2025浙江温州瓯江口大数据有限公司招聘工作人员19人笔试历年难易错考点试卷带答案解析

2025浙江温州瓯江口大数据有限公司招聘工作人员19人笔试历年难易错考点试卷带答案解析一、选择题从给出的选项中选择正确答案（共50题）1、大数据技术架构中，Hadoop最初的核心组件包括（）

A.HDFS和ZooKeeper

B.MapReduce和YARN

C.HDFS和MapReduce

D.HDFS和Spark2、云计算服务模型中，IaaS主要提供（）

A.开发平台和数据库服务

B.虚拟化计算资源

C.应用部署和用户界面

D.数据存储与安全防护3、大数据分析中，使用Pandas处理缺失值时，若需保留原始数据完整性，应优先选择哪种方法？A.使用mean()方法填充缺失值B.直接调用dropna()删除所有缺失行C.通过merge()函数合并数据集D.采用ffill()方法向前填充缺失值4、MySQL数据库中，以下哪种索引类型最适用于高频次的范围查询（如"年龄>25AND年龄<40"）？A.哈希索引B.B+树索引C.聚簇索引D.全值匹配索引5、某公司数据工程师在清洗客户年龄字段时发现大量缺失值，若需保留数据完整性，最合理的处理方法是？A.直接删除缺失记录B.用平均值填充缺失值C.根据历史数据插补计算D.忽略该字段后续分析6、大数据技术核心特征"5V"中，描述数据类型复杂性的特征是？A.Volume（数据规模）B.Velocity（处理速度）C.Variety（多样性）D.Veracity（数据真实性）7、大数据处理中，Hadoop的HDFS和Spark的内存计算分别适用于哪种场景？

A.实时性强、低延迟的流式处理

B.高吞吐量、批量处理的离线分析

C.复杂计算、多节点协同

D.实时查询与离线存储的混合场景A.Hadoop用于实时处理，Spark用于离线分析B.Hadoop用于批量处理，Spark用于实时分析C.Hadoop用于复杂计算，Spark用于高吞吐处理D.Hadoop和Spark均用于混合场景8、以下哪种加密算法属于非对称加密，常用于数字证书？

A.AES-256

B.RSA

C.SHA-256

D.3DESA.AES-256和SHA-256B.RSA和3DESC.AES-256和RSAD.SHA-256和3DES9、某公司招聘大数据工程师岗位，笔试中关于数据清洗的关键步骤描述正确的是：（）

A.仅需对重复数据进行去重

B.需要处理缺失值和异常值

C.主要关注数据格式标准化

D.完全依赖自动化工具完成A.去重B.缺失值处理与异常值检测C.字段类型统一D.完全自动化10、数据仓库与数据库在数据处理模式上的主要区别是：（）

A.数据仓库支持实时查询

B.数据仓库采用三级存储架构

C.数据仓库支持OLAP分析

D.数据库用于事务处理A.实时性B.列式存储与分层架构C.多维分析D.OLTP11、大数据技术中，Hadoop的核心组件包括HDFS、MapReduce和（）。

A.ZooKeeper

B.Spark

C.HBase

D.YARN12、大数据处理流程中，数据存储通常应安排在数据清洗和转换的（）阶段。

A.最早

B.最后

C.中间

D.任意13、大数据技术中，Hadoop和Spark的主要区别在于（）

A.存储与计算分离

B.内存计算优化

C.支持的数据格式

D.分布式存储架构A.Hadoop采用存储与计算分离架构，Spark以内存计算为核心B.Spark支持更多数据格式，Hadoop仅支持HDFSC.Hadoop通过HDFS实现分布式存储，Spark依赖内存计算D.两者均采用分布式架构，但Spark性能更强14、数据清洗时，缺失值处理最可能导致数据偏差的方法是（）

A.删除缺失记录

B.用均值填充缺失数值

C.用众数填充缺失数值

D.用KNN算法预测缺失值A.删除缺失值会丢失样本信息，且可能破坏数据分布B.均值填充适用于正态分布数据，否则会引入偏差C.众数填充适用于类别型数据，对数值型数据效果有限D.KNN算法需额外计算成本，但能保留样本间关联性15、TCP三次握手过程中，客户端与服务器通信的步骤顺序是（）

A.SYN→ACK→SYN-ACK→ACK

B.SYN→SYN-ACK→ACK

C.SYN-ACK→SYN→ACK

D.ACK→SYN→SYN-ACK16、在数据处理中，若某排序算法在平均情况下时间复杂度为O(nlogn)，但最坏情况下为O(n²)，该算法可能是（）。

A.冒泡排序

B.归并排序

C.快速排序

D.堆排序17、以下关于TCP协议三次握手过程描述错误的是（）。

A.客户端发送SYN包并携带随机序列号

B.服务端收到SYN包后回复SYN-ACK包

C.客户端收到SYN-ACK包后发送ACK包完成连接

D.三次握手后双方同步初始序列号18、某公司使用Python处理销售数据时，发现部分日期字段存在空值。下列方法中用于填充空值且不删除数据的是：（）

A.df.dropna(subset=['date_column'])

B.df['date_column'].fillna('2025-01-01')

C.df['date_column'].fillna(method='ffill')

D.df['date_column'].replace('',None)A.使用dropna()删除整行B.直接用字符串填充所有空值C.向前填充（ForwardFill）D.将空字符串转为None类型19、数据库查询中，执行以下语句时可能导致性能下降的是：（）

A.SELECT*FROMordersWHEREuser_id='001'

B.SELECT*FROMordersWHEREuser_idIN('001','002','003')

C.SELECT*FROMordersGROUPBYproduct_id

D.SELECT*FROMordersORDERBYuser_idA.单字段精确查询B.多值列表查询C.聚合函数分组D.按用户ID排序20、在Python数据分析中，以下哪种库主要用于数据清洗和结构化处理？

A.NumPy

B.Pandas

C.Dask

D.PySpark21、云计算服务模型中，IaaS（基础设施即服务）主要提供以下哪种资源？

A.开发平台工具

B.完整的应用程序

C.虚拟化的计算和存储资源

D.移动应用开发支持22、某企业需实时采集用户行为数据，以下哪项工具最适用于该场景？A.HiveB.KafkaC.HBaseD.Spark23、大数据技术中，数据存储的主要特点是？

A.集中存储在传统数据库

B.分布式存储在云端服务器

C.完全存储在内存中

D.仅能存储结构化数据A.传统数据库B.云端服务器集群C.内存数据库D.结构化数据仓库24、云计算安全模型中，以下哪项属于核心防护机制？

A.物理防火墙部署

B.基于角色的访问控制

C.数据中心生物识别门禁

D.跨区域冗余备份A.物理边界防护B.数字身份认证C.硬件级访问控制D.数据冗余备份25、在分布式大数据处理中，Hadoop和Spark在处理海量数据时的核心差异主要体现在哪个方面？

A.数据存储方式不同

B.依赖的底层计算框架不同

C.内存计算与磁盘计算的区别

D.数据清洗工具的差异A.Hadoop依赖HDFS和MapReduce，Spark基于内存计算B.Hadoop使用SparkSQL，Spark依赖HDFSC.Hadoop适合批处理，Spark适合流处理D.Hadoop提供更多可视化工具，Spark集成机器学习库26、在大数据技术架构中，HadoopHDFS的默认副本数量设置为多少？A.1B.2C.3D.527、以下哪项不属于大数据实时计算框架的核心特性？A.内存计算B.微批处理C.分布式存储D.离线批处理28、某企业处理日均10亿条日志数据，需在1小时内完成初步清洗并生成统计报表，以下技术方案最合适的是？A.基于Hadoop分布式存储后处理B.采用Spark流式处理实时计算C.利用Flink进行批量数据迁移D.通过Kafka实现消息队列管理A.Hadoop+MapReduceB.Spark+SQLC.Flink+HiveD.Kafka+Zookeeper29、某政务平台采用RBAC模型管理数据访问权限，用户"张三"的权限包含：A.查询全省人口数据B.修改市级财政预算C.导出国家级经济指标D.查看县级人事档案A.仅A和CB.仅B和DC.仅A和DD.全部权限30、在Python中，以下代码执行后输出为"532"的是（）

A.lst=[2,3,5,5]；lst.pop(0)；print(lst)

B.lst=[2,3,5,5]；lst.remove(5)；print(lst)

C.lst=[2,3,5,5]；lst.pop()；print(lst)

D.lst=[2,3,5,5]；lst.insert(0,5)；print(lst)31、MySQL查询中，以下语句执行效率最低的是（）

A.SELECT*FROMusersWHEREidIN(1,2,3)

B.SELECT*FROMusersWHEREid=1ORid=2ORid=3

C.SELECT*FROMusersWHEREid=1ANDid=2ANDid=3

D.SELECT*FROMusersWHEREid=1,id=2,id=332、某公司数据库工程师在优化查询语句时，发现频繁访问大量数据导致效率低下，应首先考虑添加哪种技术？

A.数据加密

B.索引

C.分区表

D.增加服务器内存33、Python中，以下哪种数据结构在遍历时无法修改元素？

A.列表

B.字典

C.元组

D.集合34、某公司使用哈希索引存储用户ID，查询效率最高时需要满足的条件是：A.数据量极大B.查询条件包含范围筛选C.数据更新频率高D.存储空间有限A.数据量极大时哈希索引的查询速度显著提升B.范围筛选依赖哈希索引的有序性C.高并发写入场景下哈希索引效率最佳D.存储空间不足时哈希索引占优35、某企业部署网络安全系统时，若需确保HTTPS通信内容不被窃听，应优先配置：A.防火墙规则B.防病毒软件C.SSL证书D.邮件过滤A.防火墙通过端口封锁阻止非法访问B.防病毒软件实时扫描恶意代码C.SSL证书验证服务器身份并加密数据流D.邮件过滤拦截钓鱼邮件36、某企业数据仓库建设过程中，发现原始数据存在大量重复记录和缺失值，需进行数据清洗。以下哪两项属于数据清洗的基础性工作？（）

A.去重与缺失值处理

B.异常值检测与数据格式转换

C.数据标准化与特征工程

D.数据归一化与关联分析37、在分布式计算场景中，若需处理TB级结构化数据，以下哪两种框架更适合？（）

A.Hadoop

B.Spark

C.Flink

D.TensorFlow38、某程序员将二进制数1101转换为十进制数，正确结果是（）。

A.13

B.11

C.12

D.1439、Python中，执行以下代码后，变量a的值为（）。

```python

a=[1,2,3]

b=a.copy()

b.append(4)

print(a)

```

A.[1,2,3,4]

B.[1,2,3]

C.[1,2,3,4,4]

D.抛出异常40、大数据技术中，Hadoop和Spark在处理海量数据时的核心区别是什么？

A.Hadoop支持实时处理，Spark支持离线批处理

B.Hadoop基于MapReduce，Spark基于内存计算

C.Hadoop存储数据在本地，Spark存储在分布式集群

D.Hadoop适用于小规模数据，Spark适用于大规模数据41、数据清洗过程中，以下哪项是优先处理的步骤？

A.异常值检测与修正

B.缺失值填补

C.数据标准化

D.数据格式转换42、大数据分布式存储系统中，HDFS（HadoopDistributedFileSystem）默认将文件分割为多大块进行存储？

A.4KB

B.64MB

C.128MB

D.1GB43、MapReduce排序过程中，若输入数据已分片存储，排序主要依赖哪个环节？

A.分片内快速排序

B.全局归并排序

C.自定义规则排序

D.贮存排序44、大数据处理技术中，以下哪项主要适用于实时流数据处理？（A）Hadoop（B）Spark（C）Flink（D）HiveA.HadoopB.SparkC.FlinkD.Hive45、云计算服务模型中，PaaS（平台即服务）主要提供以下哪种能力？（A）虚拟化资源租用（B）开发环境部署（C）数据库管理工具（D）操作系统更新A.虚拟化资源租用B.开发环境部署C.数据库管理工具D.操作系统更新46、大数据公司常采用分布式存储技术处理海量数据，下列哪项是Hadoop生态系统的核心组件？

A.HDFS

B.MySQL

C.Spark

D.Redis47、某公司需对存储在服务器上的用户数据加密，以下哪种算法常用于静态数据加密？

A.TLS/SSL

B.AES

C.SM4

D.RSA48、在分布式计算框架中，Hadoop和Spark的主要区别在于（）。

A.Hadoop支持流式计算，Spark支持批处理

B.Spark以内存计算为核心，Hadoop以分布式文件系统为核心

C.Hadoop处理实时数据更高效，Spark处理非结构化数据更优

D.Spark依赖YARN资源管理，Hadoop依赖Kubernetes49、SSL/TLS协议主要用于以下哪种安全需求？（）

A.加密数据传输和验证服务器身份

B.增强网络层流量加密

C.实现远程登录会话加密

D.提高防火墙检测效率50、在数据清洗过程中，若发现某字段存在大量缺失值，下列哪种处理方式可能导致后续分析偏差？A.直接删除包含缺失值的记录B.用该字段均值填充缺失值C.删除字段中仅包含缺失值的记录D.将缺失值转换为独立分类标签

参考答案及解析1.【参考答案】C【解析】Hadoop最初由HDFS（分布式文件系统）和MapReduce（计算框架）构成核心组件，YARN是后续引入的资源管理模块。ZooKeeper和Spark属于Hadoop生态扩展组件，易与核心组件混淆。2.【参考答案】B【解析】IaaS（基础设施即服务）提供虚拟化计算资源（如CPU、内存、存储），用户可自主管理操作系统和应用程序。PaaS（平台即服务）对应开发平台，SaaS（软件即服务）对应应用部署，易因服务层级混淆导致选错。3.【参考答案】D【解析】ffill()是Pandas中针对缺失值的向前填充方法，适用于时间序列或有序数据，能有效保留数据结构。选项A默认填充会导致非数值型数据丢失，选项B会破坏数据完整性，选项C与缺失值处理无关。常见误区是混淆ffill()与bfill()的应用场景。4.【参考答案】B【解析】B+树索引通过树状结构存储数据，支持高效的范围查询和排序，同时保持较高的磁盘I/O效率。哈希索引（A）仅适用于等值查询且不支持范围操作，聚簇索引（C）默认主键索引，全值匹配索引（D）多用于全文搜索。易错点在于混淆B+树与B树在存储效率上的差异，B+树通过叶子节点链表优化了查询性能。5.【参考答案】C【解析】数据清洗中处理缺失值需根据业务场景选择方法。选项A会导致数据量骤减，选项B仅适用于数值型且分布均匀的数据，选项D会降低分析维度。插补法（C）通过统计历史数据合理估算缺失值，既保留数据完整性又避免信息损失，是大数据处理中的基础考点。6.【参考答案】C【解析】5V特征包括：Volume（数据量）、Velocity（处理速度）、Variety（多样性）、Veracity（真实性）、Value（价值）。选项C对应多样性，指非结构化/半结构化数据混合存储；常见误区是误将"Variety"理解为多格式，实际强调数据类型的复杂性。选项A（数据规模）和B（处理速度）属其他维度，D（真实性）涉及数据质量而非类型。本题易错点在于混淆"多样性"与"多格式"概念，需注意历年真题中该考点的反复出现。7.【参考答案】B【解析】Hadoop通过HDFS和MapReduce实现高吞吐量的离线批量处理，适合PB级数据；Spark基于内存计算，支持低延迟的实时流处理（如SparkStreaming）和交互式查询（如SQL引擎）。易错点在于混淆两者核心优势，误选D或A。8.【参考答案】B【解析】RSA是非对称加密算法，基于大数分解难题，用于密钥交换和数字签名；AES（对称加密）和3DES（已淘汰对称算法）属于对称加密。易错点在于混淆对称与非对称算法特性，误选A或C。9.【参考答案】B【解析】数据清洗的核心任务包括处理缺失值（如填充或删除）和识别异常值（如离群点检测）。选项B覆盖了数据清洗的核心步骤，而A仅是部分操作，C属于数据标准化范畴，D忽略了人工干预的必要性。10.【参考答案】C【解析】数据仓库的核心特征是支持OLAP（联机分析处理），通过多维模型实现复杂查询；而数据库侧重OLTP（联机事务处理）。选项C准确对应数据仓库的定位，A描述的是数据库特性，B属于技术实现细节，D混淆了OLAP与OLTP的定义。11.【参考答案】D【解析】Hadoop由HDFS（分布式文件系统）、MapReduce（计算框架）和YARN（资源管理器）三大核心组件构成。ZooKeeper用于分布式协调服务，Spark是独立计算框架，HBase是基于HDFS的列式数据库。易错点在于混淆YARN与其他组件的定位，正确选项为D。12.【参考答案】B【解析】大数据处理流程一般为数据采集→清洗→转换→存储→分析。易错点在于误认为存储应前置，实际清洗和转换后存储可提高数据质量。若存储过早，脏数据会直接影响后续处理。正确答案为B，强调存储在流程末尾的重要性。13.【参考答案】A【解析】Hadoop的核心是HDFS（分布式文件系统）与MapReduce计算框架分离，而Spark通过内存计算（RDD）和DataFrame优化提升性能。选项A准确概括了两者架构差异，B错误（两者均支持多种格式），C片面（Spark依赖内存而非存储架构），D混淆了性能与架构区别。14.【参考答案】A【解析】删除缺失值（A）会直接减少样本量，若缺失值分布不均可能破坏数据集的统计特性，导致模型偏差。均值填充（B）在非正态数据中易产生误导，众数（C）仅适用于离散数据，KNN（D）虽成本高但能更合理预测。选项A因直接删除数据导致的信息丢失成为最易引发偏差的方法。15.【参考答案】B【解析】TCP三次握手流程为：客户端发送SYN报文→服务器返回SYN-ACK确认包→客户端发送最终ACK包。选项B准确描述了建立连接的三个步骤。选项A为四次挥手流程，C和D顺序错误。16.【参考答案】C【解析】快速排序在平均情况下时间复杂度为O(nlogn)，但最坏情况（如数组已有序）会退化为O(n²)。冒泡排序和堆排序的时间复杂度均为O(n²)，归并排序的时间复杂度恒为O(nlogn)。因此正确答案为C。17.【参考答案】D【解析】TCP三次握手由客户端发送SYN包（A正确），服务端回复SYN-ACK包（B正确），客户端再发送ACK包（C正确）完成连接。但初始序列号的同步实际发生在客户端发送第一个SYN包时（客户端发送的SYN包已包含初始序列号），服务端的ACK包仅确认连接请求，并非同步序列号。因此D选项错误。18.【参考答案】C【解析】选项C是pandas库中处理缺失值的向前填充方法（ffill），适用于时间序列数据保持连续性。选项A会删除整行数据，选项B会导致非空值被错误覆盖，选项D仅改变空字符串格式，无法解决缺失值问题。此考点易错点在于混淆删除数据与填充数据的方法差异。19.【参考答案】B【解析】选项B的IN子句会触发全表扫描，当列表值较多时性能显著下降。正确做法是预聚合后关联查询。选项C的GROUPBY需计算聚合值，D的ORDERBY会全表排序，但B的IN查询在数据库执行计划中常被标记为全表扫描，尤其是当列表长度超过索引覆盖阈值时，易成为面试常考的SQL优化易错点。20.【参考答案】B【解析】Pandas是Python处理表格数据的核心库，支持数据清洗（如缺失值填充）、数据合并、分组计算等操作。NumPy专注于数值计算和矩阵运算，Dask用于分布式计算，PySpark适用于大数据集群环境。本题易错点在于混淆Pandas与其他数据处理工具的应用场景，需结合具体功能区分。21.【参考答案】C【解析】IaaS提供虚拟化的计算、存储和网络资源，用户可自主配置和管理。PaaS（如Heroku）提供开发平台工具，SaaS（如Salesforce）提供完整应用程序，移动应用开发属于原生开发范畴。本题易错点在于混淆IaaS与其他服务模型的资源边界，需明确各层服务定位。22.【参考答案】B【解析】Kafka是分布式流处理平台，支持高吞吐量的实时数据采集与发布，适用于用户行为日志等实时场景。Hive（数据仓库工具）、HBase（列式数据库）和Spark（通用计算引擎）均不直接支持实时采集需求，属于常见易错点。23.【参考答案】B【解析】大数据的核心特征包括4V（Volume,Velocity,Variety,Value）。存储方面，传统数据库（A）无法处理海量数据，内存存储（C）成本过高且不适用长期存储，结构化数据（D）仅是数据类型之一。分布式存储（B）通过多节点协同，满足数据量、吞吐量和容错需求，是大数据平台（如HDFS、Ceph）的典型架构。易错点：部分考生误将云计算等同于单点存储，需注意"云端服务器集群"的分布式特性。24.【参考答案】B【解析】云计算安全遵循"边界消失，身份至上"原则。物理防火墙（A）适用于传统架构，生物识别（C）属于物理安全措施，冗余备份（D）是容灾手段。核心机制是数字身份认证（B），通过OAuth、SSO等技术实现多租户环境下的权限管控。易错点：考生易混淆安全模型层级，误将物理防护措施（AC）等同于云安全核心，需理解云安全的核心是身份验证与最小权限原则。25.【参考答案】A【解析】正确选项为A。Hadoop通过HDFS存储数据并采用MapReduce进行批处理，而Spark通过内存计算和DataFrameAPI实现低延迟处理。选项C描述的是两者适用场景差异，但核心差异在于内存计算（Spark）与磁盘计算（Hadoop）。选项B混淆了工具链，选项D属于功能扩展，非核心区别。26.【参考答案】B【解析】HDFS为保障数据可靠性，默认将数据副本复制到2个节点（如集群中至少3台节点运行时生效）。若选A会导致单点故障风险，D超出常规配置成本，C为部分企业私有化调整值，但标准答案为B。27.【参考答案】D【解析】实时计算框架（如Spark、Flink）核心特性包括内存计算（提升速度）、微批处理（平衡实时与吞吐）、与分布式存储（HDFS/S3）协同。离线批处理是传统Hadoop生态强项，故D不属于实时框架特性。28.【参考答案】B【解析】Spark具备内存计算优势，可处理TB级实时数据流，SQL接口简化统计逻辑，满足1小时响应需求。Hadoop处理延迟高，Flink迁移不直接生成报表，Kafka主要用于消息分发而非分析场景。29.【参考答案】C【解析】RBAC（基于角色的访问控制）中，用户权限由角色赋予。A选项属于基础查询权限，D选项涉及县级敏感数据，需严格审批。B选项涉及财政预算修改属于高风险操作，需独立审批；C选项国家级经济指标导出需多级审批。正确选项为A和D。30.【参考答案】B【解析】B选项使用remove方法删除第一个值为5的元素，列表变为[2,3,5]，但pop(0)会删除索引0元素（2），导致输出[3,5,5]。C选项pop()删除最后一个元素（5），输出[2,3,5]。D选项插入新元素后长度增加，输出[5,2,3,5,5]。31.【参考答案】C【解析】C选项使用AND连接多个条件，数据库需逐行匹配所有条件，当条件较多时效率极低。A选项IN优化为单个索引扫描，B选项OR分解为多个查询后执行，D选项语法错误（逗号分隔不合法）。实际应用中，大数据量查询应优先使用IN或OR组合。32.【参考答案】B【解析】索引通过建立数据与查询条件的映射关系，可快速定位目标数据（如B树索引），显著提升查询效率。但索引会占用存储空间且增加数据写入的开销（如插入、更新、删除时需维护索引结构）。题目中未提及数据量过大或需要分片存储，因此优先级高于索引的分区表（C）和内存升级（D）不适用。数据加密（A）与查询性能无直接关联。33.【参考答案】C【解析】Python元组（tuple）是固定长度的不可变容器，支持索引和切片但无法修改已存在的元素（如my_tuple[0]=1会报错）。列表（A）和集合（D）是可变数据结构，可通过索引修改；字典（B）的键值对可动态增删改查。题目强调“遍历时无法修改”，需注意遍历操作本身不会触发修改，但元组本质不可变特性决定了其无法进行任何修改操作。34.【参考答案】A【解析】哈希索引通过哈希函数将键值映射到固定位置，查询时间为常数O(1)，但无法支持范围查询（B错误）。B+树索引在范围查询中表现更优（B选项描述与B+树相关）。哈希索引的写入性能不受并发影响（C错误），但需考虑哈希冲突问题。存储空间与索引类型无直接关联（D错误）。大数据场景下哈希索引能快速定位数据（A正确）。35.【参考答案】C【解析】防火墙（A）主要控制网络边界访问控制，无法加密数据。防病毒软件（B）针对恶意程序查杀。SSL证书（C）通过数字证书验证服务器身份，使用TLS协议实现双向认证和对称加密，确保通信机密性。邮件过滤（D）属于内容安全范畴。HTTPS协议的核心安全机制依赖于SSL/TLS证书加密（C正确）。36.【参考答案】A【解析】数据清洗的核心步骤包括去重（消除重复记录）和缺失值处理（填充或删除缺失数据），这两项是后续分析的基础。异常值检测（B）和格式转换（C）属于进阶处理，归一化（D）是数据标准化的一部分，与清洗无直接关联。37.【参考答案】A、B【解析】Hadoop（A）通过HDFS存储海量数据，MapReduce处理离线任务；Spark（B）基于内存计算，适合迭代式处理。Flink（C）专精流式计算，TensorFlow（D）是机器学习框架，均不适用于传统批量结构化数据处理。38.【参考答案】A【解析】二进制数1101的十进制计算为：1×2³+1×2²+0×2¹+1×2⁰=8+4+0+1=13。选项C（12）常见于计算时遗漏最高位权值或进位错误。39.【参考答案】B【解析】列表的copy()方法创建浅拷贝，仅复制引用而非数据。b.append(4)修改的是b的副本，不会影响原列表a。选项A错误将认为列表引用直接关联，选项C错误因重复追加操作不存在。40.【参考答案】B【解析】Hadoop通过MapReduce框架实现分布式存储和计算，适合离线批处理（如日志分析），而Spark采用内存计算引擎（RDD），能更高效处理实时流数据（如用户行为分析）。选项B准确描述了两者的核心差异，其余选项混淆了存储机制或适用场景。易错点在于将Spark的内存优势误认为实时处理（A错误），或忽视Hadoop的分布式存储特性（C错误）。41.【参考答案】B【解析】数据清洗遵循"先基础后细节"原则：首先处理缺失值（如删除或填充），再处理异常值（如截断或替换），最后进行标准化或格式转换。选项B符合处理逻辑，若先处理异常值（A）可能导致缺失值分析不准确。