南京理工大学泰州科技学院《大数据技术》2025-2026学年第二学期期末试卷_第1页
南京理工大学泰州科技学院《大数据技术》2025-2026学年第二学期期末试卷_第2页
南京理工大学泰州科技学院《大数据技术》2025-2026学年第二学期期末试卷_第3页
南京理工大学泰州科技学院《大数据技术》2025-2026学年第二学期期末试卷_第4页
南京理工大学泰州科技学院《大数据技术》2025-2026学年第二学期期末试卷_第5页
已阅读5页,还剩2页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

南京理工大学泰州科技学院《大数据技术》2025——2026学年第二学期期末试卷命题教师签名:____________审核教师签名:____________

课号:____________课名:____________考试考核:考试

此卷选为:期中考试()、期终考试(√)、重考()试卷年级____________专业____________学号____________姓名____________题号一二三四五六七八总分阅卷教师得分…………………………一、单项选择题(每题1分,共20分)1.大数据的4V特征不包括以下哪一项?A.Volume(大量)B.Velocity(高速)C.Variety(多样)D.Validity(有效性)2.Hadoop生态系统中的核心组件是?A.HDFS和MapReduceB.Spark和HiveC.Kafka和FlinkD.MongoDB和Cassandra3.以下哪项不是NoSQL数据库的类型?A.键值存储B.文档存储C.关系型存储D.列族存储4.SparkRDD的转换操作是?A.collect()B.count()C.map()D.saveAsTextFile()5.数据清洗的目的是?A.增加数据量B.提高数据质量C.减少存储空间D.加速数据传输6.以下哪个工具用于实时数据处理?A.HadoopB.SparkStreamingC.HiveD.Pig7.大数据处理的ETL过程不包括?A.Extract(提取)B.Transform(转换)C.Load(加载)D.Analyze(分析)8.机器学习中的监督学习是指?A.无标签数据训练B.有标签数据训练C.强化学习D.无监督学习9.Hadoop的默认文件系统是?A.HDFSB.S3C.GFSD.NFS10.数据挖掘的核心目标是?A.数据存储B.知识发现C.数据传输D.数据备份11.以下哪个是Spark的内存计算优势?A.低延迟B.高吞吐量C.容错性D.批处理12.大数据可视化工具不包括?A.TableauB.MatplotlibC.HadoopD.PowerBI13.MapReduce的输入输出格式是?A.Key-ValueB.CSVC.JSOND.XML14.以下哪项是数据仓库的特点?A.实时性B.主题导向C.高频更新D.小规模数据15.Spark的DataFrameAPI基于?A.RDDB.SQLC.GraphXD.MLlib16.数据安全中的CIA三元组不包括?A.机密性B.完整性C.可用性D.可靠性17.以下哪个是流处理框架?A.MapReduceB.SparkC.FlinkD.Hive18.大数据存储的挑战不包括?A.数据量增长B.数据多样性C.数据一致性D.数据速度19.机器学习中的过拟合是指?A.模型泛化能力差B.训练误差高C.测试误差低D.模型简单20.以下哪个是Hadoop的配置文件?A.core-site.xmlB.spark.confC.hive-site.xmlD.flink-conf.yaml二、填空题(每题1分,共10分)1.大数据处理的三个基本阶段是______、______、______。2.Hadoop的分布式文件系统缩写为______。3.Spark的核心抽象是______。4.数据清洗的常见操作包括去除重复值、处理缺失值和______。5.机器学习中的无监督学习示例包括______和聚类。6.大数据平台Hadoop由HDFS和______组成。7.数据仓库的英文缩写是______。8.Spark的______组件用于机器学习。9.实时数据处理的英文缩写是______。10.数据挖掘中的关联规则算法是______。三、判断题(每题1分,共10分)1.Hadoop适合处理实时数据。()2.NoSQL数据库不支持ACID事务。()3.Spark比Hadoop更适合迭代计算。()4.数据清洗可以提高数据分析的准确性。()5.机器学习中的监督学习需要训练数据标签。()6.HDFS不适合存储小文件。()7.大数据可视化可以直观展示数据模式。()8.MapReduce的Map阶段处理输入数据。()9.数据仓库主要用于在线事务处理。()10.大数据安全只关注数据加密。()四、简答题(每题5分,共20分)1.简述HadoopHDFS的工作原理。2.比较MapReduce和Spark在数据处理上的主要区别。3.解释数据清洗的重要性及其主要步骤。4.描述机器学习中监督学习和无监督学习的区别。五、计算题(每题10分,共20分)1.给定一个数据集包含以下数值:10,20,30,40,50。使用MapReduce框架计算其平均值和标准差。假设Map阶段输出键值对为(sum,count),Reduce阶段进行汇总。请写出Map和Reduce过程的伪代码,并计算最终结果。标准差公式为:σ,其中μ为平均值。2.在Spark中,使用RDD操作对一个文本文件进行词频统计。文件内容为:"helloworldhellospark"。请写出使用map和reduceByKey操作的代码片段,并计算词频结果。假设RDD操作为:rdd.flatM

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论