2026秋国家开放大学《大数据技术概论》（课程ID：05067）形考任务1-4参考答案

PAGE国家开放大学《大数据技术概论》形考任务1—4参考答案课程性质：大数据技术概论是数据科学与大数据技术、计算机类相关专业的专业基础课，主要讲授大数据的产生背景、基本概念、技术体系与典型应用，属于概念多、术语多、以理解为重的课程。形考以客观题为主，考点集中在"概念定义—技术归属—适用场景"三者的对应关系上。考核方式：形成性考核（形考）四次任务，每次满分100分，按百分制合成后按课程规定的权重计入课程总成绩。题型结构：单项选择题25题×2分＝50分；多项选择题15题×2分＝30分；判断题20题×1分＝20分。合计100分。使用方法：平台组卷时题干和选项顺序都会随机变化，因此不要记"第几题选B"，而要按选项内容判断。本文件每道题都列出了完整选项，可用关键词检索定位（如"NameNode""支持度""差分隐私"）。遇到与自己平台上措辞略有差异的题，按同一知识点作答即可。四次任务范围：（1）形考任务1：大数据概述——大数据的产生与概念、4V特征、数据类型、大数据思维、技术体系与产业链、大数据与云计算和物联网的关系、政策与发展历程。（2）形考任务2：数据采集与预处理——数据采集方式（日志、爬虫、数据库同步、传感器、消息队列）、数据清洗、数据集成、数据变换、数据规约、数据质量与ETL。（3）形考任务3：大数据存储与管理——Hadoop生态、HDFS、MapReduce、YARN、Hive、HBase、NoSQL四种类型、CAP定理、数据仓库与OLAP、数据湖。（4）形考任务4：大数据处理分析与应用——Spark与Flink、数据挖掘任务与常用算法、机器学习分类、数据可视化、大数据安全与隐私保护、行业应用与数据治理。形考任务1大数据概述一、单项选择题1.大数据的"4V"特征中，用来表示数据规模的是（）。A．VolumeB．VelocityC．VarietyD．Value正确答案：A2.大数据"价值密度低"这一特征的含义是（）。A．数据的单位价值高但总量少B．海量数据中真正有价值的信息所占比例很小，需要经过挖掘才能提取C．数据的价格随数量增加而下降D．数据的价值无法用货币衡量正确答案：B3.1PB等于（）TB。A．100B．512C．1024D．2048正确答案：C4.2011年发布研究报告《大数据：创新、竞争和生产力的下一个前沿》，系统阐述大数据战略意义的机构是（）。A．IBM公司B．高德纳（Gartner）公司C．麦肯锡咨询公司D．国际数据公司（IDC）正确答案：C5.IBM公司在"3V"基础上补充的第四个V是（）。A．Veracity（真实性）B．Volume（大量）C．Visualization（可视化）D．Value（价值）正确答案：D6.大数据的计算模式中，适合对已存储的海量历史数据进行一次性批量处理的是（）。A．批处理计算B．流式计算C．图计算D．交互式查询分析正确答案：A7.下列属于批处理计算框架典型代表的是（）。A．StormB．MapReduceC．FlinkD．Kafka正确答案：B8.Storm、SparkStreaming、Flink主要用于（）。A．离线批处理B．关系型数据存储C．流式计算（实时处理）D．数据可视化展示正确答案：C9.为大数据提供存储空间和计算能力支撑的技术是（）。A．物联网B．区块链C．虚拟现实D．云计算正确答案：D10.被称为大数据重要来源、实现"物物相连"自动采集数据的技术是（）。A．物联网B．云计算C．数据仓库D．数据挖掘正确答案：A11.科学研究在经历了实验科学、理论科学、计算科学之后，被认为进入的"第四范式"是（）。A．模型推演B．数据密集型科学发现C．假说验证D．仿真模拟正确答案：B12.大数据思维强调"要全体不要抽样"，其含义是（）。A．只分析结构化数据B．不做数据清洗直接分析C．放弃抽样，尽可能分析与某事物相关的全部数据D．只关注数据的总量而不看质量正确答案：C13.大数据思维强调"要相关不要因果"，其含义是（）。A．否认事物之间存在因果关系B．只做定性分析不做定量分析C．只采集与结果直接相关的数据D．优先通过数据之间的相关关系发现规律，而不必先弄清因果机理正确答案：D14.2020年中共中央、国务院印发文件，首次将（）与土地、劳动力、资本、技术并列列为生产要素。A．数据B．信息C．知识D．算力正确答案：A15.国务院印发《促进大数据发展行动纲要》的年份是（）。A．2012年B．2015年C．2017年D．2020年正确答案：B16.下列不属于大数据"4V"特征的是（）。A．数据规模大B．数据结构高度规范统一C．处理速度快D．数据类型多样正确答案：B17.XML、JSON这类具有一定结构但结构不固定的数据属于（）。A．结构化数据B．非结构化数据C．半结构化数据D．元数据正确答案：C18.视频、音频、图片、文档正文等没有固定结构的数据属于（）。A．结构化数据B．半结构化数据C．流数据D．非结构化数据正确答案：D19.大数据产业链中，处于上游环节的是（）。A．数据的采集与数据资源提供B．数据分析与挖掘C．数据可视化展示D．数据应用服务正确答案：A20.下列不属于数据生命周期环节的是（）。A．数据采集B．数据定价C．数据存储D．数据处理与分析正确答案：B21.下列数据量单位由小到大排列正确的是（）。A．MB＜KB＜GB＜TB＜PBB．GB＜MB＜KB＜TB＜PBC．KB＜MB＜GB＜TB＜PBD．KB＜GB＜MB＜PB＜TB正确答案：C22.2003年至2006年谷歌公司陆续发表GFS、MapReduce、BigTable三篇技术论文，其意义在于（）。A．标志着大数据概念的提出B．宣告关系型数据库被淘汰C．首次提出云计算概念D．为大数据分布式存储与计算技术奠定了基础正确答案：D23.下列场景中最适合采用流式计算的是（）。A．对实时交易进行欺诈风险监控B．对去年的销售流水做年度汇总报表C．对历史文档做批量全文索引重建D．每月月末的账务结账处理正确答案：A24.大数据分析与传统数据仓库分析相比，最突出的差别是（）。A．大数据分析只处理数字B．大数据分析能够处理多类型、海量、快速产生的数据C．大数据分析不需要数据清洗D．大数据分析结果一定比传统分析准确正确答案：B25.大数据技术体系中，位于数据采集之后、数据分析之前的环节是（）。A．数据可视化B．数据应用C．数据存储与管理D．数据销毁正确答案：C26.下列关于大数据与人工智能关系的说法，正确的是（）。A．人工智能与大数据没有任何关系B．有了大数据就不再需要算法C．人工智能可以完全替代数据采集D．大数据为人工智能模型训练提供数据基础正确答案：D27.企业根据用户行为数据为其打标签、构建用户画像，这一工作属于大数据应用中的（）。A．数据分析与应用B．数据采集C．数据存储D．数据备份正确答案：A28.大数据的"多样性（Variety）"指的是（）。A．数据来源单一但数量大B．数据类型繁多，包含结构化、半结构化与非结构化数据C．数据变化速度快D．数据存储介质多样正确答案：B29.大数据的"高速性（Velocity）"主要强调（）。A．数据在网络中的传输带宽大B．数据的存储速度快C．数据产生和处理的速度快、时效性要求高D．数据增长呈现线性规律正确答案：C30.政府通过统一平台向社会开放政务数据集，供社会开发利用，这一做法称为（）。A．数据脱敏B．数据交易C．数据归档D．政府数据开放正确答案：D二、多项选择题31.大数据的特征通常概括为"4V"，包括（）。A．Volume（数据量大）B．Value（价值密度低）C．Virtualization（虚拟化）D．Velocity（处理速度快）E．Variety（数据类型多样）正确答案：ABDE32.大数据带来的思维变革主要体现在（）。A．只采用结构化数据B．接受数据的混杂性而不苛求绝对精确C．分析全部数据而不是只依赖随机抽样D．放弃对数据的质量要求E．关注相关关系而不执着于因果关系正确答案：BCE33.大数据的主要计算模式包括（）。A．批处理计算B．手工统计计算C．交互式查询分析D．图计算E．流式计算正确答案：ACDE34.关于大数据与云计算的关系，下列说法正确的有（）。A．云计算为大数据提供存储与计算资源B．二者相互支撑、协同发展C．云计算就是大数据D．大数据为云计算提供了重要的应用需求E．有了大数据就不需要云计算正确答案：ABD35.大数据的常见来源包括（）。A．互联网与社交媒体的内容数据B．完全不联网的纸质档案C．业务系统的交易数据D．物联网传感器的感知数据E．系统运行日志数据正确答案：ACDE36.从技术层次看，大数据技术体系一般包括（）。A．数据分析与挖掘B．数据处理与计算C．数据采集与预处理D．数据存储与管理E．数据可视化与应用正确答案：ABCDE37.按结构化程度划分，数据可以分为（）。A．压缩数据B．结构化数据C．加密数据D．非结构化数据E．半结构化数据正确答案：BDE38.大数据产业链通常包括（）。A．数据应用与服务B．数据销毁服务C．数据存储与计算服务D．数据分析与挖掘E．数据采集与汇聚正确答案：ACDE39.下列属于大数据典型应用领域的有（）。A．以上都不是B．教育教学与个性化学习C．交通出行与城市治理D．医疗健康与公共卫生监测E．金融风险控制与精准营销正确答案：BCDE40.大数据发展面临的主要挑战包括（）。A．数据完全无法获取B．技术与复合型人才短缺C．数据质量参差不齐D．存储与计算成本较高E．隐私泄露与数据安全风险正确答案：BCDE41.批处理计算的主要特点有（）。A．处理延迟相对较高B．吞吐量大C．必须在毫秒级完成响应D．数据先存储后计算E．适合对历史全量数据进行离线处理正确答案：ABDE42.流式计算的主要特点有（）。A．适合实时监控与告警类场景B．通常只保留有限时间窗口内的状态C．数据持续到达、边到边算D．响应延迟低，实时性强E．必须等待全部数据到齐后才开始计算正确答案：ABCD43.下列关于数据作为生产要素的说法，正确的有（）。A．数据具有可复制、可共享的特点B．数据的价值需要通过开发利用才能体现C．数据可以参与生产并创造价值D．数据的使用不会产生任何权属问题E．数据的使用需要遵守法律法规与安全要求正确答案：ABCE44.大数据领域常见的岗位角色包括（）。A．大数据开发工程师B．数据治理专员C．数据分析师D．数据科学家E．数据产品经理正确答案：ABCDE45.下列关于大数据"价值"特征的理解，正确的有（）。A．同一份数据对不同使用者的价值可能不同B．数据一旦采集就自动产生价值C．数据价值具有时效性D．整体价值大，但单条数据的价值密度低E．价值需要经过清洗、整合与挖掘才能释放正确答案：ACDE三、判断题46.大数据就是数据量很大的数据，只要数据量足够大就属于大数据。（）正确答案：错47.大数据不仅指数据本身，也包括采集、存储、处理和分析这些数据的技术体系。（）正确答案：对48.大数据的4V特征是指数据量大、处理速度快、数据类型多、价值密度低。（）正确答案：对49.1TB等于1024GB。（）正确答案：对50.大数据时代强调"样本＝总体"，即可以采集到并分析全体数据。（）正确答案：对51.大数据分析必须建立在完全准确、无缺失的数据之上，否则不能开展。（）正确答案：错52.相关关系分析可以替代因果关系分析，因此大数据时代不再需要探究事物间的因果机理。（）正确答案：错53.结构化数据是指可以用二维表结构存放、具有严格模式的数据。（）正确答案：对54.非结构化数据无法用传统的二维关系表直接存储和表达。（）正确答案：对55.云计算为大数据处理提供了弹性的存储与计算资源。（）正确答案：对56.物联网是大数据的重要数据来源之一。（）正确答案：对57.大数据技术只能处理结构化数据，无法处理图像和视频。（）正确答案：错58.流式计算适合对实时性要求高的场景，批处理适合对历史数据的离线分析。（）正确答案：对59.MapReduce属于流式计算框架。（）正确答案：错60.数据成为生产要素意味着数据可以像土地、资本一样参与价值创造。（）正确答案：对61.大数据的价值密度与数据总量成正比，数据越多单位数据的价值越高。（）正确答案：错62.数据可视化是大数据技术体系的最后一个环节，用于将分析结果直观呈现给用户。（）正确答案：对63.大数据产业只包括数据的采集和存储，不包括分析与应用。（）正确答案：错64.大数据人才只需要掌握编程技术，不需要理解业务。（）正确答案：错65.政府数据开放有利于社会力量开发利用数据资源、创造公共价值。（）正确答案：对

形考任务2数据采集与预处理一、单项选择题1.下列不属于数据采集环节工作内容的是（）。A．将分析结果绘制成图表B．从业务系统抽取交易数据C．通过网络爬虫抓取网页数据D．采集传感器感知数据正确答案：A2.Flume是Apache基金会下的一个（）系统。A．关系型数据库B．分布式日志采集C．数据可视化D．机器学习建模正确答案：B3.Flume的核心组件不包括（）。A．SourceB．ChannelC．ReducerD．Sink正确答案：C4.按照实现技术划分，网络爬虫一般可分为通用爬虫、聚焦爬虫和（）。A．反向爬虫B．静态爬虫C．离线爬虫D．增量式爬虫正确答案：D5.网站根目录下robots.txt文件的作用是（）。A．告知爬虫哪些页面可以抓取、哪些不可以B．存储网站的数据库密码C．加速网页加载速度D．记录网站的访问日志正确答案：A6.Sqoop的主要用途是（）。A．实时采集日志B．在关系型数据库与Hadoop之间进行批量数据传输C．网页内容解析D．数据可视化展示正确答案：B7.Kafka是一种（）。A．分布式文件系统B．数据仓库产品C．分布式消息队列，常用于实时数据流的采集与缓冲D．深度学习框架正确答案：C8.通过温度传感器、摄像头、GPS等设备自动获取数据，属于（）。A．系统日志采集B．网络爬虫采集C．问卷调查采集D．传感器数据采集正确答案：D9.数据清洗的主要目的不包括（）。A．建立数据挖掘模型B．处理缺失值C．识别并处理异常值D．删除重复记录正确答案：A10.用该字段的均值、中位数或众数填补缺失值，这类方法属于（）。A．删除法B．统计量填补法C．模型预测填补法D．不处理正确答案：B11.依据"数据服从正态分布时，偏离均值超过3倍标准差的值为异常值"这一规则进行异常检测，称为（）。A．Apriori算法B．K-means算法C．3σ原则D．冒泡排序正确答案：C12.箱线图中通常用以判断异常值的依据是（）。A．均值与方差B．相关系数C．卡方值D．四分位距（IQR）与上下须正确答案：D13.同一客户在系统中存在多条内容完全相同的记录，最应采用的预处理操作是（）。A．数据去重B．数据加密C．数据可视化D．数据备份正确答案：A14.数据集成需要重点解决的问题是（）。A．消除数据量过大B．解决多源数据的实体识别、冗余与取值冲突C．提高数据可视化效果D．降低存储成本正确答案：B15.将不同量纲的数值按比例缩放到0至1之间，这种操作属于（）。A．数据清洗B．数据规约C．数据变换中的归一化D．数据采集正确答案：C16.将"男/女"取值为1/0，或将类别变量展开为多个0-1变量的编码方式称为（）。A．哈希编码B．算术编码C．差分编码D．独热编码正确答案：D17.数据规约的主要目的是（）。A．在尽量保持原有信息的前提下减少数据规模B．增加数据量以提高精度C．把非结构化数据变成结构化数据D．对数据进行加密正确答案：A18.主成分分析（PCA）属于（）。A．数据清洗方法B．数据规约中的维归约方法C．数据采集方法D．数据可视化方法正确答案：B19.ETL三个字母依次代表的含义是（）。A．加密、传输、登录B．提取、测试、发布C．抽取、转换、加载D．评估、训练、学习正确答案：C20.在实际数据分析项目中，数据预处理通常占整个项目工作量的（）。A．10%左右B．30%左右C．几乎可以忽略D．70%～80%正确答案：D21.将总体按某种特征分成若干层，再从每层中随机抽样的方法称为（）。A．分层抽样B．简单随机抽样C．整群抽样D．方便抽样正确答案：A22.下列不属于数据质量维度的是（）。A．完整性B．数据文件体积大小C．准确性D．一致性正确答案：B23.为监督学习准备带标签的训练样本，这一工作称为（）。A．数据加密B．数据备份C．数据标注D．数据归档正确答案：C24.服务器日志、应用日志通常属于（）。A．完全无结构的二进制数据B．严格的二维表结构化数据C．图像数据D．具有一定格式的半结构化数据正确答案：D25.增量式爬虫与通用爬虫相比，其主要特点是（）。A．只抓取网站新增或发生更新的页面B．只抓取首页C．不遵守robots协议D．不能保存抓取结果正确答案：A26.数据中的"噪声"一般是指（）。A．数据的存储格式B．数据中存在的随机误差或干扰成分C．数据的加密方式D．数据的传输协议正确答案：B27.某字段缺失比例极高且缺失无明显规律，通常优先考虑的处理方式是（）。A．用均值填补B．保留缺失值直接建模C．删除该字段或该批记录D．把缺失值记为0正确答案：C28.将连续型年龄数值划分为"青年、中年、老年"若干区间，这一操作属于（）。A．数据去重B．数据抽样C．数据加密D．数据离散化正确答案：D29.下列关于数据变换中标准化的说法，正确的是（）。A．将数据按均值中心化并除以标准差，使不同量纲指标可比B．删除所有异常值C．把数据转换成图片D．把数据压缩存储正确答案：A30.数据采集应遵循的基本要求不包括（）。A．完整性B．主观选择性C．准确性D．及时性正确答案：B二、多项选择题31.常见的数据采集方式包括（）。A．传感器与设备采集B．网络爬虫采集C．数据库同步抽取D．系统日志采集E．消息队列实时采集正确答案：ABCDE32.Flume的主要组件包括（）。A．ChannelB．SinkC．NameNodeD．AgentE．Source正确答案：ABDE33.按照实现技术，网络爬虫可以分为（）。A．增量式爬虫B．聚焦爬虫C．通用爬虫D．反向爬虫E．深度爬虫正确答案：ABC34.常用的缺失值处理方法有（）。A．用回归、插值等模型方法预测填补B．直接赋值为无穷大C．删除含有缺失值的记录或字段D．将缺失作为一种特殊取值单独标记E．用均值、中位数、众数填补正确答案：ACDE35.常用的异常值检测方法有（）。A．冒泡排序法B．基于密度的方法（如LOF）C．箱线图法（IQR准则）D．基于距离的检测方法E．3σ原则正确答案：BCDE36.数据清洗通常包括（）。A．不一致数据的修正B．噪声数据平滑C．缺失值处理D．重复值处理E．异常值处理正确答案：ABCDE37.常见的数据变换方法包括（）。A．标准化B．属性构造C．离散化D．类别编码（如独热编码）E．归一化正确答案：ABCDE38.数据规约的常用方法有（）。A．样本抽样B．数据加密C．数据备份D．维归约（如主成分分析）E．数值归约（如分箱、聚类、回归）正确答案：ADE39.数据质量的常见评价维度包括（）。A．及时性B．唯一性C．一致性D．准确性E．完整性正确答案：ABCDE40.ETL过程包括（）。A．数据转换B．数据抽取C．数据加载D．数据可视化E．数据销毁正确答案：ABC41.常用的数据抽样方法包括（）。A．主观臆断抽样B．系统抽样C．简单随机抽样D．分层抽样E．整群抽样正确答案：BCDE42.下列属于非结构化数据的有（）。A．数据库中的客户表记录B．通话录音C．监控视频D．Excel报表中的数值列E．扫描的合同图片正确答案：BCE43.数据集成过程中需要处理的问题包括（）。A．属性取值冲突与量纲不一致B．数据冗余C．数据源结构异构D．数据可视化配色E．实体识别（同一实体在不同源中名称不同）正确答案：ABCE44.数据采集环节面临的主要困难有（）。A．数据源异构、接口不统一B．网络与设备稳定性问题C．隐私与合规约束D．采集到的数据一定完整准确E．数据量大、采集效率要求高正确答案：ABCE45.数据预处理的重要意义体现在（）。A．统一数据口径，便于多源数据整合B．降低后续计算的资源消耗C．减少噪声与冗余，提升模型效果D．可以完全替代数据分析建模E．提高数据质量，为后续分析提供可靠基础正确答案：ABCE三、判断题46.数据预处理包括数据清洗、数据集成、数据变换和数据规约等环节。（）正确答案：对47.数据清洗只需处理缺失值，不需要处理重复值和异常值。（）正确答案：错48.用均值填补缺失值适用于所有类型的数据和所有缺失情形。（）正确答案：错49.3σ原则假设数据近似服从正态分布，否则不宜直接使用。（）正确答案：对50.箱线图利用四分位距判断异常值，对数据分布没有严格的正态性要求。（）正确答案：对51.数据集成就是把多个数据文件简单拼接在一起，不需要考虑实体识别与冲突消解。（）正确答案：错52.归一化与标准化都是为了消除量纲影响，使不同指标具有可比性。（）正确答案：对53.独热编码会增加特征维度，对于取值很多的类别变量可能造成维度膨胀。（）正确答案：对54.数据规约的目的是增加数据量以提升分析精度。（）正确答案：错55.ETL中的"T"指的是数据转换，包括清洗、格式统一、聚合等操作。（）正确答案：对56.网络爬虫应当遵守网站的robots协议和相关法律法规。（）正确答案：对57.Sqoop主要用于在关系型数据库与Hadoop之间传输数据。（）正确答案：对58.Flume只能采集数据库中的数据，不能采集日志文件。（）正确答案：错59.Kafka可以作为实时数据流的缓冲队列，起到削峰和解耦的作用。（）正确答案：对60.数据预处理往往占数据分析项目的大部分工作量，其质量直接影响分析结论。（）正确答案：对61.分层抽样要求各层内部差异尽可能大，层间差异尽可能小。（）正确答案：错62.数据标注的质量直接影响监督学习模型的训练效果。（）正确答案：对63.半结构化数据既不是完全无结构，也不像关系表那样具有严格固定的模式。（）正确答案：对64.只要数据量大，数据质量问题就可以忽略不计。（）正确答案：错65.数据预处理只能在建模之前进行一次，建模过程中不需要再调整。（）正确答案：错

形考任务3大数据存储与管理一、单项选择题1.Hadoop的两大核心组件是（）。A．MySQL与RedisB．Spark与FlinkC．HDFS与MapReduceD．Hive与HBase正确答案：C2.Hadoop的设计思想主要来源于（）。A．微软的Windows架构B．IBM的大型机体系C．甲骨文的数据库产品D．谷歌提出的GFS、MapReduce等论文正确答案：D3.Hadoop的创始人是（）。A．DougCuttingB．JamesGoslingC．LinusTorvaldsD．GuidovanRossum正确答案：A4.Hadoop2.x及以上版本中，HDFS的默认数据块大小是（）。A．32MBB．128MBC．64MBD．512MB正确答案：B5.HDFS的默认副本数量是（）。A．1B．2C．3D．5正确答案：C6.HDFS中负责管理文件系统命名空间和元数据的是（）。A．DataNodeB．NodeManagerC．NameNodeD．ResourceManager正确答案：C7.HDFS中真正存储数据块的是（）。A．NameNodeB．SecondaryNameNodeC．ClientD．DataNode正确答案：D8.HDFS采用的整体架构是（）。A．主从（Master/Slave）架构B．对等（P2P）架构C．总线架构D．环形架构正确答案：A9.下列场景中HDFS最不适合的是（）。A．存储TB级以上的大文件B．存储海量小文件并要求毫秒级随机读写C．一次写入、多次读取的批处理分析D．流式顺序读取大文件正确答案：B10.SecondaryNameNode的主要作用是（）。A．NameNode的热备节点，可自动接管B．存储数据块副本C．定期合并FsImage与EditLog，减轻NameNode启动压力D．负责客户端读写请求转发正确答案：C11.MapReduce编程模型的三个主要阶段依次是（）。A．Reduce、Map、ShuffleB．Shuffle、Map、ReduceC．Map、Reduce、ShuffleD．Map、Shuffle、Reduce正确答案：D12.MapReduce中Combiner的作用是（）。A．在Map端先做局部合并，减少网络传输的数据量B．把结果写入数据库C．负责资源调度D．对数据进行加密正确答案：A13.在YARN架构中，负责整个集群资源统一调度的是（）。A．NodeManagerB．ResourceManagerC．ApplicationMasterD．DataNode正确答案：B14.在YARN架构中，每个应用程序对应的管理者是（）。A．ResourceManagerB．NameNodeC．ApplicationMasterD．Sink正确答案：C15.Hive的本质是（）。A．一个关系型数据库管理系统B．一个分布式文件系统C．一个流式计算框架D．将类SQL语句（HQL）转换为分布式计算任务执行的数据仓库工具正确答案：D16.Hive的元数据通常存储在（）。A．关系型数据库（如MySQL、Derby）中B．HDFS文件中C．HBase的RowKey中D．Kafka队列中正确答案：A17.HBase是一种基于（）模型的NoSQL数据库。A．键值B．列族C．文档D．图正确答案：B18.HBase中数据记录是按（）排序存储的。A．时间戳倒序B．随机顺序C．RowKeyD．列名首字母正确答案：C19.HBase最适合的应用场景是（）。A．复杂多表关联的统计分析B．视频文件存储C．报表打印D．海量数据的随机实时读写正确答案：D20.Redis属于（）NoSQL数据库。A．键值型B．列族型C．文档型D．图型正确答案：A21.MongoDB属于（）NoSQL数据库。A．键值型B．文档型C．列族型D．图型正确答案：B22.Neo4j属于（）数据库，适合处理社交网络、知识图谱等关系复杂的场景。A．键值型B．列族型C．图D．文档型正确答案：C23.CAP定理指出，分布式系统在一致性、可用性和分区容错性三者中最多只能同时满足（）。A．一个B．三个C．全部D．两个正确答案：D24.ZooKeeper在大数据生态中的主要作用是（）。A．提供分布式协调服务，如配置管理、命名服务、选举B．存储海量业务数据C．进行数据可视化D．做机器学习建模正确答案：A25.数据仓库的四个基本特征是（）。A．数据量大、速度快、类型多、价值低B．面向主题、集成、相对稳定、反映历史变化C．分布式、可扩展、高可靠、低成本D．实时、在线、交互、可视正确答案：B26.与OLTP相比，OLAP的主要特点是（）。A．面向事务处理，要求高频增删改B．只处理当前数据，不保留历史C．面向分析决策，以查询为主、数据量大、响应时间要求相对宽松D．只支持单表操作正确答案：C27.数据仓库分层中，用于存放贴源原始数据的层次通常是（）。A．DW层B．DM（ADS）层C．元数据层D．ODS层正确答案：D28.星型模型中，处于中心位置的是（）。A．事实表B．维表C．日志表D．配置表正确答案：A29.数据湖与数据仓库相比，最显著的特点是（）。A．只存储结构化数据B．可以按原始格式存储多种类型数据，模式后置C．必须预先严格定义表结构D．不支持大数据量存储正确答案：B30.关系型数据库与NoSQL数据库相比，其主要优势在于（）。A．天然支持海量非结构化数据B．无需定义表结构C．强事务一致性与成熟的SQL支持D．横向扩展能力最强正确答案：C二、多项选择题31.Hadoop生态中常见的组件有（）。A．MapReduceB．YARNC．HBaseD．HDFSE．Hive正确答案：ABCDE32.HDFS的主要特点包括（）。A．可部署在廉价商用服务器上B．适合存储超大文件C．流式顺序读取，高吞吐D．高容错，通过多副本保证可靠性E．支持毫秒级随机写入正确答案：ABCD33.MapReduce的主要组成部分包括（）。A．Shuffle与SortB．ReducerC．InputFormat与SplitD．MapperE．OutputFormat正确答案：ABCDE34.YARN的核心组件包括（）。A．ApplicationMasterB．DataNodeC．ContainerD．NodeManagerE．ResourceManager正确答案：ACDE35.NoSQL数据库的主要类型包括（）。A．图型（如Neo4j）B．层次型（如IMS）C．文档型（如MongoDB）D．键值型（如Redis）E．列族型（如HBase）正确答案：ACDE36.NoSQL数据库的常见特点有（）。A．完全替代关系型数据库B．适合海量数据与高并发访问C．模式灵活或无需预定义模式D．易于横向扩展E．弱化严格的事务与一致性约束正确答案：BCDE37.HBase的特点包括（）。A．基于HDFS实现持久化B．基于列族存储、稀疏存储C．数据按RowKey排序D．支持海量数据的随机实时读写E．擅长多表关联查询正确答案：ABCD38.Hive的特点包括（）。A．适合离线批量分析B．提供类SQL的查询语言HQLC．适合毫秒级点查更新D．底层通常转换为MapReduce或Spark任务执行E．元数据存放在关系型数据库中正确答案：ABDE39.数据仓库的基本特征包括（）。A．相对稳定性（非易失）B．以实时事务处理为核心C．面向主题D．反映历史变化（随时间变化）E．集成性正确答案：ACDE40.OLAP的典型特点包括（）。A．会保留较长的历史数据B．支持多维分析（切片、钻取、旋转）C．处理的数据量通常较大D．要求每秒数千笔交易的写入能力E．以查询分析为主正确答案：ABCE41.数据仓库常见的分层包括（）。A．ODS贴源层B．DIM维度层C．DW数据仓库层D．DM（ADS）数据集市/应用层E．网络传输层正确答案：ABCD42.关于CAP定理，下列说法正确的有（）。A．CAP中的C指强一致性B．HBase偏向于强一致性与分区容错C．CAP意味着可以同时完美满足三者D．一致性、可用性、分区容错性最多同时满足两个E．分布式系统在网络分区不可避免时，通常需要在一致性与可用性之间取舍正确答案：ABDE43.关系型数据库的典型特点有（）。A．天生适合海量非结构化数据B．支持事务的ACID特性C．支持SQL查询D．以二维表组织数据E．需要预先定义表结构正确答案：BCDE44.数据湖的特点包括（）。A．支持结构化、半结构化和非结构化数据B．以原始格式存储数据C．模式后置（读时模式）D．常与对象存储结合使用E．只能存储清洗后的汇总数据正确答案：ABCD45.下列属于大数据存储与管理环节关键技术的有（）。A．数据仓库与数据集市B．分布式协调服务C．NoSQL数据库D．数据可视化组件E．分布式文件系统正确答案：ABCE三、判断题46.HDFS是一个分布式文件系统，适合存储超大文件。（）正确答案：对47.HDFS中NameNode负责存储实际的数据块。（）正确答案：错48.HDFS通过多副本机制提高数据的可靠性。（）正确答案：对49.HDFS适合海量小文件的存储与频繁随机修改。（）正确答案：错50.SecondaryNameNode是NameNode的热备份，可以在NameNode故障时自动接管服务。（）正确答案：错51.MapReduce采用"分而治之"的思想，将大任务拆分为多个子任务并行处理。（）正确答案：对52.MapReduce中Shuffle阶段负责将Map输出按Key进行分区、排序并传输给Reduce。（）正确答案：对53.YARN是Hadoop2.x引入的资源管理框架，实现了计算资源管理与计算框架的解耦。（）正确答案：对54.Hive本身不存储数据，数据实际存放在HDFS等存储系统中。（）正确答案：对55.Hive适合需要低延迟、逐行更新的事务型场景。（）正确答案：错56.HBase中的数据按RowKey排序存储，因此RowKey设计对查询性能影响很大。（）正确答案：对57.HBase可以脱离HDFS独立运行，不需要任何底层存储。（）正确答案：错58.Redis是键值型NoSQL数据库，常用于缓存场景。（）正确答案：对59.图数据库适合处理实体之间关系复杂、需要多跳查询的场景。（）正确答案：对60.CAP定理说明分布式系统可以同时完全满足一致性、可用性和分区容错性。（）正确答案：错61.数据仓库是面向主题的、集成的、相对稳定的、反映历史变化的数据集合。（）正确答案：对62.OLTP系统主要用于支持管理层的决策分析。（）正确答案：错63.星型模型中事实表存放业务度量值，维表存放描述性属性。（）正确答案：对64.数据湖要求数据写入前必须先定义严格的表结构。（）正确答案：错65.NoSQL数据库完全取代了关系型数据库，关系型数据库已无使用价值。（）正确答案：错

形考任务4大数据处理分析与应用一、单项选择题1.Spark的核心数据抽象是（）。A．TableB．RowKeyC．DataNodeD．RDD（弹性分布式数据集）正确答案：D2.Spark相比MapReduce计算速度更快，最主要的原因是（）。A．基于内存进行计算，减少磁盘读写B．不需要分布式部署C．只支持单机运行D．不使用任何调度机制正确答案：A3.下列不属于Spark组件的是（）。A．SparkSQLB．HDFSC．SparkStreamingD．MLlib正确答案：B4.Spark中用于描述计算依赖关系的有向无环图称为（）。A．B树B．红黑树C．DAGD．哈希表正确答案：C5.Flink的主要定位是（）。A．关系型数据库B．分布式文件系统C．可视化报表工具D．以流处理为核心、支持事件时间与有状态计算的分布式计算引擎正确答案：D6.下列不属于数据挖掘典型任务的是（）。A．数据备份B．分类C．聚类D．关联规则挖掘正确答案：A7.分类任务属于（）。A．无监督学习B．监督学习C．强化学习D．半监督学习正确答案：B8.聚类任务通常属于（）。A．监督学习B．强化学习C．无监督学习D．迁移学习正确答案：C9.K-means算法在使用时需要预先指定（）。A．样本总数B．特征个数C．迭代次数上限以外的所有参数D．簇的个数K正确答案：D10.下列属于分类算法的是（）。A．决策树B．K-meansC．AprioriD．主成分分析正确答案：A11.Apriori算法主要用于（）。A．图像识别B．关联规则挖掘C．文本翻译D．数据加密正确答案：B12.关联规则中，"支持度"指的是（）。A．包含A的事务中同时包含B的比例B．规则的可信程度C．事务集中同时包含A和B的事务所占的比例D．规则的提升程度正确答案：C13.关联规则中，"置信度"指的是（）。A．同时包含A和B的事务数占全部事务数的比例B．规则出现的次数C．商品的销售总量D．在包含A的事务中同时包含B的条件概率正确答案：D14.强化学习的主要特点是（）。A．智能体通过与环境交互、依据奖励信号不断调整策略B．必须有大量带标签的训练样本C．不需要任何反馈信号D．只能用于聚类分析正确答案：A15.深度学习的核心是（）。A．决策树集成B．包含多个隐层的神经网络C．线性回归D．关联规则正确答案：B16.TensorFlow、PyTorch属于（）。A．关系型数据库B．可视化工具C．深度学习框架D．消息队列正确答案：C17.ECharts、Tableau、PowerBI属于（）。A．分布式文件系统B．机器学习框架C．操作系统D．数据可视化工具正确答案：D18.要展示某指标随时间变化的趋势，最合适的图表是（）。A．折线图B．饼图C．散点图D．雷达图正确答案：A19.要展示各部分在总体中所占的比例，最合适的图表是（）。A．折线图B．饼图C．箱线图D．甘特图正确答案：B20.要展示数据在地理区域上的分布，最合适的图表是（）。A．柱状图B．直方图C．地图D．桑基图正确答案：C21.数据脱敏的主要目的是（）。A．提高数据存储容量B．加快数据查询速度C．压缩数据体积D．在保留数据可用性的前提下隐藏敏感信息正确答案：D22.差分隐私属于（）。A．隐私保护技术B．数据压缩技术C．数据采集技术D．网络传输技术正确答案：A23.我国《个人信息保护法》正式施行的时间是（）。A．2021年11月1日B．2019年1月1日C．2020年5月1日D．2022年3月1日正确答案：A24.信息安全通常强调的三个基本要素是（）。A．数量、速度、种类B．保密性、完整性、可用性C．采集、存储、分析D．输入、处理、输出正确答案：B25.对数据实行分级分类管理的主要目的是（）。A．减少数据总量B．提高数据可视化效果C．按照数据重要程度和敏感程度实施差异化的保护措施D．统一数据存储格式正确答案：C26.金融机构利用多源数据识别欺诈交易、评估借款人信用，属于大数据在（）领域的应用。A．工业制造B．气象预报C．地质勘探D．金融风控正确答案：D27.推荐系统通常依赖的关键技术是（）。A．用户画像与协同过滤B．数据加密C．磁盘阵列D．编译器优化正确答案：A28.数据治理的主要内容包括（）。A．仅指数据备份B．数据标准、数据质量、数据安全、元数据与主数据管理C．仅指服务器运维D．仅指数据可视化正确答案：B29.大数据分析项目一般应首先开展的工作是（）。A．直接选择算法建模B．先做可视化C．明确业务目标与分析需求D．先购买服务器正确答案：C30.数据可视化设计应遵循的基本原则是（）。A．越花哨越好B．尽量使用三维立体效果C．尽可能在一张图中堆放所有信息D．准确、简洁、有效，服务于信息传达正确答案：D二、多项选择题31.Spark的主要组件包括（）。A．GraphXB．SparkCoreC．MLlibD．SparkStreamingE．SparkSQL正确答案：ABCDE32.Spark的主要特点有（）。A．提供统一的编程抽象RDD/DataFrameB．支持批处理与流处理C．基于内存计算，速度快D．只能处理结构化数据E．可运行在YARN等资源管理器之上正确答案：ABCE33.数据挖掘的常见任务包括（）。A．聚类B．回归预测C．分类D．关联规则挖掘E．异常检测正确答案：ABCDE34.下列属于分类算法的有（）。A．K-meansB．K近邻（KNN）C．决策树D．支持向量机（SVM）E．朴素贝叶斯正确答案：BCDE35.关于聚类分析，下列说法正确的有（）。A．属于无监督学习B．必须有预先标注好的类别标签C．可用于客户分群、图像分割等场景D．目标是把相似样本划分到同一簇E．K-means需要预先指定簇数K正确答案：ACDE36.关联规则挖掘中常用的度量指标有（）。A．召回率B．准确率C．提升度D．支持度E．置信度正确答案：CDE37.机器学习的常见类型包括（）。A．监督学习B．半监督学习C．强化学习D．无监督学习E．人工规则推导正确答案：ABCD38.常用的数据可视化工具或库有（）。A．HDFSB．TableauC．EChartsD．PowerBIE．Matplotlib正确答案：BCDE39.关于图表选择，下列说法正确的有（）。A．地理分布宜用地图B．相关性分析宜用散点图C．占比分析宜用饼图或堆积图D．无论什么数据都应使用三维饼图E．趋势分析宜用折线图正确答案：ABCE40.大数据安全防护的常见技术手段包括（）。A．安全审计与日志监控B．数据备份与容灾C．数据加密D．数据脱敏E．访问控制与身份认证正确答案：ABCDE41.隐私保护计算的相关技术包括（）。A．数据去重B．同态加密C．安全多方计算D．差分隐私E．k-匿名正确答案：BCDE42.大数据在金融领域的典型应用有（）。A．量化交易策略研究B．建筑材料强度检测C．欺诈交易识别D．精准营销与客户分层E．信用风险评估正确答案：ACDE43.数据治理的常见内容包括（）。A．数据安全管理B．数据质量管理C．元数据管理D．主数据管理E．数据标准管理正确答案：ABCDE44.大数据分析的基本流程一般包括（）。A．结果呈现与应用落地B．需求定义与目标确定C．数据采集D．数据预处理E．建模分析与结果评估正确答案：ABCDE45.关于数据可视化，下列说法正确的有（）。A．应根据分析目的选择合适图表类型B．应准确反映数据，不得误导读者C．为了美观可以截断纵轴并隐瞒说明D．应保