2026年山东省公务员考试（大数据相关知识）练习题及答案

2026年山东省公务员考试（大数据相关知识）练习题及答案一、单项选择题（每题1分，共50分）1.大数据的最核心特征通常被概括为"4V"，其中"Volume"指的是（）。A.数据种类多样B.数据处理速度快C.数据规模巨大D.数据价值密度低答案C解析大数据的"4V"特征包括Volume（数据量大）、Velocity（处理速度快）、Variety（数据类型多样）、Value（价值密度低）。Volume即数据规模巨大。2.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B解析HDFS（HadoopDistributedFileSystem）负责分布式存储；MapReduce负责计算；YARN负责资源调度；ZooKeeper负责分布式协调。3.数据仓库与操作型数据库的主要区别在于（）。A.数据仓库主要用于联机事务处理B.数据仓库主要用于联机分析处理C.数据仓库的数据经常更新D.数据仓库不存储历史数据答案B解析数据仓库面向分析型应用，主要用于联机分析处理（OLAP），存储大量历史数据，供决策分析使用；操作型数据库主要用于联机事务处理（OLTP）。4.下列哪种文件格式在大数据存储中具有列式存储、高压缩比的特点？（）A.CSVB.JSONC.ParquetD.XML答案C解析Parquet是一种列式存储格式，具有高效的压缩比和查询性能，广泛用于大数据分析场景。CSV、JSON、XML均为行式文本格式。5.MapReduce编程模型中，介于Map阶段和Reduce阶段之间的过程是（）。A.ShuffleB.SortC.PartitionD.Combine答案A解析MapReduce作业中，Map输出后经过Shuffle（混洗）过程将相同key的数据归并到同一Reduce任务，Shuffle是连接Map与Reduce的关键环节。6.下列不属于数据挖掘常用算法的是（）。A.K-Means聚类B.Apriori关联分析C.决策树D.TCP/IP协议答案D解析TCP/IP是网络通信协议，不属于数据挖掘算法。K-Means、Apriori、决策树均为常见数据挖掘算法。7.在数据生命周期管理中，数据质量管理的首要环节是（）。A.数据归档B.数据清洗C.数据采集D.数据销毁答案C解析数据质量管理贯穿数据全生命周期，采集环节是数据进入系统的入口，采集质量直接影响后续环节，是质量管理的首要环节。8.下列不属于大数据分析常用可视化工具的是（）。A.EChartsB.TableauC.PowerBID.Photoshop答案D解析Photoshop是图像处理软件，不用于数据分析可视化。ECharts、Tableau、PowerBI均为常见数据可视化工具。9.下列关于数据脱敏的说法，正确的是（）。A.数据脱敏后数据完全不可用B.数据脱敏是保护敏感数据的一种手段C.数据脱敏只适用于结构化数据D.数据脱敏可以彻底消除所有安全风险答案B解析数据脱敏是对敏感信息进行变形处理以保护数据安全的手段，脱敏后的数据仍可部分使用，适用于结构化与非结构化数据，但不能彻底消除所有风险。10.Spark与MapReduce相比，最大的性能优势在于（）。A.基于内存计算B.支持更多编程语言C.不需要数据存储D.不支持实时计算答案A解析Spark的核心优势是基于内存的分布式计算，中间结果直接驻留内存，避免了MapReduce频繁读写磁盘的开销，迭代计算性能大幅提升。11.在SQL中，用于对分组后的数据进行条件筛选的关键字是（）。A.WHEREB.HAVINGC.ORDERBYD.GROUPBY答案B解析WHERE用于分组前对行进行筛选；HAVING用于分组后对组进行筛选。GROUPBY用于分组，ORDERBY用于排序。12.数据中台的核心功能是（）。A.数据采集与存储B.数据资产化管理与服务复用C.数据可视化展示D.数据备份与恢复答案B解析数据中台的核心是将数据加工为可复用的数据服务能力，实现数据资产化管理，打破数据孤岛，支撑业务创新。13.下列属于非结构化数据的是（）。A.关系数据库中的订单表B.Excel统计表C.监控视频文件D.JSON格式的日志答案C解析监控视频属于非结构化数据。关系表、Excel表格属于结构化数据，JSON日志属于半结构化数据。14.在数据备份策略中，RPO（恢复点目标）是指（）。A.系统恢复所需的时间B.可容忍的数据丢失量C.备份数据的存储周期D.备份任务的执行频率答案B解析RPO（RecoveryPointObjective）衡量灾难发生时允许丢失的数据量，RTO（RecoveryTimeObjective）衡量业务恢复所需时间。15.下列关于区块链与大数据关系的描述，错误的是（）。A.区块链可保障链上数据的不可篡改B.区块链是大数据存储的主要方案C.区块链可用于数据溯源D.区块链技术可提升数据可信度答案B解析区块链并不适合大规模数据存储，主要存储交易哈希等元数据，大容量数据通常存储在链下系统中。16.在Python数据分析中，用于科学计算的核心库是（）。A.DjangoB.NumPyC.FlaskD.Requests答案B解析NumPy是Python科学计算的基础库，提供多维数组对象和数学运算功能。Django、Flask是Web框架，Requests是HTTP库。17.下列不属于数据仓库建模方法的是（）。A.星型模型B.雪花模型C.雪花算法D.事实星座模型答案C解析雪花算法是生成分布式ID的算法，不属于数据仓库建模方法。星型、雪花、事实星座均为常见数据仓库建模模型。18.在流式计算中，Storm与SparkStreaming相比，Storm的突出特点是（）。A.吞吐量更高B.微批处理C.毫秒级低延迟D.基于内存计算答案C解析Storm是纯流式处理框架，支持毫秒级延迟；SparkStreaming采用微批处理模式，吞吐量高但延迟通常为秒级。19.下列关于数据所有权的说法，正确的是（）。A.数据所有权仅指数据本身，不包括数据衍生价值B.数据所有权可以完全等同于物权C.数据具有非排他性，同一数据可被多方使用D.个人数据的所有权一律属于数据收集者答案C解析数据不同于传统物权客体，具有非排他性和可复制性，同一数据可以被多方同时使用，这是数据权属制度设计的难点。20.数据治理中，元数据管理的核心作用是（）。A.提高数据存储容量B.描述数据的数据，便于理解、检索和管理数据C.压缩数据存储空间D.加密数据传输过程答案B解析元数据是"关于数据的数据"，记录数据的来源、格式、含义、血缘等信息，是数据管理、检索和数据资产化的基础。21.在推荐系统中，协同过滤算法的主要思想是（）。A.基于物品内容特征进行推荐B.利用用户或物品之间的相似性进行推荐C.随机推荐热门物品D.基于人工规则的推荐答案B解析协同过滤的核心思想是利用群体行为，通过计算用户之间或物品之间的相似度来进行推荐，分为基于用户和基于物品两种。22.大数据环境下，数据采集时通常需要对数据进行预处理，下列不属于预处理操作的是（）。A.数据清洗B.数据集成C.数据规约D.数据加密答案D解析数据预处理包括数据清洗、数据集成、数据变换、数据规约等。数据加密属于数据安全技术，不属于常规预处理操作。23.下列不属于机器学习典型任务的是（）。A.分类B.聚类C.回归D.排序算法答案D解析分类、回归属于监督学习任务，聚类属于无监督学习任务。排序算法是计算机基础算法，不属于机器学习任务类型。24.在SQL查询中，语句SELECT*FROMtableWHEREageBETWEEN20AND30的含义是（）。A.查询age等于20或30的记录B.查询age大于20且小于30的记录C.查询age大于等于20且小于等于30的记录D.查询age小于20或大于30的记录答案C解析BETWEEN...AND...是闭区间查询，包含边界值，即查询age在20到30之间（含两端）的记录。25.在数据可视化中，适合展示部分与整体关系的图表是（）。A.折线图B.饼图C.散点图D.箱线图答案B解析饼图直观展示各部分在整体中的占比。折线图适合趋势，散点图适合相关性，箱线图适合分布。26.下列关于公有云、私有云和混合云的说法，错误的是（）。A.公有云成本较低，弹性扩展能力强B.私有云安全可控性更高C.混合云不能同时使用公有云和私有云资源D.政务大数据平台常采用混合云架构答案C解析混合云是公有云与私有云的结合，可兼顾安全性与弹性扩展能力，政务平台常采用混合云架构。27.在数据挖掘过程中，将原始数据转换成适合建模格式的过程称为（）。A.数据探索B.数据变换C.模型评估D.模型部署答案B解析数据变换是数据预处理的重要步骤，包括规范化、离散化、属性构造等，目的是将原始数据转换为适合数据挖掘算法的格式。28.下列不属于数据安全防护技术的是（）。A.数据加密B.访问控制C.数据脱敏D.数据索引答案D解析数据索引用于提升查询效率，属于数据库优化技术，不直接用于数据安全防护。加密、访问控制、脱敏均为安全技术。29.Flume在大数据技术栈中主要用于（）。A.数据可视化B.日志数据的采集C.数据仓库建设D.任务调度答案B解析Flume是分布式日志采集系统，用于从各类数据源采集海量日志数据并传输至HDFS、Kafka等存储系统。30.下列关于NoSQL数据库的说法，正确的是（）。A.NoSQL数据库不支持数据持久化B.NoSQL数据库一定不支持SQL查询C.NoSQL数据库通常具有水平扩展能力D.NoSQL数据库只能存储键值数据答案C解析NoSQL数据库包括键值型、文档型、列族型、图数据库等，通常具备良好的水平扩展能力，部分NoSQL数据库也支持SQL接口。31.在数据生命周期中，数据销毁环节的主要目的是（）。A.释放存储空间并降低数据泄露风险B.提高数据查询速度C.增加数据备份数量D.提升数据可视化效果答案A解析数据销毁是在数据达到保留期限后，安全删除或物理销毁数据，以释放存储资源并防止敏感数据泄露。32.下列关于数据开放与数据共享的区别，说法正确的是（）。A.数据开放是面向社会公众的，数据共享是面向特定主体的B.数据开放与数据共享没有任何区别C.数据共享面向社会公众，数据开放面向政府部门D.数据开放不需要脱敏处理答案A解析数据开放面向社会公众无条件或有条件提供；数据共享面向特定部门、机构或组织在授权范围内使用，二者在对象和方式上有明确区别。33.在关联规则挖掘中，支持度表示（）。A.规则的可靠性程度B.项集在数据集中出现的频率C.规则的提升度D.数据集的样本量答案B解析支持度（Support）反映项集在数据集中出现的频率，置信度（Confidence）反映规则的可靠性，提升度（Lift）反映规则的相关性强度。34.下列不属于数据仓库特性的是（）。A.面向主题B.集成性C.时变性D.频繁更新答案D解析数据仓库具有面向主题、集成、稳定（非易失）、随时间变化四大特性。数据仓库中的数据一般不进行频繁更新，以批量装载为主。35.在分布式计算框架中，ZooKeeper的主要作用是（）。A.数据存储B.分布式协调服务C.数据计算D.数据采集答案B解析ZooKeeper是分布式协调服务组件，提供配置管理、命名服务、分布式锁、集群管理等能力。36.下列关于数据质量的评价维度，不包括（）。A.完整性B.准确性C.时效性D.冗余性答案D解析数据质量评价通常包括完整性、准确性、一致性、时效性、唯一性、有效性等维度，冗余性不属于数据质量评价维度。37.在Python中，用于数据清洗和处理的核心库是（）。A.PandasB.MatplotlibC.Scikit-learnD.TensorFlow答案A解析Pandas提供DataFrame等数据结构，是数据清洗、转换、分析的核心库。Matplotlib用于可视化，Scikit-learn用于机器学习，TensorFlow用于深度学习。38.下列关于数据容灾备份的说法，正确的是（）。A.数据备份等同于数据容灾B.容灾系统通常包含数据备份和灾难恢复能力C.数据容灾不需要考虑地理位置D.容灾只在数据丢失后起作用答案B解析容灾是更全面的概念，包含数据备份、系统切换、业务恢复等能力；数据备份是容灾的基础但不等于容灾。39.在数据挖掘中，K-Means算法属于（）。A.分类算法B.聚类算法C.关联规则算法D.回归算法答案B解析K-Means是一种基于划分的聚类算法，通过迭代优化簇内距离将样本划分为K个簇，属于无监督学习。40.下列关于数据伦理的说法，错误的是（）。A.数据采集应遵循最小必要原则B.数据分析结果可能产生算法歧视C.数据伦理只涉及个人隐私，不涉及公共安全D.数据使用应保证透明性和可解释性答案C解析数据伦理不仅涉及个人隐私保护，还包括算法公平、数据垄断、公共安全、社会公正等多个方面。41.在Hive中，用于定义数据仓库中表结构并映射到HDFS数据文件的语句类型是（）。A.DML语句B.DDL语句C.DCL语句D.TCL语句答案B解析DDL（DataDefinitionLanguage）用于定义和管理数据结构，如CREATETABLE、ALTERTABLE等。Hive通过DDL将表结构映射到HDFS文件。42.下列不属于数据采集方式的是（）。A.传感器采集B.网络爬虫C.日志文件采集D.数据可视化答案D解析数据可视化是数据分析结果的展示方式，不属于数据采集。传感器、爬虫、日志采集均为常见数据采集手段。43.下列关于数据标注的说法，正确的是（）。A.数据标注只用于图像识别B.数据标注是监督学习模型训练的重要基础C.数据标注不需要质量审核D.数据标注可以完全替代特征工程答案B解析数据标注为监督学习提供标签样本，是模型训练的基础环节，适用于图像、文本、语音等多类数据，且需要严格的质量控制。44.在流处理中，Kafka的核心作用定位是（）。A.分布式消息队列B.数据可视化工具C.数据仓库D.机器学习框架答案A解析Kafka是分布式消息队列系统，用于高吞吐、低延迟的数据传输和缓冲，是流式计算架构中的核心组件。45.下列不属于数据挖掘过程CRISP-DM标准中阶段的是（）。A.业务理解B.数据理解C.模型部署D.数据加密答案D解析CRISP-DM标准包括业务理解、数据理解、数据准备、建模、评估、部署六个阶段，数据加密不在其中。46.在关系型数据库中，用于保证数据一致性和完整性的机制是（）。A.索引B.事务C.视图D.触发器答案B解析事务具有ACID特性（原子性、一致性、隔离性、持久性），是保证数据库数据一致性和完整性的核心机制。47.下列属于图数据库的是（）。A.MySQLB.RedisC.Neo4jD.MongoDB答案C解析Neo4j是典型的图数据库，用于存储和处理实体间的关系。MySQL是关系型数据库，Redis是键值数据库，MongoDB是文档数据库。48.在数据可视化中，箱线图主要用于展示（）。A.数据的趋势变化B.数据的分布和离群点C.数据的占比关系D.数据之间的相关性答案B解析箱线图通过四分位数、中位数、异常值等展示数据分布特征，能直观识别离群点。49.下列关于数据跨境流动的说法，正确的是（）。A.数据跨境流动不需要任何审批B.重要数据出境需依法进行安全评估C.所有数据都可以自由跨境流动D.数据跨境流动仅涉及企业数据答案B解析根据《数据安全法》和《个人信息保护法》，重要数据和个人信息出境须依法进行安全评估、标准合同或认证等合规路径。50.在机器学习模型评估中，用于衡量分类模型预测正确比例的指标是（）。A.均方误差B.准确率C.召回率D.F1分数答案B解析准确率（Accuracy）是分类正确的样本占总样本的比例。召回率衡量正类样本被正确识别的比例，F1分数是精确率与召回率的调和平均。二、多项选择题（每题2分，共30分）1.大数据的"4V"特征包括（）。A.数据量大B.处理速度快C.类型多样D.价值密度低E.数据完全准确答案ABCD解析大数据的"4V"特征为Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）。数据完全准确不是大数据特征。2.下列属于分布式计算框架的有（）。A.HadoopMapReduceB.SparkC.FlinkD.HDFSE.Kafka答案ABC解析MapReduce、Spark、Flink均为分布式计算框架。HDFS是分布式存储系统，Kafka是分布式消息队列。3.下列属于数据预处理环节的有（）。A.数据清洗B.数据集成C.数据变换D.数据规约E.数据可视化答案ABCD解析数据预处理包括数据清洗、数据集成、数据变换、数据规约等环节。数据可视化属于分析结果展示，不属于预处理。4.下列属于数据安全技术的有（）。A.数据加密B.数据脱敏C.访问控制D.数据审计E.数据压缩答案ABCD解析数据加密、脱敏、访问控制、审计均为数据安全技术。数据压缩主要用于节省存储空间，不属于安全技术。5.数据仓库的建模方式包括（）。A.星型模型B.雪花模型C.事实星座模型D.图模型E.键值模型答案ABC解析星型模型、雪花模型、事实星座模型是数据仓库多维建模的经典方式。图模型、键值模型属于NoSQL数据模型。6.下列属于非关系型数据库的有（）。A.MongoDBB.RedisC.HBaseD.MySQLE.Neo4j答案ABCE解析MongoDB（文档型）、Redis（键值型）、HBase（列族型）、Neo4j（图型）均属于NoSQL数据库。MySQL是关系型数据库。7.下列关于数据质量评价维度的说法，正确的有（）。A.完整性是指数据是否存在缺失B.准确性是指数据是否真实反映客观实体C.一致性是指同一数据在不同系统中是否保持统一D.时效性是指数据是否满足时间要求E.冗余性是指数据是否重复存储答案ABCD解析完整性、准确性、一致性、时效性是数据质量的经典评价维度。冗余性不用于评价数据质量，反而是需要治理的问题。8.机器学习中常用的监督学习算法有（）。A.线性回归B.逻辑回归C.K-MeansD.支持向量机E.Apriori答案ABD解析线性回归、逻辑回归、支持向量机属于监督学习算法。K-Means是无监督聚类算法，Apriori是关联规则算法。9.下列属于流式计算框架的有（）。A.ApacheFlinkB.ApacheStormC.SparkStreamingD.HadoopMapReduceE.ApacheKafka答案ABC解析Flink、Storm、SparkStreaming均为流式计算框架。MapReduce是批处理框架，Kafka是消息队列系统。10.下列关于数据中台的说法，正确的有（）。A.数据中台强调数据的资产化管理B.数据中台提供可复用的数据服务C.数据中台可以打通数据孤岛D.数据中台等同于数据仓库E.数据中台支撑业务快速创新答案ABCE解析数据中台是集数据资产化、服务化、复用化于一体的体系，不等同于数据仓库。数据仓库是中台的数据基础之一。11.根据《中华人民共和国数据安全法》，国家建立的数据安全制度包括（）。A.数据分类分级保护制度B.数据安全审查制度C.数据出口管制制度D.数据交易管理制度E.数据销毁备案制度答案ABCD解析《数据安全法》确立了数据分类分级保护、数据安全审查、数据出口管制、数据交易管理、数据安全应急处置等制度。12.在数据可视化中，适合用于比较多个类别数值大小的图表有（）。A.柱状图B.条形图C.雷达图D.折线图E.饼图答案AB解析柱状图和条形图最适合用于类别间的数值比较。雷达图适合多维度对比，折线图适合趋势，饼图适合占比。13.下列属于大数据在政务领域典型应用场景的有（）。A.智慧交通调度B.精准社会救助C.城市运行态势感知D.宏观经济预测E.个人社交聊天答案ABCD解析智慧交通、精准救助、城市态势感知、经济预测均为大数据在政务领域的典型应用。个人社交聊天不属于政务应用。14.下列关于个人信息保护的说法，符合《中华人民共和国个人信息保护法》的有（）。A.处理个人信息应当遵循最小必要原则B.处理敏感个人信息需取得个人单独同意C.个人信息处理者应当落实安全技术措施D.个人有权撤回其同意E.任何情况下都不得处理个人信息答案ABCD解析《个人信息保护法》确立了最小必要、单独同意、安全保护、撤回同意等原则。在合法合规情形下可以处理个人信息，E错误。15.在分布式系统中，一致性哈希算法的主要优点有（）。A.节点增减时数据迁移量小B.负载均衡性较好C.支持虚拟节点提升均衡性D.不需要任何网络通信E.可以完全避免数据冲突答案ABC解析一致性哈希在节点增减时只需迁移少量数据，引入虚拟节点可改善负载均衡。它依赖分布式网络通信，且无法完全避免哈希冲突。三、判断题（每题1分，共15分）1.大数据技术只能处理结构化数据。答案错误解析大数据技术可以处理结构化、半结构化和非结构化数据，如文本、图片、音视频等。2.HDFS适合存储大量小文件。答案错误解析HDFS的元数据存储在NameNode内存中，海量小文件会消耗大量内存，HDFS更适合存储少量大文件。3.数据清洗是数据预处理的重要步骤之一。答案正确4.数据脱敏可以完全替代数据加密。答案错误解析数据脱敏和加密是两种不同用途的技术，脱敏用于降低数据敏感性，加密用于保护数据机密性，不能互相替代。5.在SQL中，GROUPBY子句通常与聚合函数配合使用。答案正确6.数据仓库中的数据通常会被频繁地修改和更新。答案错误解析数据仓库以批量装载为主，数据相对稳定，主要面向查询和分析，不进行频繁的修改和更新。7.Spark的RDD（弹性分布式数据集）支持多种数据源。答案正确8.数据可视化只是将数据以图形方式展示，不具备数据分析功能。答案错误解析可视化不仅是展示手段，还能辅助数据探索、发现规律、识别异常，是数据分析的重要环节。9.数据分类分级是数据安全保护的基础性工作。答案正确10.在机器学习中，训练集和测试集可以有重叠。答案错误解析训练集与测试集必须严格分离，否则会导致模型评估结果过拟合，无法真实反映泛化能力。11.数据开放应当遵循"以公开为常态、不公开为例外"的原则。答案正确12.一致性哈希算法在分布式缓存中可以减少节