2026年新公需科目《大数据》完整考试题库(含参考答案)

2026年新公需科目《大数据》完整考试题库(含参考答案)一、单项选择题（每题2分，共40分）1.以下哪项不属于大数据的典型特征？A.Volume（大量）B.Velocity（高速）C.Variance（变异）D.Veracity（真实性）答案：C2.Hadoop分布式文件系统（HDFS）的核心设计目标是？A.支持小文件高效存储B.提供低延迟数据访问C.处理大规模数据集的分布式存储D.实现实时数据计算答案：C3.以下哪种技术属于实时流数据处理框架？A.HadoopMapReduceB.ApacheSparkStreamingC.ApacheHiveD.ApachePig答案：B4.数据清洗中处理缺失值的常用方法不包括？A.删除包含缺失值的记录B.用均值/中位数填充C.用随机数填充D.基于模型预测填充答案：C5.下列哪项是NoSQL数据库的典型应用场景？A.需要严格事务支持的银行交易系统B.存储大规模非结构化日志数据C.要求高一致性的关系型业务系统D.需复杂SQL查询的企业ERP系统答案：B6.大数据分析中，用于发现数据中隐藏关联规则的方法是？A.聚类分析B.关联规则挖掘C.分类分析D.回归分析答案：B7.以下哪项属于大数据安全的核心挑战？A.数据存储成本过高B.数据量增长过快C.隐私泄露与数据滥用D.计算资源不足答案：C8.联邦学习的主要优势是？A.集中所有数据提升模型精度B.无需数据传输即可联合建模C.降低数据存储硬件要求D.简化数据清洗流程答案：B9.数据湖（DataLake）与数据仓库（DataWarehouse）的主要区别在于？A.数据湖仅存储结构化数据B.数据仓库支持原始数据直接分析C.数据湖存储多类型原始数据D.数据仓库不支持实时查询答案：C10.以下哪种技术用于解决大数据的“最后一公里”问题，将分析结果转化为业务行动？A.数据可视化B.数据采集C.数据存储D.数据清洗答案：A11.某电商平台需分析用户购物车商品组合规律，应采用的分析方法是？A.分类分析（如决策树）B.关联规则挖掘（如Apriori算法）C.聚类分析（如K-means）D.时间序列预测（如ARIMA）答案：B12.以下哪项是HBase的核心特性？A.支持SQL查询B.基于列族的分布式存储C.适合批处理大文件D.强一致性事务支持答案：B13.大数据时代，数据价值密度的特点是？A.随着数据量增加而显著提升B.与数据量大小无关C.数据量越大，价值密度越低D.仅在结构化数据中体现答案：C14.以下哪种技术用于实现数据的脱敏处理？A.哈希加密（Hash）B.差分隐私（DifferentialPrivacy）C.分布式计算（DistributedComputing）D.内存计算（In-memoryComputing）答案：B15.智慧城市中，通过传感器网络实时采集交通流量数据并优化信号灯，主要依赖的大数据技术是？A.离线批处理B.实时流处理C.图计算D.知识图谱答案：B16.以下哪项不属于大数据分析的主要步骤？A.数据采集与整合B.数据可视化与应用C.硬件采购与部署D.数据建模与验证答案：C17.关于Spark与Hadoop的关系，正确的表述是？A.Spark完全替代了HadoopB.Spark基于内存计算，适合迭代式计算C.Hadoop仅支持MapReduce计算模型D.Spark不支持与HDFS集成答案：B18.数据治理的核心目标是？A.增加数据存储量B.确保数据质量与合规性C.提升数据处理速度D.降低数据采集成本答案：B19.以下哪种场景最适合使用图数据库（如Neo4j）？A.存储用户基本信息表B.分析社交网络中的用户关系C.处理电商订单交易记录D.存储日志文件的原始数据答案：B20.大数据伦理问题主要涉及？A.数据计算效率B.数据所有权与隐私保护C.数据存储介质选择D.数据处理算法复杂度答案：B二、多项选择题（每题3分，共30分）1.大数据的“4V”特征包括（）。A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Value（价值）答案：ABCD2.以下属于Hadoop生态组件的有（）。A.HDFS（分布式文件系统）B.MapReduce（计算框架）C.Hive（数据仓库工具）D.Flink（流处理框架）答案：ABC3.数据清洗的主要任务包括（）。A.处理缺失值B.检测并修正异常值C.删除冗余重复数据D.增加数据维度答案：ABC4.隐私保护技术中，属于匿名化方法的有（）。A.去标识化（De-identification）B.k-匿名（k-anonymity）C.差分隐私（DifferentialPrivacy）D.同态加密（HomomorphicEncryption）答案：AB5.大数据存储技术包括（）。A.关系型数据库（如MySQL）B.分布式文件系统（如HDFS）C.NoSQL数据库（如HBase）D.内存数据库（如Redis）答案：BCD6.实时流数据处理的典型应用场景有（）。A.股票交易实时监控B.电商实时推荐C.日志离线分析D.社交媒体舆情实时分析答案：ABD7.大数据分析中的监督学习方法包括（）。A.决策树分类B.线性回归C.K-means聚类D.支持向量机（SVM）答案：ABD8.数据湖的优势包括（）。A.支持多类型数据存储（结构化、半结构化、非结构化）B.直接存储原始数据，保留完整信息C.适合高事务性业务系统D.支持灵活的分析需求（如机器学习、即席查询）答案：ABD9.大数据安全防护的关键措施有（）。A.数据加密（传输与存储）B.访问控制（角色权限管理）C.数据脱敏（隐私保护）D.忽略小文件安全风险答案：ABC10.智慧城市中大数据的应用场景包括（）。A.智能交通调度B.环境质量实时监测C.公共安全事件预警D.个人健康数据隐私泄露答案：ABC三、判断题（每题2分，共20分）1.大数据的核心是“更多数据”而非“更精准数据”。（）答案：×（核心是从海量数据中挖掘价值）2.HadoopMapReduce适合处理实时性要求高的流数据。（）答案：×（MapReduce是批处理框架）3.数据仓库主要用于支持企业日常事务处理（OLTP）。（）答案：×（数据仓库支持决策分析OLAP）4.聚类分析属于无监督学习，不需要标注数据。（）答案：√5.差分隐私通过添加随机噪声，确保单个数据的修改不影响整体分析结果。（）答案：√6.NoSQL数据库完全放弃了ACID特性，仅支持BASE特性。（）答案：×（部分NoSQL支持弱事务）7.数据可视化的主要目的是让数据更美观，而非传递有效信息。（）答案：×（核心是直观传递信息）8.联邦学习需要将各参与方的数据集中到中央服务器进行训练。（）答案：×（数据不离开本地，仅交换模型参数）9.数据湖适合存储经过清洗和结构化处理后的数据。（）答案：×（数据湖存储原始多结构数据）10.大数据时代，“数据孤岛”问题已完全解决。（）答案：×（仍是主要挑战之一）四、简答题（每题5分，共20分）1.简述大数据与传统数据处理的主要区别。答案：传统数据处理以结构化数据为主，数据量较小（GB级），处理速度慢（批处理为主），依赖关系型数据库；大数据处理对象包括结构化、半结构化、非结构化数据（PB级以上），强调实时/准实时处理（流处理+批处理结合），使用分布式存储（如HDFS）和计算框架（如Spark），价值密度低但可挖掘隐藏关联。2.说明Hadoop生态中HDFS与HBase的区别。答案：HDFS是分布式文件系统，适合存储大文件（如日志、视频），支持一次写入多次读取，适合批处理；HBase是基于HDFS的NoSQL数据库，采用列族存储，支持随机读写和实时查询，适合高并发、低延迟的小数据访问（如用户行为记录）。3.列举三种大数据分析方法并说明其应用场景。答案：（1）关联规则挖掘（如Apriori算法）：分析购物篮数据，发现“买尿布的用户常买啤酒”的关联关系，用于商品推荐；（2）分类分析（如随机森林）：根据用户特征分类为高/中/低价值客户，制定差异化营销策略；（3）时间序列预测（如LSTM）：预测未来一周的商品销量，优化库存管理。4.简述数据脱敏的常用技术及适用场景。答案：常用技术包括：（1）去标识化：删除姓名、身份证号等直接标识符，适用于需对外共享的用户基本信息；（2）k-匿名：确保每条记录在至少k条记录中无法被区分，适用于统计报表发布；（3）差分隐私：添加可控噪声，适用于需要保护个体隐私的统计分析（如人口普查数据发布）。五、案例分析题（共20分）某连锁超市计划构建大数据分析系统，目标包括：（1）分析用户购物行为，优化商品陈列；（2）预测促销活动期间的商品销量；（3）监控会员数据泄露风险。请结合大数据技术回答以下问题：（1）需采集哪些类型的数据？举例说明。（5分）（2）推荐使用哪些存储和处理技术？为什么？（7分）（3）针对会员数据泄露风险，应采取哪些安全措施？（8分）答案：（1）需采集的类型包括：结构化数据（如订单记录、会员信息表）、半结构化数据（如JSON格式的促销活动日志）、非结构化数据（如监控视频中的顾客停留时长、客服对话文本）。例如，订单记录包含商品ID、购买时间、数量等字段；促销日志记录用户点击促销页面的行为；客服对话文本可用于分析用户投诉热点。（2）存储技术：采用HDFS存储原始日志和视频等大文件，HBase存储需要实时查询的会员行为数据（如最近30天购买记录），MySQL存储结构化的会员基本信息（如姓名、手机号）。处理技术：使用Spark进行离线批处理（如历史销售数据建模），Flink进行实时流处理（如监控促销活动期间的实时销量），Hive用于数据仓库的OLAP分析（如商品销售趋势统计）。选择依据：HDFS适合大文件存储，HBase支持低延迟随机访问，关系型数据库满足结构化数据的事务需求；Spark和Flink分别覆盖批处理和流处理场景，Hiv