2026秋招：大數(shù)據(jù)筆試題及答案

一、單項選擇題（每題2分，共10題）1.以下哪個是Hadoop分布式文件系統(tǒng)？A.NTFSB.FAT32C.HDFSD.EXT42.Spark中RDD是什么？A.彈性分布式數(shù)據(jù)集B.關(guān)系型數(shù)據(jù)庫C.分布式文件系統(tǒng)D.消息隊列3.用于存儲大規(guī)模圖數(shù)據(jù)的數(shù)據(jù)庫是？A.RedisB.Neo4jC.MySQLD.MongoDB4.Kafka是？A.數(shù)據(jù)庫B.消息隊列C.編程語言D.分布式計算框架5.Hive主要用于？A.實時數(shù)據(jù)處理B.數(shù)據(jù)倉庫C.數(shù)據(jù)可視化D.數(shù)據(jù)加密6.Pig是一種什么？A.編程語言B.大數(shù)據(jù)存儲系統(tǒng)C.數(shù)據(jù)挖掘算法D.數(shù)據(jù)集成工具7.以下哪個不是NoSQL數(shù)據(jù)庫類型？A.鍵值數(shù)據(jù)庫B.關(guān)系型數(shù)據(jù)庫C.文檔數(shù)據(jù)庫D.圖數(shù)據(jù)庫8.Flink側(cè)重于？A.離線批處理B.實時流處理C.數(shù)據(jù)存儲D.數(shù)據(jù)查詢9.Zookeeper主要用于？A.數(shù)據(jù)加密B.集群管理和協(xié)調(diào)C.大數(shù)據(jù)備份D.數(shù)據(jù)分析10.以下哪個工具用于數(shù)據(jù)可視化？A.HBaseB.TableauC.FlumeD.MapReduce二、多項選擇題（每題2分，共10題）1.屬于大數(shù)據(jù)處理框架的有（）。A.HadoopB.SparkC.StormD.Zookeeper2.關(guān)于HDFS說法正確的是（）。A.高容錯性B.適合大文件存儲C.不適合低延遲數(shù)據(jù)訪問D.一次寫入多次讀取3.下列屬于NoSQL數(shù)據(jù)庫的有（）。A.CassandraB.PostgreSQLC.CouchDBD.InfluxDB4.有關(guān)Kafka特點的是（）。A.高吞吐量B.持久化C.分布式D.低延遲5.以下可用于數(shù)據(jù)采集的工具是（）。A.SqoopB.FlumeC.NifiD.Hive6.Spark的組件有（）。A.SparkSQLB.SparkStreamingC.MLlibD.GraphX7.在大數(shù)據(jù)中可進(jìn)行機(jī)器學(xué)習(xí)的工具有（）。A.Scikit-learnB.TensorFlowC.PyTorchD.HBase8.大數(shù)據(jù)存儲技術(shù)包括（）。A.HBaseB.RedisC.MongoDBD.Elasticsearch9.以下屬于日志管理工具的是（）。A.LogstashB.FilebeatC.GraylogD.Kafka10.大數(shù)據(jù)處理流程包含（）。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)可視化三、判斷題（每題2分，共10題）1.Hadoop只能處理批處理任務(wù)。（）2.Spark基于內(nèi)存計算，所以比Hadoop快。（）3.Neo4j是關(guān)系型數(shù)據(jù)庫。（）4.Kafka只能使用Java語言操作。（）5.Hive可以直接處理大數(shù)據(jù)文件。（）6.Pig更適合復(fù)雜的數(shù)據(jù)分析任務(wù)。（）7.NoSQL數(shù)據(jù)庫完全替代了關(guān)系型數(shù)據(jù)庫。（）8.Flink可以進(jìn)行有狀態(tài)的流處理。（）9.Zookeeper可以保證數(shù)據(jù)的強(qiáng)一致性。（）10.Tableau只能處理結(jié)構(gòu)化數(shù)據(jù)。（）四、簡答題（每題5分，共4題）1.簡述Hadoop生態(tài)系統(tǒng)的主要組件及其作用。2.簡述Spark比Hadoop快的原因。3.說明Kafka中生產(chǎn)者和消費者的作用。4.簡述NoSQL數(shù)據(jù)庫的優(yōu)勢和適用場景。五、討論題（每題5分，共4題）1.討論大數(shù)據(jù)處理中數(shù)據(jù)傾斜問題的成因及解決辦法。2.探討實時數(shù)據(jù)處理和離線數(shù)據(jù)處理的區(qū)別和應(yīng)用場景。3.分析大數(shù)據(jù)時代下數(shù)據(jù)安全面臨的挑戰(zhàn)和應(yīng)對策略。4.說一說你對未來大數(shù)據(jù)技術(shù)發(fā)展趨勢的看法。答案一、單項選擇題1.C2.A3.B4.B5.B6.A7.B8.B9.B10.B二、多項選擇題1.ABC2.ABCD3.ACD4.ABCD5.ABC6.ABCD7.ABC8.ABCD9.ABC10.ABCD三、判斷題1.×2.√3.×4.×5.×6.×7.×8.√9.×10.×四、簡答題1.主要組件有HDFS用于存儲數(shù)據(jù)，有高容錯性；MapReduce用于數(shù)據(jù)處理和并行計算；YARN進(jìn)行資源管理和任務(wù)調(diào)度；Hive為數(shù)據(jù)倉庫工具，可通過SQL操作數(shù)據(jù)；HBase用于存儲海量稀疏數(shù)據(jù)。2.Spark基于內(nèi)存計算，減少了磁盤I/O開銷。它的DAG執(zhí)行引擎能優(yōu)化任務(wù)調(diào)度。且有RDD彈性分布式數(shù)據(jù)集，可高效處理迭代計算。3.生產(chǎn)者負(fù)責(zé)將數(shù)據(jù)發(fā)布到Kafka的主題中，消費者從主題中訂閱并消費消息。生產(chǎn)者可控制數(shù)據(jù)分區(qū)和發(fā)送策略，消費者能靈活管理消費偏移量。4.優(yōu)勢是靈活可擴(kuò)展、高并發(fā)處理、適合非結(jié)構(gòu)化數(shù)據(jù)。適用于數(shù)據(jù)模型易變、讀寫性能要求高、需分布式存儲的場景。五、討論題1.成因有數(shù)據(jù)分布不均、業(yè)務(wù)數(shù)據(jù)特點等。解決辦法可采用數(shù)據(jù)預(yù)處理、加鹽哈希、使用傾斜key拆分等。2.區(qū)別：實時處理及時性高、對系統(tǒng)性能要求高；離線處理處理量大、時效性要求低。場景：實