2026年云计算与大数据专业知识点试卷及答案

2026年云计算与大数据专业知识点试卷及答案一、单项选择题（本大题共20小题，每小题1.5分，共30分。在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填在题后的括号内。）1.美国国家标准与技术研究院（NIST）定义了云计算的五个基本特征，其中“根据客户需求动态增加或减少资源”指的是（）。A.广泛的网络接入B.资源池化C.快速弹性D.按需自助服务2.在Hadoop生态系统中，负责资源管理和任务调度的组件是（）。A.HDFSB.MapReduceC.YARND.ZooKeeper3.下列关于虚拟化技术的描述，错误的是（）。A.全虚拟化需要修改客户机操作系统内核B.半虚拟化需要修改客户机操作系统以通过特调指令与硬件通信C.硬件辅助虚拟化利用CPU提供的虚拟化扩展（如IntelVT-x）提高性能D.KVM是基于内核的虚拟机，它将Linux内核转变为一个Hypervisor4.Docker容器技术与传统虚拟机技术相比，主要区别在于（）。A.容器共享宿主机操作系统内核，而虚拟机拥有独立的GuestOSB.容器无法实现资源隔离C.虚拟机启动速度比容器快D.容器的安全性比虚拟机高5.在MapReduce计算模型中，主要负责将Map任务的输出进行合并、排序并分发给Reduce任务的阶段是（）。A.Split阶段B.Map阶段C.Shuffle阶段D.Reduce阶段6.SparkRDD（弹性分布式数据集）的特性中，表示RDD一旦创建就不能修改，但可以通过转换操作生成新的RDD的特性称为（）。A.弹性B.分区性C.只读D.缓存7.在NoSQL数据库的分类中，Redis主要属于（）。A.列存储B.文档存储C.键值存储D.图数据库8.云计算的三种主要服务模式中，提供开发语言运行环境、数据库、Web服务器等，用户无需管理底层操作系统和硬件的是（）。A.IaaSB.PaaSC.SaaSD.DaaS9.HDFS为了保证数据可靠性，默认采用的数据副本策略是（）。A.1副本B.2副本C.3副本D.5副本10.在Kubernetes（K8s）中，定义了部署应用的最小单元，包含了运行应用所需的容器镜像、资源限制等配置信息的对象是（）。A.PodB.ServiceC.DeploymentD.Node11.下列关于CAP理论的描述，正确的是（）。A.分布式系统只能同时满足一致性、可用性和分区容错性中的两项B.在分布式系统中，一致性、可用性和分区容错性必须同时满足C.分区容错性在分布式系统中是可以放弃的D.CA系统在分布式环境中比CP系统更常见12.BigTable、HBase等列式存储数据库主要适用于（）。A.事务处理频繁的场景B.海量数据存储、高并发读写、特别是非结构化数据的场景C.复杂关系的图数据存储D.简单的键值查询13.OpenStack是开源的云计算管理平台项目，其主要组件中负责计算资源管理的是（）。A.NovaB.SwiftC.NeutronD.Cinder14.在数据预处理阶段，用于将数据缩放到特定范围（如[0,1]）的技术称为（）。A.归一化B.标准化C.离散化D.聚合15.下列哪项技术是Google提出的用于处理海量数据的分布式编程模型，启发了后来的MapReduce？（）A.GFSB.MapReduceC.BigTableD.Chubby16.在流式计算框架Storm中，保证消息至少被处理一次的可靠性机制是（）。A.至多一次B.至少一次C.确认一次D.精确一次17.下列关于HDFS块大小的描述，正确的是（）。A.块大小设置得越大越好，能减少寻址时间B.块大小设置得越小越好，能提高并行度C.块大小通常设置为128MB或256MB，以平衡寻址时间和传输效率D.块大小一旦文件写入后就不能改变18.在数据仓库建模中，星型模型和雪花模型的主要区别在于（）。A.星型模型包含事实表和维度表，雪花模型对维度表进行了规范化B.雪花模型比星型模型查询性能更好C.星型模型比雪花模型更节省存储空间D.雪花模型不包含事实表19.Serverless架构（无服务器架构）的核心特点是（）。A.用户不需要配置服务器，按代码执行的实际资源消耗付费B.用户必须预先购买服务器实例C.代码必须长时间运行D.不支持自动扩缩容20.下列哪项不是Hadoop2.x相比Hadoop1.x的重大改进？（）A.引入YARN实现资源管理与任务调度分离B.支持NameNode高可用（HA）C.HDFS支持透明加密D.引入了Spark作为默认计算引擎二、多项选择题（本大题共10小题，每小题2分，共20分。在每小题列出的五个备选项中至少有两个是符合题目要求的，请将其代码填在题后的括号内。多选、少选、错选均不得分。）1.下列属于大数据“4V”特征的是（）。A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Value（价值）E.Virtualization（虚拟化）2.下列哪些组件属于Hadoop生态系统？（）A.HBaseB.HiveC.PigD.SparkE.Kafka3.云计算部署模式包括（）。A.公有云B.私有云C.混合云D.社区云E.联合云4.MapReduce编程模型中，常见的Combiner组件的作用包括（）。A.减少Map端输出的数据量，降低网络I/O压力B.可以作为Reduce任务的本地预聚合C.保证每个Map任务只输出一个文件D.修改应用程序的最终输出结果E.替代Shuffle阶段5.下列关于SparkSQL的描述，正确的有（）。A.提供了将SQL查询与Spark程序混合编程的能力B.支持多种数据源，如JSON、Parquet、JDBC等C.底层必须基于HDFSD.使用Catalyst优化器对查询进行优化E.只能处理结构化数据6.Docker镜像的分层存储特性带来的好处包括（）。A.减少镜像存储空间占用B.加快镜像构建和分发速度C.提高容器运行时的安全性D.便于镜像的复用和扩展E.消除容器间的隔离7.下列哪些技术属于数据清洗的操作范畴？（）A.缺失值填充B.异常值检测与处理C.数据去重D.数据规范化E.特征选择8.Kubernetes中，Service的主要作用包括（）。A.提供稳定的网络访问入口B.实现Pod之间的负载均衡C.服务发现D.存储数据持久化E.自动扩缩容9.下列属于NoSQL数据库的常见类型有（）。A.键值存储B.列存储C.文档存储D.图数据库E.关系型数据库10.在构建推荐系统时，常用的协同过滤算法包括（）。A.基于用户的协同过滤B.基于物品的协同过滤C.基于内容的推荐D.深度学习推荐E.决策树推荐三、填空题（本大题共15小题，每小题1.5分，共22.5分。请将答案填在题中的横线上。）1.在HDFS架构中，__________负责管理文件系统的元数据，如命名空间、块信息等。2.Spark的算子分为Transformation和Action，其中__________算子会触发作业的提交和执行。3.Docker使用__________文件来定义构建镜像的步骤和依赖环境。4.在云计算安全中，__________模型强调云服务提供商负责底层安全，而客户负责应用和数据安全。3.HBase的数据模型是Key-Value形式，其中RowKey是按照__________顺序存储的，这有利于Scan操作。6.Flume是Cloudera提供的一个高可用的、高可靠的、分布式的海量日志采集、聚合和传输系统，其核心组件是Agent，由Source、__________和Sink组成。7.为了解决单点故障问题，Hadoop2.x引入了__________机制，通过运行两个NameNode（Active和Standby）来实现高可用。8.在机器学习的数据集中，包含特征和__________，用于训练模型。9.Redis支持多种数据结构，如String、List、Set、Hash和__________。10.Kubernetes通过__________资源对象来声明式地管理应用，确保集群的实际状态与期望状态一致。11.MapReduce任务启动时，会经历Split、Map、__________、Reduce四个主要阶段。12.数据挖掘中的__________算法是一种无监督学习方法，常用于将数据分成若干个相似的组。13.在虚拟化网络中，__________模式允许虚拟机像物理机一样直接连接到外部网络，拥有独立的IP地址。14.ZooKeeper是一个分布式的、开放源码的协调服务，它提供的最基本的服务是__________服务，类似于文件系统。15.Elasticsearch是一个基于Lucene的搜索服务器，它使用__________格式来存储和索引数据。四、判断题（本大题共10小题，每小题1分，共10分。正确的打“√”，错误的打“×”。）1.HDFS适合存储大量的小文件，因为其设计初衷就是为了处理海量小文件。（）2.Spark是基于内存的分布式计算框架，因此在迭代计算场景下通常比MapReduce快。（）3.在公有云环境中，用户永远不需要关心物理服务器的位置和配置。（）4.容器技术提供了完全的操作系统级隔离，因此容器内的Root用户等同于宿主机的Root用户。（）5.Hive是基于Hadoop的数据仓库工具，它将SQL语句转换为MapReduce、Tez或Spark任务执行。（）6.数据的标准化是将数据按比例缩放，使之落入一个小的特定区间，如[0,1]。（）7.RAID10是RAID1和RAID0的结合，提供了数据冗余和较高的读写性能。（）8.在Kubernetes中，Pod内的容器共享同一个网络命名空间和存储卷。（）9.Kafka是一个分布式消息队列系统，为了保证高吞吐量，它牺牲了数据的持久化能力。（）10.机器学习中的监督学习需要使用带有标签的数据进行训练。（）五、简答题（本大题共5小题，每小题6分，共30分。）1.简述IaaS、PaaS、SaaS三种云计算服务模式的区别，并各举一个典型例子。2.请解释HDFS中“机架感知”策略的作用及其基本原理。3.简述Docker容器技术的核心优势（至少列举四点）。4.请描述MapReduce的工作流程，重点说明Shuffle阶段的过程。5.比较RDBMS（关系型数据库）和NoSQL（非关系型数据库）的主要区别，并说明NoSQL适用的场景。六、应用与分析题（本大题共3小题，共37.5分。）1.（计算与分析题，12.5分）某电商公司使用MapReduce程序来分析其用户访问日志，统计每天每个商品的访问次数（PV）。输入数据格式为：`日期,用户ID,商品ID`假设输入数据如下：```2026-05-20,user001,item1002026-05-20,user002,item2002026-05-20,user001,item1002026-05-21,user001,item2002026-05-21,user003,item100```(1)请写出Map函数的输入键值对和输出键值对格式。（3分）(2)请写出Reduce函数的输入键值对和输出键值对格式。（3分）(3)请详细列出经过Shuffle阶段后，传递给Reduce函数的数据列表，并给出最终的统计结果。（6.5分）2.（综合设计题，12.5分）某初创公司计划开发一款在线实时聊天应用，预计用户量会快速增长。该应用需要处理海量的实时消息流，并保证消息的高可靠性、低延迟。(1)请设计一个基于云计算和大数据技术的高可用架构。要求画出简略的架构图（文字描述架构层级即可），并说明每一层选用的关键技术或组件（如负载均衡、消息中间件、数据库等）。（8分）(2)针对消息存储部分，如果需要持久化存储数亿条历史聊天记录，且需要支持按用户ID和时间范围快速查询，你会选择哪种类型的数据库？请说明理由。（4.5分）3.（案例分析题，12分）在Kubernetes集群中，你负责部署一个微服务架构的Web应用。该应用包含前端服务、后端API服务和Redis缓存服务。(1)为了保证服务的高可用性，你应该使用哪种Kubernetes资源对象来管理前端和后端服务的副本数量？请写出该资源的名称及关键配置项（如replicas）的作用。（4分）(2)前端服务需要访问后端API服务，但在Pod重启后，后端Pod的IP地址会发生变化。为了解决动态IP寻址问题，你应该使用哪种Kubernetes资源？请简述其工作原理。（4分）(3)现在需要对该应用进行滚动更新（RollingUpdate），即在不中断服务的情况下将后端镜像版本从v1升级到v2。请简述在Kubernetes中如何实现这一过程，以及Deployment资源在此过程中的作用。（4分）参考答案及解析一、单项选择题1.C2.C3.A4.A5.C6.C7.C8.B9.C10.A11.A12.B13.A14.A15.B16.B17.C18.A19.A20.D二、多项选择题1.ABCD2.ABCDE3.ABCD4.AB5.ABDE6.ABD7.ABC8.ABC9.ABCD10.AB三、填空题1.NameNode2.Action3.Dockerfile4.责任共担5.字典6.Channel7.NameNodeHA（或HighAvailability）8.标签9.ZSet（或SortedSet）10.Deployment11.Shuffle12.K-Means（或聚类）13.桥接14.原子广播/文件系统15.JSON四、判断题1.×（HDFS适合存储大文件，小文件过多会占用NameNode大量内存）2.√3.×（在IaaS模式下用户需要管理OS，且在某些合规场景下需要知道数据中心位置）4.×（容器隔离性弱于虚拟机，容器内Root用户通过权限提升可能威胁宿主机）5.√6.×（这是归一化，标准化通常指Z-score，均值为0方差为1）7.√8.√9.×（Kafka通过磁盘持久化消息，支持数据回溯）10.√五、简答题1.答：IaaS（基础设施即服务）：提供计算、存储、网络等底层硬件资源。用户需要管理操作系统、中间件和运行环境。例子：AmazonEC2,阿里云ECS。PaaS（平台即服务）：在IaaS之上，提供操作系统、数据库、开发运行环境等。用户只需关注应用程序的开发和数据。例子：GoogleAppEngine,Heroku。SaaS（软件即服务）：提供完整的软件应用。用户通过客户端（如浏览器）直接使用，无需管理任何底层基础设施。例子：GoogleDocs,Salesforce。2.答：作用：提高数据可靠性、利用网络带宽、防止数据丢失。原理：HDFS通过“机架感知”算法，通常将第一个副本存放在本地节点，第二个副本存放在同一机架的不同节点，第三个副本存放在不同机架的节点上。这样既保证了数据在机架故障时的安全性，又减少了跨机架传输的带宽消耗。3.答：轻量级：容器共享宿主机内核，无需安装完整的GuestOS，启动速度快（秒级），占用资源少。一致性：通过镜像机制保证开发、测试、生产环境的一致性，消除“在我机器上能跑”的问题。可移植性：镜像可以在支持Docker的任何平台上运行，实现了“一次构建，到处运行”。隔离性：利用Namespace和Cgroups实现进程级别的资源隔离和限制。4.答：工作流程：Input->Split->Map->Shuffle->Reduce->Output。Shuffle阶段：是MapReduce的核心，连接Map和Reduce。1.Partition：对Map输出的Key进行哈希计算，决定数据送往哪个Reducer。2.Sort：根据Key对数据进行排序。3.Group/Combine：将相同Key的数据聚合成一个列表。4.Copy：将Map端处理好的数据通过网络拉取到对应的Reduce端。5.答：区别：数据模型：RDBMS基于关系模型（表），结构固定；NoSQL数据模型灵活（键值、文档、列族、图）。扩展性：RDBMS通常是纵向扩展（升级硬件）；NoSQL设计为横向扩展（增加节点）。事务：RDBMS支持强一致性ACID事务；NoSQL通常支持BASE理论，保证最终一致性，牺牲部分强一致性。适用场景：NoSQL适用于海量数据存储、高并发读写、数据结构灵活多变的场景，如社交网络、日志分析、物联网数据等。六、应用与分析题1.答：(1)Map函数：输入：`Key:行偏移量,Value:行内容(如"2026-05-20,user001,item100")`输出：`Key:商品ID(如"item100"),Value:1`(2)Reduce函数：输入：`Key:商品ID(如"item100"),List(Values):[1,1,...]`输出：`Key:商品ID,Value:总访问次数`(3)Shuffle后数据及结果：传递给Reduce的数据列表：`Reduce(item100,[1,1,1])`（注：20日两次，21日一次）`Reduce(item200,[1,1])`最终统计结果：`item1003``item2002`2.答：(1)架构设计：客户端层：用户浏览器或移动App。接入层：使用Nginx或云厂商的SLB（负载均衡）进行流量分发和反向代理。应用层：基于SpringBoot/Go开发的无