2025年大學(xué)《數(shù)據(jù)計(jì)算及應(yīng)用》專(zhuān)業(yè)題庫(kù)——數(shù)據(jù)計(jì)算及應(yīng)用專(zhuān)業(yè)的學(xué)生就業(yè)報(bào)告考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分）1.在數(shù)據(jù)結(jié)構(gòu)中，用于表示元素之間一對(duì)一關(guān)系的結(jié)構(gòu)是（）。A.樹(shù)B.圖C.隊(duì)列D.鏈表2.下列關(guān)于算法時(shí)間復(fù)雜度的說(shuō)法，正確的是（）。A.算法的時(shí)間復(fù)雜度僅與輸入規(guī)模有關(guān)B.算法的時(shí)間復(fù)雜度與其實(shí)現(xiàn)語(yǔ)言無(wú)關(guān)C.復(fù)雜度越低，算法執(zhí)行時(shí)間越長(zhǎng)D.只需考慮最好情況下的時(shí)間復(fù)雜度3.SQL語(yǔ)句中，用于創(chuàng)建數(shù)據(jù)庫(kù)表的關(guān)鍵字是（）。A.CREATETABLEB.INSERTINTOC.SELECTFROMD.UPDATESET4.下列數(shù)據(jù)存儲(chǔ)格式中，通常適用于非結(jié)構(gòu)化數(shù)據(jù)或半結(jié)構(gòu)化數(shù)據(jù)的是（）。A.關(guān)系數(shù)據(jù)庫(kù)（如MySQL）B.NoSQL數(shù)據(jù)庫(kù)（如MongoDB）C.XML文件D.JSON文件5.在大數(shù)據(jù)技術(shù)棧中，負(fù)責(zé)分布式存儲(chǔ)的海量數(shù)據(jù)的是（）。A.HadoopMapReduceB.HDFSC.HiveD.Spark6.以下哪種編程語(yǔ)言通常被認(rèn)為最適合用于數(shù)據(jù)分析和機(jī)器學(xué)習(xí)任務(wù)？（）A.C++B.JavaC.PythonD.Swift7.數(shù)據(jù)可視化的主要目的是（）。A.提高數(shù)據(jù)存儲(chǔ)容量B.加密數(shù)據(jù)以保安全C.將復(fù)雜數(shù)據(jù)以直觀形式展現(xiàn)，便于理解和分析D.減少數(shù)據(jù)庫(kù)表數(shù)量8.下列關(guān)于云計(jì)算的敘述，錯(cuò)誤的是（）。A.云計(jì)算提供按需獲取的計(jì)算資源B.云計(jì)算通常采用集中式管理C.云計(jì)算服務(wù)包括IaaS、PaaS、SaaSD.云計(jì)算提高了數(shù)據(jù)訪問(wèn)的安全性9.在數(shù)據(jù)挖掘過(guò)程中，對(duì)數(shù)據(jù)進(jìn)行分類(lèi)和預(yù)測(cè)屬于哪個(gè)階段？（）A.數(shù)據(jù)預(yù)處理B.數(shù)據(jù)集成C.模式評(píng)估D.數(shù)據(jù)挖掘10.網(wǎng)絡(luò)安全中，用于確保數(shù)據(jù)在傳輸過(guò)程中不被竊聽(tīng)的技術(shù)是（）。A.身份認(rèn)證B.數(shù)據(jù)加密C.防火墻D.入侵檢測(cè)二、填空題（每空1分，共15分）1.數(shù)據(jù)結(jié)構(gòu)的基本操作包括插入、刪除、查找和________。2.算法的空間復(fù)雜度是指算法執(zhí)行過(guò)程中臨時(shí)占用的________的空間量。3.關(guān)系數(shù)據(jù)庫(kù)中，保證表中每一行唯一標(biāo)識(shí)符的屬性稱(chēng)為_(kāi)_______。4.大數(shù)據(jù)通常具有4個(gè)V特征：Volume（體量）、Velocity（速度）、________（多樣性）和Value（價(jià)值）。5.Hadoop生態(tài)系統(tǒng)中的YARN負(fù)責(zé)________管理和資源調(diào)度。6.Python中，用于處理數(shù)據(jù)的常用庫(kù)有NumPy、Pandas和________。7.數(shù)據(jù)可視化常用的圖表類(lèi)型包括柱狀圖、折線圖、餅圖和________。8.云計(jì)算的服務(wù)模型IaaS指的是________即服務(wù)。9.機(jī)器學(xué)習(xí)中的“過(guò)擬合”現(xiàn)象是指模型對(duì)訓(xùn)練數(shù)據(jù)擬合得太好，而對(duì)其________數(shù)據(jù)泛化能力差。10.常見(jiàn)的網(wǎng)絡(luò)安全威脅包括病毒、木馬、______和拒絕服務(wù)攻擊。三、簡(jiǎn)答題（每題5分，共20分）1.簡(jiǎn)述線性表和樹(shù)的區(qū)別。2.簡(jiǎn)述數(shù)據(jù)庫(kù)事務(wù)的ACID特性及其含義。3.簡(jiǎn)述數(shù)據(jù)挖掘的主要步驟。4.簡(jiǎn)述RESTfulAPI的基本特點(diǎn)。四、編程題（10分）編寫(xiě)Python代碼，實(shí)現(xiàn)以下功能：定義一個(gè)列表`nums=[10,5,8,3,9,2,1]`，使用排序算法（如冒泡排序或選擇排序）對(duì)該列表按從小到大的順序進(jìn)行排序，并輸出排序后的列表。五、綜合應(yīng)用題（25分）假設(shè)你需要為一個(gè)電商平臺(tái)設(shè)計(jì)一個(gè)簡(jiǎn)單的數(shù)據(jù)存儲(chǔ)方案。請(qǐng)回答以下問(wèn)題：1.如果需要存儲(chǔ)用戶(hù)的個(gè)人信息（如用戶(hù)ID、用戶(hù)名、性別、注冊(cè)日期），你會(huì)選擇使用關(guān)系數(shù)據(jù)庫(kù)還是NoSQL數(shù)據(jù)庫(kù)？并簡(jiǎn)述理由。（5分）2.如果需要存儲(chǔ)用戶(hù)的購(gòu)物車(chē)信息（包含用戶(hù)ID、商品ID、商品數(shù)量），請(qǐng)?jiān)O(shè)計(jì)一個(gè)合適的數(shù)據(jù)庫(kù)表結(jié)構(gòu)（至少包含表名和3個(gè)主要字段及其數(shù)據(jù)類(lèi)型）。（5分）3.如果平臺(tái)每天產(chǎn)生大量的用戶(hù)行為日志（如瀏覽商品、加入購(gòu)物車(chē)、下單等），你會(huì)考慮使用哪些大數(shù)據(jù)技術(shù)或工具來(lái)處理這些數(shù)據(jù)？（至少列舉兩種，并簡(jiǎn)述其作用）。（7分）4.請(qǐng)?jiān)O(shè)想一個(gè)基于這些數(shù)據(jù)的簡(jiǎn)單分析場(chǎng)景，并說(shuō)明你可能需要使用哪些技術(shù)或方法來(lái)完成該分析。（例如，分析用戶(hù)購(gòu)買(mǎi)商品的趨勢(shì)）。（8分）試卷答案一、選擇題1.D2.B3.A4.B5.B6.C7.C8.B9.D10.B解析思路：1.鏈表是線性結(jié)構(gòu)，元素間一對(duì)一；樹(shù)是多對(duì)一；圖是多對(duì)多；隊(duì)列是先進(jìn)先出。故選D。2.算法時(shí)間復(fù)雜度描述算法執(zhí)行時(shí)間隨輸入規(guī)模增長(zhǎng)的趨勢(shì)，與具體實(shí)現(xiàn)語(yǔ)言無(wú)關(guān)。故選B。3.SQL中創(chuàng)建表用CREATETABLE語(yǔ)句。故選A。4.NoSQL數(shù)據(jù)庫(kù)（如MongoDB）設(shè)計(jì)靈活，適合存儲(chǔ)非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)。故選B。5.HDFS是Hadoop的核心組件，負(fù)責(zé)分布式存儲(chǔ)海量數(shù)據(jù)。故選B。6.Python擁有豐富的數(shù)據(jù)科學(xué)庫(kù)（NumPy,Pandas,Scikit-learn等），生態(tài)完善，適合數(shù)據(jù)分析和機(jī)器學(xué)習(xí)。故選C。7.數(shù)據(jù)可視化的目的是將數(shù)據(jù)轉(zhuǎn)化為圖形或圖像，使人更容易理解和分析。故選C。8.云計(jì)算采用分布式管理，資源按需分配。故選B。9.數(shù)據(jù)挖掘階段包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)集成、模式發(fā)現(xiàn)、模式評(píng)估。分類(lèi)和預(yù)測(cè)屬于模式發(fā)現(xiàn)（挖掘）階段。故選D。10.數(shù)據(jù)加密確保數(shù)據(jù)在傳輸過(guò)程中內(nèi)容不被竊聽(tīng)。故選B。二、填空題1.順序2.內(nèi)存3.主鍵4.多樣性5.應(yīng)用6.Matplotlib7.散點(diǎn)圖8.基礎(chǔ)設(shè)施9.測(cè)試10.網(wǎng)絡(luò)攻擊解析思路：1.線性表的基本操作有插入、刪除、查找、訪問(wèn)（或遍歷）。故填順序。2.算法空間復(fù)雜度衡量算法執(zhí)行時(shí)臨時(shí)占用的內(nèi)存空間。故填內(nèi)存。3.主鍵是關(guān)系數(shù)據(jù)庫(kù)中唯一標(biāo)識(shí)每一行的屬性。故填主鍵。4.大數(shù)據(jù)的4V特征是Volume（體量）、Velocity（速度）、Variety（多樣性）、Value（價(jià)值）。故填多樣性。5.YARN（YetAnotherResourceNegotiator）在Hadoop生態(tài)中負(fù)責(zé)集群資源管理和調(diào)度應(yīng)用程序。故填應(yīng)用。6.Matplotlib是Python中常用的數(shù)據(jù)可視化庫(kù)。故填Matplotlib。7.常用的數(shù)據(jù)可視化圖表有柱狀圖、折線圖、餅圖、散點(diǎn)圖等。故填散點(diǎn)圖。8.IaaS（InfrastructureasaService）是基礎(chǔ)設(shè)施即服務(wù)，提供計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)等底層資源。故填基礎(chǔ)設(shè)施。9.過(guò)擬合是指模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)很好，但在未見(jiàn)過(guò)的測(cè)試數(shù)據(jù)上泛化能力差。故填測(cè)試。10.常見(jiàn)的網(wǎng)絡(luò)安全威脅包括病毒、木馬、網(wǎng)絡(luò)攻擊（如DDoS）、拒絕服務(wù)攻擊。故填網(wǎng)絡(luò)攻擊。三、簡(jiǎn)答題1.線性表中的元素之間存在一對(duì)一的線性關(guān)系，通常采用連續(xù)或鏈?zhǔn)酱鎯?chǔ)，插入和刪除操作可能需要移動(dòng)大量元素。樹(shù)是一種非線性的層次結(jié)構(gòu)，元素之間存在多對(duì)一的關(guān)系，采用分支結(jié)構(gòu)存儲(chǔ)，具有根節(jié)點(diǎn)、分支節(jié)點(diǎn)和葉子節(jié)點(diǎn)，插入和刪除操作通常涉及修改樹(shù)的結(jié)構(gòu)。2.數(shù)據(jù)庫(kù)事務(wù)的ACID特性是指：*原子性（Atomicity）：事務(wù)中的所有操作要么全部完成，要么全部不做，不會(huì)結(jié)束在中間某個(gè)環(huán)節(jié)。*一致性（Consistency）：事務(wù)必須保證數(shù)據(jù)庫(kù)從一個(gè)一致性狀態(tài)轉(zhuǎn)變到另一個(gè)一致性狀態(tài)。*隔離性（Isolation）：一個(gè)事務(wù)的執(zhí)行不能被其他事務(wù)干擾，即事務(wù)內(nèi)部的操作及使用的數(shù)據(jù)對(duì)并發(fā)的其他事務(wù)是隔離的。*持久性（Durability）：一個(gè)事務(wù)一旦提交，它對(duì)數(shù)據(jù)庫(kù)中數(shù)據(jù)的改變就是永久性的。3.數(shù)據(jù)挖掘的主要步驟通常包括：*數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理（清洗、集成、變換、規(guī)約）。*模式發(fā)現(xiàn)：選擇合適的挖掘技術(shù)（分類(lèi)、聚類(lèi)、關(guān)聯(lián)規(guī)則、回歸等）進(jìn)行數(shù)據(jù)挖掘。*模式評(píng)估：使用統(tǒng)計(jì)方法或領(lǐng)域知識(shí)評(píng)估挖掘結(jié)果的準(zhǔn)確性和有用性。*結(jié)果解釋與應(yīng)用：將挖掘結(jié)果以用戶(hù)易于理解的方式呈現(xiàn)，并應(yīng)用于實(shí)際問(wèn)題。4.RESTfulAPI的基本特點(diǎn)包括：*無(wú)狀態(tài)（Stateless）：服務(wù)器不存儲(chǔ)客戶(hù)端會(huì)話狀態(tài)，每次請(qǐng)求都包含所有必要信息。*無(wú)歧義（Cacheable）：響應(yīng)可以被標(biāo)記為可緩存或不可緩存，提高性能。*層次結(jié)構(gòu)（LayeredSystem）：客戶(hù)端可以通過(guò)中間層（如網(wǎng)關(guān)）訪問(wèn)服務(wù)器，無(wú)需知道服務(wù)器具體結(jié)構(gòu)。*統(tǒng)一接口（UniformInterface）：通過(guò)統(tǒng)一的方式（如URI、HTTP方法、狀態(tài)碼）與資源交互。四、編程題```pythonnums=[10,5,8,3,9,2,1]#使用冒泡排序n=len(nums)foriinrange(n):forjinrange(0,n-i-1):ifnums[j]>nums[j+1]:nums[j],nums[j+1]=nums[j+1],nums[j]print(nums)#或使用內(nèi)置排序函數(shù)#nums.sort()#print(nums)```解析思路：冒泡排序的基本思想是重復(fù)遍歷待排序的列表，每次比較相鄰的兩個(gè)元素，如果它們的順序錯(cuò)誤就交換它們。遍歷列表的次數(shù)取決于列表的長(zhǎng)度。第一次遍歷確保最大的元素移動(dòng)到最后的位置，第二次遍歷確保次大的元素移動(dòng)到倒數(shù)第二的位置，依此類(lèi)推。代碼中通過(guò)兩層嵌套循環(huán)實(shí)現(xiàn)，外層循環(huán)控制遍歷次數(shù)，內(nèi)層循環(huán)進(jìn)行相鄰元素的比較和交換。最終輸出排序后的列表。五、綜合應(yīng)用題1.對(duì)于存儲(chǔ)用戶(hù)的個(gè)人信息（如用戶(hù)ID、用戶(hù)名、性別、注冊(cè)日期），我會(huì)選擇使用關(guān)系數(shù)據(jù)庫(kù)（如MySQL,PostgreSQL）。理由是個(gè)人信息通常具有結(jié)構(gòu)化特征，字段固定，關(guān)系數(shù)據(jù)庫(kù)提供強(qiáng)大的結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)、查詢(xún)和管理能力，且能較好地保證數(shù)據(jù)的一致性和完整性，符合ACID特性要求。同時(shí)，關(guān)系數(shù)據(jù)庫(kù)支持事務(wù)操作，適合處理需要保證原子性和一致性的操作（如注冊(cè)）。2.購(gòu)物車(chē)信息表設(shè)計(jì)：*表名：`ShoppingCart`*字段：*`cart_id`INTPRIMARYKEYAUTO_INCREMENT：購(gòu)物車(chē)ID，主鍵，自增。*`user_id`INTNOTNULL：用戶(hù)ID，外鍵關(guān)聯(lián)用戶(hù)表，非空。*`product_id`INTNOTNULL：商品ID，外鍵關(guān)聯(lián)商品表，非空。*`quantity`INTNOTNULLDEFAULT1：商品數(shù)量，非空，默認(rèn)為1。*說(shuō)明：該表通過(guò)`user_id`和`product_id`的組合可以唯一標(biāo)識(shí)一個(gè)用戶(hù)的某個(gè)商品的購(gòu)物車(chē)條目。`quantity`字段記錄該商品在購(gòu)物車(chē)中的數(shù)量。3.處理用戶(hù)行為日志的大數(shù)據(jù)技術(shù)或工具：*HadoopHDFS：用于存儲(chǔ)海量的用戶(hù)行為日志數(shù)據(jù)，提供高容錯(cuò)和高吞吐量的數(shù)據(jù)存儲(chǔ)能力。作用：作為日志數(shù)據(jù)的分布式存儲(chǔ)平臺(tái)。*ApacheSpark：用于對(duì)存儲(chǔ)在HDFS上的日志數(shù)據(jù)進(jìn)行快速、高效的處理和分析，支持批處理和流處理。作用：進(jìn)行實(shí)時(shí)或近實(shí)時(shí)的日志數(shù)據(jù)計(jì)算和分析，例如統(tǒng)計(jì)用戶(hù)行為頻率、識(shí)別熱門(mén)商品等。*（可選）ApacheKafka：作為分布式流處理平臺(tái)，用于實(shí)時(shí)收集、處理和傳遞用戶(hù)行為事件流。作用：構(gòu)建實(shí)時(shí)數(shù)據(jù)管道，將日志數(shù)據(jù)推送到Spark等下游處理系統(tǒng)。*（可選）Elasticsearch：用于對(duì)日志數(shù)據(jù)進(jìn)行索引和搜索，支持復(fù)雜的查詢(xún)。作用：實(shí)現(xiàn)日志數(shù)據(jù)的快速檢索和可視化分析。4.分析場(chǎng)景：分析用戶(hù)購(gòu)買(mǎi)商品的趨勢(shì)。*可能需要的數(shù)據(jù)：用戶(hù)的購(gòu)買(mǎi)記錄（包含用戶(hù)ID、商品ID、購(gòu)買(mǎi)時(shí)間、購(gòu)買(mǎi)金額等）、商品信息（商品ID、商品類(lèi)別等）。*可能使用的技術(shù)或方法：*數(shù)據(jù)存儲(chǔ)：使用關(guān)系數(shù)據(jù)庫(kù)存儲(chǔ)交易數(shù)據(jù)，使用HadoopHDFS存儲(chǔ)原始日志，使用Spark進(jìn)行數(shù)據(jù)處理。*數(shù)據(jù)處理：使用Spark對(duì)交易數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換，提取用戶(hù)ID、商品ID、購(gòu)買(mǎi)時(shí)間等信息。*數(shù)據(jù)分析：