2026年高职大数据技术专业期末试题及答案

2026年高职大数据技术专业期末试题及答案一、单项选择题（每题1分，共20分）1.大数据的主要特征通常被概括为"4V"，以下不属于"4V"的是（）。A.Volume（数据量大）B.Variety（数据类型多样）C.Value（价值密度低）D.Virtual（虚拟化）答案D2.在Hadoop生态系统中，负责分布式文件存储的组件是（）。A.MapReduceB.HDFSC.YARND.ZooKeeper答案B3.HDFS默认的块大小是（）。A.64MBB.128MBC.256MBD.512MB答案B4.下列关于HDFS的叙述，正确的是（）。A.HDFS适合存储大量小文件B.HDFS支持数据的随机修改C.HDFS采用主从架构，NameNode负责管理元数据D.HDFS中的数据块可以关闭副本机制，且副本数不可配置答案C5.MapReduce编程模型中，负责将(key,value)对按key进行排序和分组的阶段是（）。A.Map阶段B.Shuffle阶段C.Reduce阶段D.Input阶段答案B6.在MapReduce中，Partitioner组件的主要作用是（）。A.对key进行排序B.对value进行合并C.决定每个(key,value)对进入哪个Reduce任务D.对输出结果进行压缩答案C7.下列关于YARN的叙述，错误的是（）。A.ResourceManager负责全局资源管理B.NodeManager负责单个节点上的资源管理C.ApplicationMaster负责管理单个应用程序的执行D.YARN只支持MapReduce计算框架答案D8.在Hive中，用于创建表的语句是（）。A.CREATETABLEB.ALTERTABLEC.DROPTABLED.SELECT答案A9.下列关于Hive内部表与外部表的区别，说法正确的是（）。A.内部表删除表时，HDFS数据保留；外部表删除表时，HDFS数据一并删除B.内部表删除表时，HDFS数据一并删除；外部表删除表时，HDFS数据保留C.内部表和外部表删除时，HDFS数据均保留D.内部表和外部表删除时，HDFS数据均被删除答案B10.下列选项中，不属于数据仓库特点的是（）。A.面向主题B.集成性C.实时性要求极高D.反映历史变化答案C11.在数据仓库的维度建模中，由事实表和多个维度表组成，且维度表直接与事实表相连的模型是（）。A.星型模型B.雪花模型C.星座模型D.网状模型答案A12.在Hive中，以下哪个关键字用于对查询结果进行去重（）。A.ORDERBYB.GROUPBYC.DISTINCTD.LIMIT答案C13.下列关于Spark与MapReduce的对比，说法错误的是（）。A.Spark基于内存计算，速度通常更快B.MapReduce将中间结果写入磁盘，IO开销较大C.Spark仅支持批处理，不支持流处理D.Spark提供丰富的算子，开发效率更高答案C14.在Spark中，map算子与flatMap算子的区别是（）。A.map输入一条输出多条，flatMap输入一条输出一条B.map输入一条输出一条，flatMap输入一条输出多条C.两者没有区别D.map用于键值对操作，flatMap用于普通数据操作答案B15.在SparkSQL中，用于将DataFrame注册为临时视图，以便执行SQL查询的方法是（）。A.createOrReplaceTempViewB.showC.collectD.persist答案A16.下列关于Flume的叙述，正确的是（）。A.Flume是用于分布式计算的框架B.Flume是一个分布式、可靠、可用的日志采集系统C.Flume只支持从HTTP源采集数据D.Flume不支持数据的批量采集答案B17.在Flume中，Event是数据传输的基本单位，其核心组成部分是（）。A.Header和BodyB.Source和SinkC.Channel和SinkD.Interceptor和Channel答案A18.下列哪个组件是Sqoop用于将数据从Hadoop导出到关系型数据库的（）。A.SqoopImportB.SqoopExportC.SqoopEvalD.SqoopList答案B19.在数据清洗过程中，下列哪项操作不属于常见的数据清洗任务（）。A.缺失值处理B.重复值去除C.数据可视化D.异常值检测与处理答案C20.下列哪种可视化图表最适合展示一段时间内数据的变化趋势（）。A.饼图B.折线图C.散点图D.雷达图答案B二、多项选择题（每题2分，共20分）1.下列属于大数据处理关键技术的有（）。A.分布式存储B.分布式计算C.数据清洗与预处理D.数据可视化答案ABCD解析大数据处理涵盖存储、计算、预处理、分析展示等多个环节，以上选项均属于大数据处理的关键技术。2.关于HDFS副本机制，下列说法正确的有（）。A.默认副本数为3B.副本存放策略中，第一个副本放在客户端所在节点C.副本存放策略中，第二个副本放在与第一个副本相同机架的另一个节点D.副本存放策略中，第三个副本放在与第一个副本不同机架的节点答案ABD解析HDFS默认副本数为3。副本存放策略：第一个副本放在客户端所在节点（若客户端不在集群中，则随机选择）；第二个副本放在与第一个副本不同机架的节点；第三个副本放在与第二个副本相同机架的另一个节点。3.下列关于MapReduce的叙述，正确的有（）。A.MapReduce适合处理大规模结构化或非结构化数据B.MapReduce的编程模型包括Map和Reduce两个阶段C.MapReduce的中间结果默认存储在内存中D.MapReduce具有高容错性，任务失败后可自动重试答案ABD解析MapReduce的中间结果会写入本地磁盘而非内存，故C错误。4.下列属于Hive支持的数据类型的有（）。A.INTB.STRINGC.ARRAYD.MAP答案ABCD5.关于数据仓库与操作型数据库（OLTP系统）的区别，下列说法正确的有（）。A.数据仓库面向分析决策，OLTP面向事务处理B.数据仓库存储历史数据，OLTP主要存储当前数据C.数据仓库的数据更新频繁，OLTP的数据相对稳定D.数据仓库通常使用星型或雪花模型建模答案ABD解析数据仓库的数据是相对稳定的，一般不做频繁更新，故C错误。6.在Spark中，下列属于宽依赖算子的有（）。A.mapB.filterC.groupByKeyD.reduceByKey答案CD解析groupByKey和reduceByKey会产生shuffle，属于宽依赖；map和filter属于窄依赖。7.下列关于ZooKeeper的叙述，正确的有（）。A.ZooKeeper是一个分布式协调服务B.ZooKeeper可以用于实现分布式锁C.ZooKeeper的数据模型是树形结构D.ZooKeeper的节点称为ZNode答案ABCD8.下列属于数据采集工具的有（）。A.FlumeB.SqoopC.KafkaD.Hive答案ABC解析Hive是数据仓库工具，不属于数据采集工具。9.下列关于Kafka的叙述，正确的有（）。A.Kafka是一个分布式消息队列B.Kafka中的消息按主题（Topic）进行组织C.Kafka的消费者组中，同一个分区只能被组内的一个消费者消费D.Kafka不支持数据的持久化存储答案ABC解析Kafka支持数据的持久化存储，消息会按策略写入磁盘，故D错误。10.在大数据可视化中，常用的图表类型包括（）。A.柱状图B.饼图C.热力图D.关系图答案ABCD三、填空题（每空1分，共10分）1.大数据技术体系通常可分为数据采集层、数据存储层、____、数据分析层和数据可视化层。答案数据处理层（或数据计算层）2.HDFS采用主从架构，其中主节点是__，从节点是__。答案NameNode；DataNode3.MapReduce的核心思想是"先分后合"，其中"分"对应__阶段，"合"对应__阶段。答案Map；Reduce4.在Hive中，ORDERBY会对全局数据进行排序，但在严格模式下，必须使用____语句限制输出行数。答案LIMIT5.在数据仓库的ETL过程中，E代表抽取（Extract），T代表____，L代表加载（Load）。答案转换（Transform）6.Spark的____算子用于对RDD中的元素进行聚合操作，且该算子通过key进行分组聚合。答案reduceByKey（或groupByKey，答对任一即可）7.Flume中的三大核心组件是Source、Channel和____。答案Sink8.在数据清洗中，处理缺失值的常见方法有删除记录、____和插补法。答案填充法（或均值/中位数/众数填充，答对即可）四、判断题（每题1分，共10分）1.大数据的价值密度高，直接分析即可获得高价值信息。答案错误2.HDFS适合存储大文件，不适合存储大量小文件。答案正确3.MapReduce的Reduce阶段可以没有。答案正确4.Hive是一个关系型数据库，支持实时事务处理。答案错误5.在Hive中，外部表删除表时，HDFS上的数据文件也会被删除。答案错误6.数据仓库中的数据是易失的，更新频率很高。答案错误7.Spark中的RDD是不可变的，一旦创建就不能修改。答案正确8.Flume的Channel是Event的临时缓冲区，用于连接Source和Sink。答案正确9.Sqoop只能将数据从关系型数据库导入到HDFS，不能反向导出。答案错误10.数据可视化可以将复杂的数据以图形化的方式呈现，帮助用户理解数据。答案正确五、简答题（每题5分，共20分）1.简述大数据的"4V"特征。答案（1）Volume（数据量大）：数据规模从GB级到TB、PB甚至EB级。（2）Velocity（处理速度快）：数据产生和处理的速度极快，要求实时或准实时处理。（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）：海量数据中真正有价值的信息占比小，需要挖掘。2.简述HDFS写入数据的过程。答案（1）客户端向NameNode发起写文件请求。（2）NameNode检查权限及路径合法性，返回可用的DataNode列表。（3）客户端将数据按块（默认128MB）切分，依次写入第一个DataNode。（4）第一个DataNode将数据块复制到第二个DataNode，第二个再复制到第三个，形成流水线复制。（5）所有副本写入完成后，DataNode向NameNode汇报，客户端关闭写入流，写入完成。3.简述数据仓库与数据库的主要区别。答案（1）面向对象不同：数据库面向事务处理（OLTP），数据仓库面向分析决策（OLAP）。（2）数据内容不同：数据库存储当前数据，数据仓库存储历史数据。（3）数据稳定性不同：数据库数据频繁更新，数据仓库数据相对稳定，以批量加载为主。（4）建模方式不同：数据库常用三范式建模，数据仓库常用维度建模（星型、雪花型）。4.简述Flume中Source、Channel、Sink各自的作用。答案（1）Source：负责采集数据源，将数据封装为Event并写入Channel。（2）Channel：位于Source和Sink之间，是Event的临时缓冲区，起解耦和缓冲作用。（3）Sink：从Channel中读取Event，并将其写入目标存储系统（如HDFS、HBase、Kafka等）。六、综合应用题（每题10分，共20分）1.某电商平台每天产生海量用户访问日志，需要对这些日志进行采集、存储和分析。请设计一个基于Hadoop生态的大数据处理方案，要求写出各环节所使用的组件，并说明其作用。答案（1）数据采集：使用Flume实时采集Web服务器产生的日志文件，或使用Kafka作为消息队列缓冲数据，保证数据不丢失。（2）数据存储：使用HDFS分布式文件系统存储原始日志数据，利用其高吞吐、高容错特性。（3）数据清洗与转换：使用MapReduce或Spark对原始日志进行清洗（去除无效字段、解析日志格式、过滤异常数据）。（4）数据仓库建设：使用Hive对清洗后的数据建表，按日期、用户、商品等维度进行统计分析。（5）数据导出：使用Sqoop将Hive的分析结果导出到MySQL，供业务系统查询。（6）数据可视化：使用ECharts或Superset等工具对分析结果进行可视化展示。解析本题重点考查学生对Hadoop生态各组件的综合运用能力，只要组件选择合理、逻辑清晰即可得分。2.某学校有学生成绩数据表student_score，包含字段：student_