2026春招：大數(shù)據(jù)試題及答案

單項選擇題（每題2分，共20分）1.以下哪個是大數(shù)據(jù)存儲系統(tǒng)（）A.HiveB.HBaseC.SparkD.Flink2.數(shù)據(jù)挖掘中常用的關聯(lián)規(guī)則算法是（）A.K-meansB.AprioriC.DBSCAND.PCA3.大數(shù)據(jù)的5V特征中，“Variety”指的是（）A.大量B.多樣C.高速D.價值4.以下哪個工具用于分布式計算（）A.KafkaB.HDFSC.YARND.Sqoop5.哪種數(shù)據(jù)庫更適合存儲海量結構化數(shù)據(jù)（）A.MySQLB.MongoDBC.RedisD.Cassandra6.數(shù)據(jù)倉庫的主要特點不包括（）A.面向主題B.實時性C.集成性D.非易失性7.以下哪個是大數(shù)據(jù)分析工具（）A.LogstashB.PrestoC.StormD.ZooKeeper8.下列不屬于NoSQL數(shù)據(jù)庫的是（）A.CouchDBB.PostgreSQLC.Neo4jD.DynamoDB9.數(shù)據(jù)清洗的主要目的是（）A.增加數(shù)據(jù)量B.提高數(shù)據(jù)質量C.改變數(shù)據(jù)格式D.降低數(shù)據(jù)維度10.流式計算框架中，基于批處理模擬流處理的是（）A.FlinkB.SamzaC.SparkStreamingD.KafkaStreams多項選擇題（每題2分，共20分）1.大數(shù)據(jù)處理流程包括（）A.數(shù)據(jù)采集B.數(shù)據(jù)存儲C.數(shù)據(jù)處理D.數(shù)據(jù)分析2.以下屬于分布式文件系統(tǒng)的有（）A.CephB.GlusterFSC.LustreD.NFS3.常見的大數(shù)據(jù)開源框架有（）A.HadoopB.SparkC.CassandraD.Solr4.數(shù)據(jù)倉庫的數(shù)據(jù)模型有（）A.星型模型B.雪花型模型C.總線矩陣模型D.網(wǎng)狀模型5.以下哪些是數(shù)據(jù)可視化工具（）A.TableauB.PowerBIC.MatplotlibD.D3.js6.實時數(shù)據(jù)處理框架有（）A.FlinkB.SamzaC.TridentD.Storm7.大數(shù)據(jù)的主要應用場景有（）A.金融風控B.精準營銷C.智能交通D.工業(yè)物聯(lián)網(wǎng)8.Hadoop生態(tài)系統(tǒng)包含（）A.HDFSB.MapReduceC.HiveD.Sqoop9.數(shù)據(jù)挖掘的任務包括（）A.分類B.聚類C.回歸D.關聯(lián)分析10.以下哪些是消息隊列系統(tǒng)（）A.KafkaB.RabbitMQC.RocketMQD.ActiveMQ判斷題（每題2分，共20分）1.大數(shù)據(jù)就是指數(shù)據(jù)量非常大的數(shù)據(jù)。（）2.HBase是一個分布式、面向列的開源數(shù)據(jù)庫。（）3.數(shù)據(jù)倉庫中的數(shù)據(jù)是面向業(yè)務處理的。（）4.批處理主要用于對實時性要求高的場景。（）5.Spark基于內(nèi)存計算，比Hadoop速度快。（）6.NoSQL數(shù)據(jù)庫支持SQL語句查詢。（）7.數(shù)據(jù)可視化可以幫助用戶更直觀地理解數(shù)據(jù)。（）8.流式計算只處理實時生成的數(shù)據(jù)。（）9.數(shù)據(jù)挖掘和機器學習是完全相同的概念。（）10.Kafka是一個分布式消息隊列，不適合存儲大量數(shù)據(jù)。（）簡答題（每題5分，共20分）1.簡述大數(shù)據(jù)處理的一般流程。2.說明Hadoop與Spark的主要區(qū)別。3.列舉3種常見的數(shù)據(jù)清洗方法。4.大數(shù)據(jù)挖掘的主要步驟有哪些？討論題（每題5分，共20分）1.討論大數(shù)據(jù)在醫(yī)療行業(yè)的應用前景和挑戰(zhàn)。2.分析實時數(shù)據(jù)處理和批處理的適用場景。3.探討NoSQL數(shù)據(jù)庫適合的應用場景。4.談談數(shù)據(jù)安全在大數(shù)據(jù)時代的重要性和防護措施。答案單項選擇題1.B2.B3.B4.C5.D6.B7.B8.B9.B10.C多項選擇題1.ABCD2.ABC3.ABCD4.ABC5.ABCD6.ABCD7.ABCD8.ABCD9.ABCD10.ABCD判斷題1.×2.√3.×4.×5.√6.×7.√8.×9.×10.×簡答題1.一般流程為數(shù)據(jù)采集（從各源獲取數(shù)據(jù)）、數(shù)據(jù)存儲（如HDFS等）、數(shù)據(jù)處理（清理、轉換等）、數(shù)據(jù)分析（用工具和算法挖掘）、數(shù)據(jù)呈現(xiàn)（可視化展示）。2.Hadoop基于磁盤，處理批數(shù)據(jù)，有MapReduce編程模型；Spark基于內(nèi)存，處理速度快，有更豐富的計算模型，可用于流處理、批處理等。3.常見方法有去重（去除重復記錄）、填充缺失值（用均值、中位數(shù)等填充）、糾錯（修正錯誤數(shù)據(jù)）。4.主要步驟包括定義問題、數(shù)據(jù)收集、數(shù)據(jù)預處理、挖掘算法選擇與應用、結果評估與解釋。討論題1.前景：輔助診斷、疾病預測等。挑戰(zhàn)：數(shù)據(jù)隱私保護難、數(shù)據(jù)標準不統(tǒng)一、系統(tǒng)集成復雜。2.實時處理適用于金融交易、監(jiān)控預警等對時效性要求高場景。批處理適用于周期性報表生成、歷史數(shù)據(jù)分