2026继续教育公需科目大数据技术及应用试题及答案

2026继续教育公需科目大数据技术及应用试题及答案一、单项选择题（每题1分，共20分）1.在大数据“4V”特征中，强调“数据总量巨大但价值密度低，需要通过分析才能提取价值”的是？A.VolumeB.VelocityC.VarietyD.Value答案：D解析：Value特征指海量数据中真正有用的信息密度较低，需要借助分析技术挖掘潜在价值。2.下列哪项不属于大数据的典型特征？A.数据量大B.数据类型多样C.数据产生和处理速度快D.数据绝对准确答案：D解析：大数据具有大量、多样、高速、低价值密度等特点，但不保证数据绝对准确，真实性需要通过数据治理提升。3.HDFS中负责存储文件元数据（目录、文件块位置等）的组件是？A.DataNodeB.NameNodeC.SecondaryNameNodeD.Client答案：B解析：NameNode管理文件系统命名空间和元数据；DataNode存储实际数据块。4.下列哪个组件负责Hadoop集群的资源管理与任务调度？A.HDFSB.MapReduceC.YARND.Hive答案：C解析：YARN负责集群资源分配和任务调度。5.ApacheSpark相比HadoopMapReduce最大的优势是？A.提供分布式文件系统B.基于内存进行迭代计算C.不支持多种开发语言D.只能处理离线数据答案：B解析：Spark将中间结果缓存在内存中，显著提升机器学习等迭代计算效率。6.下列哪个是NoSQL数据库？A.MySQLB.OracleC.MongoDBD.SQLServer答案：C解析：MongoDB是文档型NoSQL数据库，MySQL、Oracle、SQLServer均为关系型数据库。7.在大数据技术栈中，ApacheKafka的主要作用是？A.分布式消息队列与流数据管道B.分布式文件存储C.数据可视化D.数据仓库答案：A解析：Kafka常用于日志采集、消息解耦和流式计算的数据入口。8.机器学习中，将数据划分为训练集和测试集的目的是？A.加快训练速度B.评估模型的泛化能力C.降低数据维度D.消除数据噪声答案：B解析：测试集用于检验模型在未见过的数据上的表现，即泛化能力。9.下列哪种方法属于无监督学习？A.线性回归B.逻辑回归C.K-Means聚类D.决策树分类答案：C解析：K-Means聚类不需要标签，属于无监督学习；其余均为监督学习。10.数据挖掘中“购物篮分析”主要用于发现？A.分类规则B.关联规则C.回归规则D.时序规则答案：B解析：购物篮分析通过关联规则发现商品间的共现关系，如“啤酒与尿布”案例。11.数据可视化中，最适合用于展示部分与整体比例关系的是？A.折线图B.饼图C.散点图D.箱线图答案：B12.在数据预处理中，将不同量纲的特征缩放到[0A.标准化B.归一化C.离散化D.抽样答案：B解析：归一化通常指Min-Max缩放，将数值映射到[0,113.大数据安全防护中，对敏感数据加密的主要目的是？A.提高数据查询速度B.防止未授权访问时泄露数据内容C.减少数据备份数量D.改变数据结构答案：B14.下列哪项属于大数据在医疗健康领域的典型应用？A.精准医疗B.智能推荐C.交通流量预测D.信用评分答案：A解析：精准医疗通过对海量基因、临床和影像数据分析实现个性化诊疗，是医疗大数据的典型应用。15.《中华人民共和国数据安全法》自哪一天起施行？A.2021年9月1日B.2021年11月1日C.2022年1月1日D.2023年1月1日答案：A解析：《数据安全法》于2021年9月1日施行；《个人信息保护法》于2021年11月1日施行。16.根据《中华人民共和国个人信息保护法》，处理敏感个人信息应当取得个人的？A.口头同意B.单独同意C.默示同意D.紧急同意答案：B17.下列关于数据仓库特征的表述，正确的是？A.面向主题、集成、时变且非易失B.支持高并发在线事务处理C.主要用于存储非结构化数据D.采用键值对存储模型答案：A解析：数据仓库面向分析决策，具有面向主题、集成、稳定且随时间变化的特征；高并发事务处理属于关系型数据库（OLTP）的范畴。18.在实时流计算中，“窗口计算”的主要作用是？A.对无限数据流按时间或数量切分为有限批次进行处理B.降低数据存储成本C.加快数据采集速度D.对静态数据进行批量汇总答案：A19.在HDFS中，默认的数据块副本系数是？A.1B.2C.3D.5答案：C20.大数据分析的生命周期顺序通常是？A.采集→存储→清洗→分析→可视化→归档销毁B.存储→采集→分析→清洗→可视化→归档销毁C.采集→分析→清洗→存储→可视化→归档销毁D.清洗→采集→存储→分析→可视化→归档销毁答案：A二、多项选择题（每题2分，共20分）1.下列哪些属于大数据“5V”特征的范畴？A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Value（价值）E.Veracity（真实性）答案：ABCDE解析：大数据“5V”特征包括Volume、Velocity、Variety、Value和Veracity。2.下列属于Hadoop生态系统的组件有？A.HDFSB.MapReduceC.YARND.HiveE.HBase答案：ABCDE解析：HDFS负责分布式存储，MapReduce提供批处理模型，YARN负责资源调度；Hive是数据仓库工具，HBase是列式NoSQL数据库，均属于Hadoop生态。3.下列属于数据预处理常用方法的有？A.缺失值填充B.重复数据去重C.归一化D.主成分分析（PCA）降维E.随机森林分类答案：ABCD解析：A、B、C、D分别属于数据清洗、数据变换和数据规约；随机森林属于分类建模方法，不属于预处理。4.机器学习按学习方式可分为？A.监督学习B.无监督学习C.半监督学习D.强化学习E.深度学习答案：ABCD解析：按学习方式可分为监督学习、无监督学习、半监督学习和强化学习；深度学习是一种模型训练方法，不是独立的学习方式分类。5.下列属于大数据实时流计算框架的有？A.ApacheStormB.ApacheFlinkC.KafkaStreamsD.HadoopMapReduceE.Hive答案：ABC解析：Storm、Flink、KafkaStreams均支持流式处理；MapReduce与Hive属于离线批处理技术。6.关于关系型数据库与NoSQL数据库，下列说法正确的有？A.关系型数据库支持事务ACID特性B.NoSQL数据库通常具有更好的水平扩展能力C.关系型数据库适合管理严格结构化的数据D.NoSQL数据库不支持任何查询操作E.两者可以在大数据系统中互补使用答案：ABCE解析：D表述错误，NoSQL数据库同样支持查询，只是查询方式与传统SQL不同。7.下列属于数据安全防护措施的有？A.数据加密B.访问控制C.数据脱敏D.日志审计E.定期备份答案：ABCDE8.下列属于大数据在智慧城市中应用场景的有？A.交通流量预测B.智慧安防C.环境监测D.能源调度E.智慧政务答案：ABCDE9.下列属于数据可视化常用图表类型的有？A.折线图B.柱状图C.散点图D.热力图E.桑基图答案：ABCDE10.下列属于数据质量评价维度的有？A.准确性B.完整性C.一致性D.时效性E.唯一性答案：ABCDE三、判断题（每题1分，共20分）1.大数据的概念只强调数据量大，不包括数据类型和处理速度。答案：错误解析：大数据具有大量、多样、高速、价值密度低等多方面特征。2.结构化数据可以使用关系型数据库进行存储和管理。答案：正确3.HDFS适合存储大量小文件。答案：错误解析：HDFS更适合大文件，海量小文件会大量占用NameNode内存，降低访问效率。4.MapReduce适用于低延迟的实时查询场景。答案：错误解析：MapReduce是离线批处理模型，不适合对实时性要求高的场景。5.Spark通过基于内存的计算模式显著提升了迭代算法的效率。答案：正确6.数据清洗是数据分析过程中的必要环节。答案：正确7.K-Means聚类算法属于无监督学习方法。答案：正确8.分类问题必须有带标签的训练数据。答案：正确9.数据可视化就是用图表美化数据，没有分析和决策价值。答案：错误解析：数据可视化可以直观揭示数据中的规律、趋势和异常，辅助决策。10.NoSQL数据库可以完全取代关系型数据库。答案：错误11.云计算为大数据的存储和计算提供了弹性、可扩展的资源支撑。答案：正确12.大数据分析只依赖统计学方法，不需要机器学习和数据挖掘技术。答案：错误13.《中华人民共和国个人信息保护法》于2021年11月1日起施行。答案：正确14.数据经过脱敏后，就可以在互联网上任意发布，无需进行风险评估。答案：错误解析：脱敏数据仍可能通过关联分析被还原，发布前应评估重识别风险并满足合规要求。15.数据备份只能防止逻辑错误，无法应对硬件故障导致的数据丢失。答案：错误解析：数据备份通过冗余副本可应对硬件故障、误删除、勒索病毒等多种风险。16.实时流计算与离线批处理可以根据业务场景互补使用。答案：正确17.数据归档就是立即删除数据以释放存储空间。答案：错误解析：归档是将数据迁移到低成本的长期存储介质以备合规审查和历史分析，并非删除。18.A/B测试是一种利用对照实验进行数据驱动决策的常用方法。答案：正确19.将连续变量离散化可以提升模型的稳定性和可解释性。答案：正确20.大数据系统中必须完全放弃传统关系型数据库。答案：错误四、简答题（每题10分，共40分）1.简述大数据“4V”特征及其含义。答案：（1）Volume（大量）：数据规模巨大，常达到TB至PB级以上；（2）Velocity（高速）：数据产生和处理速度快，强调时效性；（3）Variety（多样）：数据类型丰富，包括结构化、半结构化和非结构化数据；（4）Value（价值）：整体价值密度低，但经过分析可挖掘出巨大价值。2.简述Hadoop中HDFS、MapReduce、YARN的基本作用。答案：HDFS是分布式文件系统，负责海量数据的高可靠存储，通过多副本机制保证容错；MapReduce是分布式批处理计算框架，采用“分而治之”思想，将计算任务分解为Map和Reduce两个阶段；YARN是集群资源管理系统，统一调度CPU、内存等资源，为各类计算任务分配资源并监控执行。3.简述数据预处理的主要内容及其在大数据分析中的意义。答案：主要内容包括：数据清洗（处理缺失值、噪声和重复数据）、数据集成（合并多源数据并解决冲突）、数据变换（归一化、离散化、规范化）、数据归约（通过降维和压缩减少数据规模）。意义：数据质量直接决定分析结果的可靠性。不经过预处理，模型可