2026年广西壮族自治区公务员录用考试(大数据)复习题及答案

2026年广西壮族自治区公务员录用考试(大数据)复习题及答案一、单项选择题（每题1分，共30分）1.大数据的“4V”特征中，不包括下列哪一项？A.VolumeB.VelocityC.VarietyD.Validity答案D解析大数据的“4V”通常指Volume（数据量大）、Velocity（处理速度快）、Variety（数据类型多样）、Value（价值密度低）。Validity不是标准“4V”之一。2.Hadoop2.x中，HDFS数据块默认大小通常为：A.64MBB.128MBC.256MBD.512MB答案B3.MapReduce中，Map阶段输出结果传递给Reduce阶段之前需要经过的核心操作是：A.过滤B.排序与分组C.连接D.聚合答案B解析Map输出经过Shuffle和Sort阶段，对键进行排序并分组，然后交由Reduce处理。4.Spark的核心数据抽象是：A.DataFrameB.RDDC.DataSetD.DStream答案B5.Hive中元数据默认存储在：A.HDFSB.HBaseC.MySQL或DerbyD.Redis答案C6.HBase属于下列哪种数据库类型？A.关系型数据库B.文档数据库C.列族数据库D.图数据库答案C7.Kafka在大数据平台中主要承担的角色是：A.分布式文件系统B.分布式消息队列C.分布式计算引擎D.数据仓库工具答案B8.数据仓库与普通业务数据库的主要区别在于数据仓库是：A.面向事务处理的B.面向主题、集成、稳定且时变的C.只存储最新数据D.不支持查询分析答案B9.ETL过程中，字母“T”代表的含义是：A.抽取B.转换C.加载D.传输答案B10.数据清洗中，处理缺失值的常用方法不包括：A.删除含有缺失值的记录B.用均值填充C.用随机数无条件填充D.用插值法填充答案C11.下列算法中，属于无监督学习的是：A.决策树B.逻辑回归C.K-meansD.支持向量机答案C12.分类问题中，精确率（Precision）的计算公式是：A.TP/(TP+FN)B.TP/(TP+FP)C.TP/(TP+TN)D.FP/(TP+FP)答案B解析精确率=真正例/（真正例+假正例），即TP/(TP+FP)。13.数据挖掘中，用于发现频繁项集和关联规则的经典算法是：A.AprioriB.KNNC.PageRankD.DBSCAN答案A14.SQL中，用于对查询结果进行分组统计的关键字是：A.ORDERBYB.GROUPBYC.DISTINCTD.HAVING答案B15.Python中，pandas库用于读取CSV文件的常用函数是：A.read_excelB.read_csvC.read_jsonD.read_sql答案B16.NoSQL数据库的主要特点不包括：A.非关系型数据模型B.水平扩展能力强C.严格遵循ACID特性D.模式灵活答案C17.下列哪项不属于数据治理的核心内容？A.数据质量管理B.元数据管理C.主数据管理D.操作系统内核优化答案D18.YARN在大数据平台中的主要功能是：A.分布式存储B.资源管理和任务调度C.数据仓库查询D.消息传递答案B19.SparkStreaming的实时计算本质上是：A.真正的毫秒级流处理B.微批处理C.离线批处理D.仅支持SQL查询答案B20.Hive中分区表的主要作用是：A.提高数据写入速度B.减少数据冗余C.提高查询性能D.保证数据一致性答案C21.数据倾斜是指：A.数据在分布式集群中分布不均匀B.数据存储格式不正确C.数据被重复存储D.数据缺失比例过高答案A22.下列组件中，不属于Hadoop核心生态的是：A.HDFSB.MapReduceC.YARND.Spark答案D解析Spark是独立的计算框架，不属于Hadoop核心组件，但常与Hadoop生态结合使用。23.列式存储相对行式存储的主要优势是：A.适合频繁更新操作B.压缩比高、适合分析型查询C.事务支持更强D.数据写入延迟更低答案B24.主成分分析（PCA）主要用于：A.数据降维B.数据分类C.关联规则挖掘D.时间序列预测答案A25.K-means聚类算法中的“K”表示：A.迭代次数B.数据维数C.簇的数量D.样本数量答案C26.数据仓库分层架构中，ODS层的作用是：A.直接面向业务报表B.存储经过清洗的明细数据C.存储原始数据，保持与源系统基本一致D.存储高度汇总的指标数据答案C27.下列框架中，不适合用于实时流计算的是：A.FlinkB.StormC.SparkStreamingD.Hive答案D解析Hive是基于MapReduce的离线数据仓库工具，不适合实时流计算。28.数据脱敏的主要目的是：A.提高数据处理速度B.隐藏敏感信息，保护数据安全C.减少数据存储空间D.提高数据质量答案B29.下列数据库属于关系型数据库的是：A.MySQLB.MongoDBC.HBaseD.Redis答案A30.ApacheFlink的核心特点是：A.仅支持批处理B.基于磁盘迭代计算C.事件驱动、真正的流处理D.不支持状态管理答案C二、多项选择题（每题2分，共20分）1.下列属于大数据处理框架的有：A.HadoopB.SparkC.FlinkD.MySQL答案ABC2.HDFS的特点包括：A.高容错性B.适合低延迟数据访问C.适合批处理场景D.支持大规模数据存储答案ACD解析HDFS不适合低延迟数据访问，适合高吞吐量批处理。3.数据清洗通常包括的步骤有：A.去重B.缺失值处理C.异常值处理D.数据加密答案ABC4.机器学习的主要类型包括：A.监督学习B.非监督学习C.强化学习D.演绎学习答案ABC5.数据仓库建模中常用的模型有：A.星型模型B.雪花模型C.事实星座模型D.网状模型答案ABC6.Spark生态中包含的组件有：A.SparkSQLB.SparkStreamingC.MLlibD.GraphX答案ABCD7.下列属于NoSQL数据库类型的有：A.键值数据库B.列族数据库C.文档数据库D.图数据库答案ABCD8.数据治理的主要内容包括：A.数据标准管理B.数据质量管理C.元数据管理D.数据安全管理答案ABCD9.下列算法中，属于分类算法的有：A.决策树B.逻辑回归C.支持向量机D.朴素贝叶斯答案ABCD10.大数据平台的资源管理框架包括：A.YARNB.MesosC.KubernetesD.HDFS答案ABC解析HDFS是分布式文件系统，不属于资源管理框架。三、判断题（每题1分，共10分）1.HDFS适合存储大量小文件。答案错误解析HDFS存储大量小文件会占用过多NameNode内存，且寻址时间较长，不适合大量小文件。2.MapReduce是一种批处理计算模型。答案正确3.Spark相比HadoopMapReduce快的重要原因之一是支持基于内存的计算。答案正确4.Hive是一个关系型数据库管理系统。答案错误解析Hive是构建在Hadoop之上的数据仓库工具，底层数据存储在HDFS中，不是关系型数据库。5.数据仓库是面向应用、经常更新的。答案错误解析数据仓库是面向主题、集成、相对稳定、反映历史变化的，不是面向应用、经常更新。6.K-means算法需要预先指定簇的数量K。答案正确7.所有NoSQL数据库都严格支持ACID事务特性。答案错误解析多数NoSQL数据库牺牲ACID特性以换取扩展性和性能，仅部分支持事务。8.数据脱敏一定是不可逆的。答案错误解析数据脱敏分为可逆脱敏和不可逆脱敏，具体取决于脱敏算法和业务需求。9.数据倾斜可能导致分布式作业执行时间显著增加。答案正确10.Kafka是一种分布式消息队列系统。答案正确四、简答题（每题5分，共20分）1.简述大数据的“4V”特征。答案（1）Volume：数据规模巨大，通常达到TB、PB甚至EB级别；（2）Velocity：数据产生和处理速度快，要求实时或近实时响应；（3）Variety：数据类型多样，包括结构化、半结构化和非结构化数据；（4）Value：价值密度低，需要通过分析挖掘提取有价值的信息。2.简述HDFS的基本架构及其主要组件的作用。答案HDFS采用主从架构，主要组件包括：（1）NameNode：管理文件系统的命名空间，维护元数据，处理客户端请求；（2）DataNode：实际存储数据块，执行读写操作，定期向NameNode汇报状态；（3）SecondaryNameNode：辅助NameNode合并镜像文件和编辑日志，不是热备份。3.简述数据仓库分层架构中常见的四层及其作用。答案（1）ODS层：原始数据层，存储与源系统基本一致的原始数据；（2）DWD层：数据明细层，对原始数据进行清洗、标准化、去重等处理；（3）DWS层：数据汇总层，按主题进行轻度汇总，形成公共汇总指标；（4）ADS层：数据应用层，面向具体业务场景提供报表、指标等数据服务。4.简述数据清洗中处理缺失值的常用方法。答案（1）删除法：直接删除含有缺失值的记录或字段；（2）填充法：用均值、中位数、众数、固定值或前后值填充；（3）插值法：利用线性插值、多重插补等方法估计缺失值；（4）模型法：使用回归、决策树等模型预测缺失值。五、论述题（20分）1.结合大数据在政府治理中的应用，论述如何构建一个安全、高效的大数据平台，实现数据共享与数据安全并重。答案构建政府治理大数据平台，应从数据采集、存储、处理、分析、安全与共享等方面统筹设计：（1）数据采集与汇聚。建立统一的数据接入标准，通过ETL工具、API接口、物联网感知设备等，将各部门、各层级、各业务系统的数据汇聚到数据平台，形成覆盖经济、社会、民生、环境等多领域的政府数据资源池。（2）数据存储与管理。采用分布式存储架构，如HDFS、HBase、对象存储等，满足海量结构化、半结构化和非结构化数据的存储需求。建立数据仓库分层体系，按照ODS、DWD、DWS、ADS分层组织数据，确保数据可追溯、可管理。（3）数据处理与分析。利用Hadoop、Spark、Flink等计算框架实现离线批处理和实时流处理。运用数据挖掘、机器学习、统计分析等方法，开展人口分析、舆情监测、经济运行预测、公共安全预警等应用，提升政府决策科学化水平。（4）数据共享与开放。制定统一的数据共享交换规范，建设数据共享交换平台，通过接口服务、订阅发布等方式，实现跨部门、跨层级的数据有序共享。同时，在保障安全的前提下，推动公共数据向社会适度开放，释放数据价值。（5）数据安全与隐私保