，仅能在NameNode宕机后协助恢复数据，无法直接替代故障的NameNode对外提供服务。3.请简述什么是过拟合，以及常见的解决过拟合的方法。答案：过拟合是指机器学习模型在训练数据集上表现出很高的精度，但在未参与训练的测试数据集（新数据）上预测精度很差的现象，本质是模型复杂度太高，学习到了训练数据中的噪声、局部偶然特征，没有学习到数据的通用规律，模型泛化能力差。常见的解决方法包括：①增加训练数据集的规模，让模型学习到更多样的样本特征，减少噪声的干扰；②使用正则化方法，包括L1正则化、L2正则化，限制模型参数的大小，降低模型整体复杂度；③提前停止训练，在验证集性能开始下降的时候终止训练，避免模型继续拟合训练集的噪声；④使用集成学习方法，融合多个不同模型的预测结果，降低单模型的过拟合风险；⑤对树模型进行剪枝处理，剪掉不必要的细分支，降低模型复杂度；⑥在深度学习中使用Dropout策略，训练过程中随机让部分神经元停止工作，减少神经元之间的共线性依赖，降低过拟合概率。4.请简述数据仓库和传统操作型业务数据库的核心区别。答案：两者核心区别体现在五个方面：①面向定位不同：传统操作型数据库面向日常业务事务处理，支撑一线业务的实时增删改查操作，面向业务流程；数据仓库面向企业分析决策，面向主题组织数据，支撑多维度的数据分析；②数据更新特性不同：操作型数据库存储的是当前最新的业务数据，需要频繁对数据进行修改更新，保证数据和业务实时一致；数据仓库存储的是整合后的历史数据，一般不会对已有数据进行修改更新，只会定期追加新的时间维度数据；③数据设计理念不同：操作型数据库一般采用三范式设计，尽可能减少数据冗余，保证数据一致性；数据仓库为了提升复杂查询的效率，通常