2026秋招：大數(shù)據(jù)試題及答案

單項(xiàng)選擇題（每題2分，共20分）1.Hadoop中負(fù)責(zé)資源調(diào)度的是（）A.NameNodeB.DataNodeC.ResourceManagerD.NodeManager2.下列哪個(gè)不是NoSQL數(shù)據(jù)庫(kù)（）A.MySQLB.MongoDBC.RedisD.Cassandra3.Spark中RDD的特點(diǎn)不包括（）A.不可變B.可分區(qū)C.可修改D.彈性4.Kafka中消息的基本存儲(chǔ)單位是（）A.主題B.分區(qū)C.消息集D.偏移量5.大數(shù)據(jù)的5V特性不包括（）A.VolumeB.VarietyC.ValueD.VelocityE.Virtual6.下列哪個(gè)工具用于數(shù)據(jù)可視化（）A.SqoopB.FlumeC.TableauD.Kafka7.HBase是基于什么存儲(chǔ)系統(tǒng)的（）A.HDFSB.RedisC.MySQLD.Cassandra8.以下哪種算法常用于分類(lèi)任務(wù)（）A.K-MeansB.決策樹(shù)C.PCAD.PageRank9.數(shù)據(jù)倉(cāng)庫(kù)的核心是（）A.ETLB.主題C.元數(shù)據(jù)D.數(shù)據(jù)集市10.Pig是一種用于什么的高級(jí)腳本語(yǔ)言（）A.數(shù)據(jù)采集B.數(shù)據(jù)處理C.數(shù)據(jù)存儲(chǔ)D.數(shù)據(jù)分析多項(xiàng)選擇題（每題2分，共20分）1.常見(jiàn)的大數(shù)據(jù)處理框架有（）A.HadoopB.SparkC.StormD.Flink2.以下屬于數(shù)據(jù)挖掘算法的有（）A.關(guān)聯(lián)規(guī)則挖掘B.聚類(lèi)分析C.回歸分析D.異常檢測(cè)3.Kafka的優(yōu)點(diǎn)包括（）A.高吞吐量B.可持久化C.分布式D.高并發(fā)4.數(shù)據(jù)清洗的方法有（）A.缺失值處理B.重復(fù)值處理C.異常值處理D.數(shù)據(jù)標(biāo)準(zhǔn)化5.大數(shù)據(jù)的應(yīng)用場(chǎng)景有（）A.金融風(fēng)控B.精準(zhǔn)營(yíng)銷(xiāo)C.醫(yī)療診斷D.交通優(yōu)化6.Hadoop生態(tài)系統(tǒng)包含以下哪些組件（）A.MapReduceB.HiveC.SqoopD.Flume7.Spark支持的編程語(yǔ)言有（）A.JavaB.ScalaC.PythonD.R8.NoSQL數(shù)據(jù)庫(kù)的類(lèi)型有（）A.鍵值存儲(chǔ)數(shù)據(jù)庫(kù)B.列存儲(chǔ)數(shù)據(jù)庫(kù)C.文檔存儲(chǔ)數(shù)據(jù)庫(kù)D.圖形數(shù)據(jù)庫(kù)9.數(shù)據(jù)倉(cāng)庫(kù)的分層架構(gòu)一般包括（）A.數(shù)據(jù)源層B.數(shù)據(jù)集成層C.數(shù)據(jù)倉(cāng)庫(kù)層D.數(shù)據(jù)應(yīng)用層10.以下哪些是實(shí)時(shí)計(jì)算框架（）A.SparkStreamingB.FlinkC.StormD.Hive判斷題（每題2分，共20分）1.Hadoop是一個(gè)分布式計(jì)算和存儲(chǔ)系統(tǒng)。（）2.Redis是一個(gè)關(guān)系型數(shù)據(jù)庫(kù)。（）3.大數(shù)據(jù)處理中，數(shù)據(jù)傾斜是常見(jiàn)問(wèn)題。（）4.Sqoop主要用于Hadoop與關(guān)系型數(shù)據(jù)庫(kù)之間的數(shù)據(jù)傳輸。（）5.聚類(lèi)算法是一種監(jiān)督學(xué)習(xí)算法。（）6.數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是動(dòng)態(tài)變化的。（）7.Kafka消息是順序存儲(chǔ)在分區(qū)中的。（）8.Spark只能在內(nèi)存中進(jìn)行計(jì)算。（）9.HBase適合隨機(jī)讀寫(xiě)的場(chǎng)景。（）10.Flume常用于實(shí)時(shí)數(shù)據(jù)采集。（）簡(jiǎn)答題（每題5分，共20分）1.簡(jiǎn)述Hadoop中MapReduce的工作原理。2.說(shuō)明NoSQL數(shù)據(jù)庫(kù)與關(guān)系型數(shù)據(jù)庫(kù)的區(qū)別。3.簡(jiǎn)述Kafka中主題和分區(qū)的概念。4.簡(jiǎn)述數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)庫(kù)的區(qū)別。討論題（每題5分，共20分）1.討論大數(shù)據(jù)對(duì)企業(yè)決策的影響。2.探討Spark相比于HadoopMapReduce的優(yōu)勢(shì)。3.分析NoSQL數(shù)據(jù)庫(kù)在大數(shù)據(jù)場(chǎng)景下的應(yīng)用前景。4.討論實(shí)時(shí)計(jì)算在大數(shù)據(jù)中的重要性。答案單項(xiàng)選擇題答案1.C2.A3.C4.B5.E6.C7.A8.B9.B10.B多項(xiàng)選擇題答案1.ABCD2.ABCD3.ABCD4.ABC5.ABCD6.ABCD7.ABCD8.ABCD9.ABCD10.ABC判斷題答案1.√2.×3.√4.√5.×6.×7.√8.×9.√10.√簡(jiǎn)答題答案1.MapReduce分Map和Reduce階段。Map把輸入數(shù)據(jù)分割處理成鍵值對(duì)，Reduce對(duì)Map輸出的鍵值對(duì)匯總計(jì)算，最終得出結(jié)果。2.NoSQL靈活可擴(kuò)展，數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)多樣，適合海量數(shù)據(jù)；關(guān)系型用表結(jié)構(gòu)，強(qiáng)事務(wù)性，適合復(fù)雜查詢(xún)和數(shù)據(jù)一致性高場(chǎng)景。3.主題是消息的邏輯分類(lèi)；分區(qū)是主題物理存儲(chǔ)單位，提高并行處理能力和并發(fā)性，可分布式存儲(chǔ)和處理。4.數(shù)據(jù)庫(kù)面向事務(wù)，處理日常業(yè)務(wù)操作，數(shù)據(jù)實(shí)時(shí)更新；數(shù)據(jù)倉(cāng)庫(kù)面向分析，集成多源數(shù)據(jù)，支持決策，數(shù)據(jù)定期更新。討論題答案1.大數(shù)據(jù)為企業(yè)決策提供全面準(zhǔn)確信息，挖掘潛在規(guī)律趨勢(shì)，有效降低風(fēng)險(xiǎn)，輔助企業(yè)制定精準(zhǔn)策略。2.Spark基于內(nèi)存計(jì)算，速度更快，有多種高級(jí)API，可交互分析，支