2026年公需课大数据试题及答案

2026年公需课大数据试题及答案一、单项选择题（每题2分，共30分）1.以下哪项不属于大数据的“5V”特征？A.大量（Volume）B.高速（Velocity）C.多样（Variety）D.高价值（Value）E.可验证（Veracity）答案：E（注：传统5V为Volume、Velocity、Variety、Value、Veracity，此处为干扰项设计）2.在Hadoop生态中，负责分布式存储的核心组件是？A.MapReduceB.HBaseC.HDFSD.Spark答案：C3.以下哪种算法属于无监督学习？A.逻辑回归B.决策树C.K-means聚类D.支持向量机（SVM）答案：C4.实时数据处理框架Flink的核心优势是？A.基于微批处理的低延迟B.支持事件时间与乱序处理C.仅适用于离线计算D.依赖Hadoop集群运行答案：B5.数据湖（DataLake）与数据仓库（DataWarehouse）的本质区别在于？A.数据湖仅存储结构化数据，数据仓库存储多类型数据B.数据湖在存储时不定义模式（Schema-on-Read），数据仓库提前定义模式（Schema-on-Write）C.数据湖仅用于分析，数据仓库用于事务处理D.数据湖成本更高，数据仓库成本更低答案：B6.联邦学习（FederatedLearning）的核心目标是？A.集中所有数据训练模型B.在不共享原始数据的前提下联合建模C.仅适用于同构数据场景D.依赖单一中心节点控制所有计算答案：B7.数据质量的“准确性”主要指？A.数据无缺失字段B.数据与实际业务场景一致C.数据格式符合规范D.数据在不同系统间一致答案：B8.边缘计算与大数据结合的主要场景是？A.需要大规模存储的离线分析B.对实时性要求高的本地数据处理C.依赖云端算力的复杂模型训练D.跨区域数据的集中式清洗答案：B9.以下哪种数据属于非结构化数据？A.关系型数据库中的用户表B.传感器采集的温度数值C.社交媒体中的用户评论D.财务系统中的Excel报表答案：C10.大数据在智慧城市中的典型应用不包括？A.交通拥堵预测与调度B.电网负荷动态优化C.个人医疗隐私绝对隔离D.垃圾清运路径智能规划答案：C11.以下哪项是NoSQL数据库的典型特点？A.严格遵循ACID特性B.支持复杂的关联查询C.面向高并发、可扩展的场景D.仅适用于结构化数据存储答案：C12.数据可视化的核心目的是？A.展示数据的美观性B.帮助用户快速理解数据中的模式与趋势C.替代数据统计分析D.仅用于汇报演示答案：B13.以下哪种技术用于解决大数据的“数据孤岛”问题？A.数据脱敏B.数据中台C.数据压缩D.数据加密答案：B14.大数据时代，数据主权的核心争议点是？A.数据存储的物理位置B.数据采集的技术手段C.数据所有权与使用权的归属D.数据传输的网络速度答案：C15.以下哪项属于大数据分析中的“黑箱”问题？A.模型预测结果无法解释B.数据存储设备故障C.数据传输过程中的延迟D.数据清洗中的误删操作答案：A二、多项选择题（每题3分，共30分。每题至少有2个正确选项，多选、少选、错选均不得分）1.大数据技术栈通常包括以下哪些层次？A.数据采集层B.数据存储层C.数据计算层D.数据应用层答案：ABCD2.数据清洗的常见方法包括？A.缺失值填充（如均值、中位数）B.异常值检测（如Z-score、IQR）C.重复数据删除D.数据格式转换（如日期格式统一）答案：ABCD3.分布式计算框架（如Spark）的主要特点有？A.支持水平扩展（ScaleOut）B.单点故障会导致整体崩溃C.数据分块存储与并行处理D.仅适用于小数据集答案：AC4.隐私计算的关键技术包括？A.同态加密（HomomorphicEncryption）B.安全多方计算（MPC）C.联邦学习（FederatedLearning）D.数据脱敏（DataMasking）答案：ABCD5.大数据在医疗领域的应用场景包括？A.基于电子病历的精准诊疗推荐B.流行病传播趋势预测C.药物研发中的靶点筛选D.患者个人信息完全匿名化存储答案：ABC6.数据生命周期管理的主要阶段包括？A.数据采集与录入B.数据存储与归档C.数据处理与分析D.数据销毁与退出答案：ABCD7.NoSQL数据库的主要类型有？A.键值存储（Key-Value）B.列族存储（ColumnFamily）C.文档存储（Document）D.图存储（Graph）答案：ABCD8.实时数据处理的典型特征包括？A.低延迟（毫秒级响应）B.基于事件流的连续处理C.仅处理静态历史数据D.需要实时反馈决策答案：ABD9.大数据伦理问题主要涉及？A.算法歧视（如招聘、信贷中的偏见）B.数据垄断（平台过度集中用户数据）C.隐私侵犯（未经授权的数据收集）D.技术复杂度导致的应用门槛答案：ABC10.数据湖的优势包括？A.支持存储结构化、半结构化、非结构化数据B.支持从原始数据到分析数据的全链路处理C.相比数据仓库成本更低（如使用对象存储）D.严格遵循预定义的模式（Schema-on-Write）答案：ABC三、判断题（每题1分，共10分。正确填“√”，错误填“×”）1.大数据的核心是技术，而非数据本身。（×）2.Hadoop的HDFS设计目标是运行在普通硬件上的高容错分布式文件系统。（√）3.K-means算法属于分类算法。（×）4.数据仓库主要用于支持在线事务处理（OLTP）。（×）5.联邦学习需要参与方共享原始数据才能训练模型。（×）6.数据质量的“完整性”指数据格式符合业务要求。（×）7.边缘计算适合处理需要低延迟的实时性数据。（√）8.非结构化数据（如文本、图像）无法被大数据技术分析。（×）9.数据湖更适合存储经过清洗的结构化数据，数据仓库适合存储原始多类型数据。（×）10.大数据伦理问题仅涉及技术实现层面，与社会公平无关。（×）四、简答题（每题8分，共40分）1.简述大数据“5V”特征的具体内容及实际意义。答案：5V特征包括：（1）大量（Volume）：数据规模从TB级跃升至PB、EB级，需分布式存储与计算；（2）高速（Velocity）：数据提供与处理速度快（如实时流数据），需实时处理技术；（3）多样（Variety）：数据类型复杂（结构化、半结构化、非结构化），需多类型数据融合技术；（4）低价值密度（Value）：海量数据中有效信息占比低，需高效挖掘算法；（5）真实性（Veracity）：数据可能存在噪声或错误，需保障数据质量。意义：指导技术选型（如存储、计算框架）、明确分析重点（如价值挖掘）、推动数据治理（如质量提升）。2.说明Hadoop生态中HDFS与MapReduce的协作机制。答案：HDFS负责分布式存储，将大文件分块（Block）存储在多个节点，提供高容错性；MapReduce负责分布式计算，将任务分解为Map（映射）和Reduce（归约）阶段。协作时，Map任务在数据存储节点本地运行（数据本地化），处理HDFS中的数据块，输出中间结果；Reduce任务对Map输出的中间结果进行聚合，最终将结果写回HDFS。两者通过HDFS实现数据共享，MapReduce依赖HDFS的存储能力，HDFS依赖MapReduce的计算能力完成大规模数据处理。3.数据清洗的主要步骤和常用方法有哪些？答案：步骤：（1）识别问题数据（缺失值、异常值、重复值、格式错误）；（2）分析问题原因（如采集工具故障、人为输入错误）；（3）选择清洗策略（删除、填充、修正、去重）；（4）执行清洗并验证效果。常用方法：缺失值处理（删除记录、均值/中位数填充、插值法）；异常值处理（Z-score检测后修正或保留）；重复值处理（基于关键字段去重）；格式错误处理（统一日期、数值格式）；一致性处理（如地址字段的标准化）。4.对比实时数据处理与批量数据处理的区别，并举例说明各自的应用场景。答案：区别：（1）处理对象：实时处理针对流数据（连续事件流），批量处理针对静态数据集；（2）延迟：实时处理低延迟（毫秒级），批量处理高延迟（分钟至小时级）；（3）计算模式：实时处理基于流计算（如Flink），批量处理基于批计算（如HadoopMapReduce）；（4）结果输出：实时处理输出实时反馈，批量处理输出离线报表。应用场景：实时处理（如电商大促时的实时销量监控、交通路口的实时拥堵预警）；批量处理（如月度用户行为分析报告、年度财务数据汇总）。5.简述数据湖与数据仓库的核心差异及适用场景。答案：核心差异：（1）数据类型：数据湖存储多类型数据（结构化、半结构化、非结构化），数据仓库仅存储结构化数据；（2）模式定义：数据湖