《大数据概论》2026期末考试题

《大数据概论》2026期末考试题说明：模拟高校通用期末试卷，含完整参考答案，适用于大专/本科大数据概论课程复习。一、单项选择题（每题2分，共20分）不属于大数据4V特征的是（）

A.Volume（大量）B.Velocity（高速）C.Virtual（虚拟）D.Veracity（真实性）HDFS默认的数据副本数量是（）

A.1B.2C.3D.4Hadoop中负责集群资源调度管理的组件是（）

A.HDFSB.YARNC.MapReduceD.Hive图片、视频、日志这类没有固定格式的数据称为（）

A.结构化数据B.半结构化数据C.非结构化数据D.元数据下列哪一项属于NoSQL数据库（）

A.MySQLB.OracleC.MongoDBD.SQLServerMapReduce中，Map阶段输出的数据格式是（）

A.Key‑Value键值对B.表格C.XMLD.JSON以下属于实时流计算框架的是（）

A.HiveB.FlinkC.HBaseD.HDFS数据预处理不包含下面哪一步（）

A.数据清洗B.数据集成C.数据加密D.数据规约K‑means算法属于（）

A.聚类（无监督）B.分类C.回归D.关联规则下面哪一个不是Spark的核心抽象（）

A.RDDB.DataFrameC.DatasetD.NameNode单选答案：

1.C 2.C 3.B 4.C 5.C 6.A 7.B 8.C 9.A 10.D二、多项选择题（每题3分，共15分，多选少选均不得分）Hadoop生态系统主要包含（）

A.HDFSB.YARNC.MapReduceD.Hive数据预处理主要步骤（）

A.清洗B.集成C.变换D.规约属于大数据可视化工具的有（）

A.TableauB.PowerBIC.MatplotlibD.D3.js大数据典型应用场景（）

A.电商个性化推荐B.金融风控C.智慧城市交通D.医疗健康分析大数据面临的安全挑战（）

A.数据泄露B.数据篡改C.隐私泄露D.DDoS攻击多选答案：

1.ABCD 2.ABCD 3.ABCD 4.ABCD 5.ABCD三、判断题（每题1分，共10分，对打√，错打×）MapReduce是分布式存储技术（）HDFS采用主从Master‑Slave架构（）Hive可以把SQL转化为MapReduce任务执行（）聚类算法需要事先提供训练标签（）数据仓库主要面向离线分析，数据库面向业务联机读写（）YARN负责分布式文件存储（）数据脱敏目的是保护用户敏感隐私信息（）Spark基于内存计算，速度快于MapReduce（）结构化数据包含文本、图片、音频（）大数据强调相关关系，不完全等同于因果关系（）判断答案：

1.× 2.√ 3.√ 4.× 5.√ 6.× 7.√ 8.√ 9.× 10.√四、简答题（每题7分，共35分）简述大数据4V特征。

参考答案：Volume（大量）：数据规模巨大，TB‑PB‑EB级别，传统软件难以处理。Velocity（高速）：数据产生、流转速度快，要求快速甚至实时处理。Variety（多样）：包含结构化、半结构化、非结构化多种数据类型。Veracity（真实性）：数据来源复杂，存在噪声、异常，需要保证数据可信。简述HDFS中NameNode与DataNode各自作用。

参考答案：NameNode（主节点）：管理文件系统元数据，保存文件名、目录、文件块位置；不存储实际业务数据。DataNode（从节点）：存储真实数据块；保存数据副本；接收NameNode指令，读写数据。数据湖和数据仓库的区别。

参考答案：

①数据湖：存储原始原始数据，格式不限，结构化、非结构化都可以存入，灵活性高，适合探索分析。

②数据仓库：主要存储经过清洗转换后的结构化数据；面向业务分析；schema预先定义，适合报表、BI分析。简述大数据完整处理流程。

参考答案：

1）数据采集：传感器、日志、爬虫、业务数据库多源采集；

2）数据预处理：清洗、集成、变换、规约，去除噪声、缺失值；

3）数据存储：HDFS、NoSQL、数据仓库保存海量数据；

4）数据分析挖掘：统计、机器学习、算法挖掘潜在价值；

5）数据可视化：图表、仪表盘展示结果，支撑业务决策。什么是NoSQL数据库，NoSQL有哪些主要分类？

参考答案：

NoSQL泛指非关系型数据库，不使用传统关系表结构，适配海量、高并发场景。

主要四类：键值数据库、文档数据库、列族数据库、图数据库。五、综合应用题（20分）某电商平台，拥有用户浏览、点击、收藏、购买海量行为日志，请结合大数据知识，回答：

1）需要做哪些数据预处理工作；（10分）

2）简单描述如何用大数据技术实现商品个性化推荐。（10分）参考答案

1）预处理：

①数据清洗：过滤无效日志、去除重复记录，处理缺失值、异常数据；

②数据集成：把来自web、APP、小程序多端用户行为数据合并；

③数据变换：统一时间格式，特征提取，如用户浏览时长、点击频次；

④数据规约：过滤无用字段，减少数据量，提升计算效率。2）个性化推荐实现：

①采集用户浏览、点击、收藏、购买等行为日志；

②Spark做离线计算，采