《大數據導論》教材配套習題和答案

第1章大數據概述單選題下面關于數據的說法，錯誤的是：（B）數據的根本價值在于可以為人們找出答案數據的價值會因為不斷使用而削減數據的價值會因為不斷重組而產生更大的價值目前階段，數據的產生不以人的意志為轉移第3次信息化浪潮的標志是：（C）個人計算機的普及互聯網的普及云計算、大數據和物聯網技術的普及人工智能的普及物聯網的發展最終導致了人類社會數據量的第三次躍升，使得數據產生方式進入了：（D）手工創建階段運營式系統階段用戶原創內容階段感知式系統階段英國的大數據發展戰略是：(D)A.穩步實施“三步走”戰略，打造面向未來的大數據創新生態B.通過發展創新性解決方案并應用于實踐來促進大數據發展C.以大數據等技術為核心應對第四次工業革命D.緊抓大數據產業機遇，應對脫歐后的經濟挑戰5.以下哪個不是大數據的“4V”特性：（D）數據量大數據類型繁多處理速度快價值密度高多選題數據的類型主要包括：（ABCD）文本圖片音頻視頻計算機系統中的數據組織形式主要有兩種，分別是：（AD）文件視頻音頻數據庫為了讓數據變得可用，需要對數據進行三個步驟的處理，分別是：（ACD）數據清洗數據抽樣數據管理數據分析信息科技為大數據時代提供技術支撐，主要體現在哪三個方面：（ABD）存儲設備容量不斷增加CPU處理能力大幅提升量子計算機全面普及網絡帶寬不斷增加5、人類社會的數據產生方式大致經歷了哪三個階段：（BCD）手工生產階段運營式系統階段用戶原創內容階段感知式系統階段6、關于“大數據摩爾定律”，以下說法正確的是：（ABC）人類社會產生的數據一直都在以每年50%的速度增長人類社會的數據量大約每兩年就增加一倍人類在最近兩年產生的數據量相當于之前產生的全部數據量之和人類社會的數據量以每年10%的速度增長7、人類自古以來在科學研究上先后歷經了哪幾種范式：（ABCD）實驗科學理論科學計算科學數據密集型科學8、大數據將會對社會發展產生深遠的影響，具體表現在以下哪幾個方面：（ABCD）大數據決策成為一種新的決策方式大數據成為提升國家治理能力的新途徑大數據應用促進信息技術與各行業的深度融合大數據開發推動新技術和新應用的不斷涌現9、大數據產業是指一切與支撐大數據組織管理和價值發現相關的企業經濟活動的集合。以下哪些屬于大數據產業的某個環節（ABCD）：IT基礎設施層數據源層數據管理層數據分析層第2章大數據與其他新興技術之間的關系單選題早期的云計算產品AWS是由哪家企業提出的：（C）IBM微軟亞馬遜谷歌云計算包括3種類型。面向所有用戶提供服務，只要是注冊付費的用戶都可以使用，這種云計算屬于：（A）公有云私有云混合云獨立云云計算包括3種類型。只為特定用戶提供服務，比如大型企業出于安全考慮自建的云環境，只為企業內部提供服務，這種云計算屬于：（B）公有云私有云混合云獨立云以下關于大數據、云計算和物聯網的區別，描述錯誤的是：（C）大數據側重于對海量數據的存儲、處理與分析，從海量數據中發現價值，服務于生產和生活云計算本質上旨在整合和優化各種IT資源并通過網絡以服務的方式，廉價地提供給用戶云計算旨在從海量數據中發現價值，服務于生產和生活物聯網的發展目標是實現物物相連，應用創新是物聯網發展的核心以下關于機器學習，描述錯誤的是：(C)是一門涉及統計學、系統辨識、逼近理論、神經網絡、優化理論、計算機科學、腦科學等諸多領域的交叉學科研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能機器學習強調三個關鍵詞：算法、模型、訓練基于數據的機器學習是現代智能技術中的重要方法之一6、以下關于知識圖譜，描述錯誤的是：（C）又稱為科學知識圖譜在圖書情報界稱為知識域可視化或知識領域映射地圖知識圖譜屬于密碼學研究范疇知識圖譜可用于反欺詐、不一致性驗證、組團欺詐等公共安全保障領域7、以下關于人機交互，描述錯誤的是：（B）人機交互是一門研究系統與用戶之間的交互關系的學科人機交互界面通常是指用戶不可見的部分系統可以是各種各樣的機器，也可以是計算機化的系統和軟件用戶通過人機交互界面與系統交流，并進行操作8、以下關于計算機視覺，描述錯誤的是：（D）計算機視覺是一門研究如何使機器“看”的科學是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量的機器視覺計算機視覺是一門綜合性的學科語音識別屬于計算機視覺的典型應用9、關于大數據與區塊鏈的聯系，下面描述錯誤的是：（D）A．區塊鏈使大數據極大降低信用成本B．區塊鏈是構建大數據時代的信任基石C．區塊鏈是促進大數據價值流通的管道D．區塊鏈會提升大數據的信用成本二、多選題傳統的IT資源獲取方式的主要缺點是：（ABC）初期成本高，建設周期長后期需要自己維護，使用成本高IT資源供應量有限IT資源供應量無限云計算的主要優點是：（BCD）初期投入大，需要用戶自己維護初期零成本，瞬時可獲得后期免維護，使用成本低在供應IT資源量方面“予取予求”云計算包括哪3種典型的服務模式：（ABD）IaaS（基礎設施即服務）PaaS（平臺即服務）MaaS（機器即服務）SaaS（軟件即服務）云計算包括哪3種類型：（ACD）公有云獨立云私有云混合云5、從技術架構上看，物聯網主要包括哪幾層：（ABCD）感知層網絡層處理層應用層以下關于大數據、云計算和物聯網的聯系，描述正確的是：（ABCD）從整體上看，大數據、云計算和物聯網這三者是相輔相成的大數據根植于云計算，大數據分析的很多技術都來自于云計算大數據為云計算提供了“用武之地”物聯網需要借助于云計算和大數據技術，實現物聯網大數據的存儲、分析和處理以下關于大數據與人工智能的聯系，描述正確的是：（ABCD）人工智能需要數據來建立其智能，特別是機器學習人工智能應用的數據越多，其獲得的結果就越準確大數據為人工智能提供了海量的數據，使得人工智能技術有了長足的發展大數據技術為人工智能提供了強大的存儲能力和計算能力7、下面關于比特幣和區塊鏈之間關系的描述，正確的是：（BC）A．比特幣和區塊鏈沒有任何關系B．區塊鏈是比特幣的底層技術C．比特幣是區塊鏈的一種應用D．比特幣是比區塊鏈更先進的一種技術8、比特幣要解決的兩個核心問題是：（AD）A.防篡改B．防丟失C．防貶值D．去中心化記賬9、在比特幣區塊鏈中關于如何爭奪記賬權的問題，下面描述正確的是：（ABCD）A．采用的是POW機制，也就是“工作量證明機制”B．記賬節點通過計算數學題，來爭奪記賬權C．對于數學公式的計算，除了從零開始遍歷隨機數碰運氣以外，沒有其他辦法D．解題的過程，又叫“挖礦”，記賬節點被稱為礦工。誰先解對，誰就獲得記賬權10、區塊鏈的三要素是：（ABC）A．交易B．區塊C．鏈D．比特幣第3章大數據基礎知識單選題1、下面關于大數據安全問題，描述錯誤的是：（D）大數據的價值并不單純地來源于它的用途，而更多地源自其二次利用對大數據的收集、處理、保存不當，會加劇數據信息泄露的風險大數據成為國家之間博弈的新戰場大數據對于國家安全沒有產生影響2、下面關于棱鏡門事件描述錯誤的是：（C）棱鏡計劃（PRISM）是一項由美國國家安全局（NSA）自2007年起開始實施的絕密電子監聽計劃在該計劃中，美國國家安全局和聯邦調查局利用平臺和技術上的優勢，開展全球范圍內的監聽活動該計劃的目的是為了促進世界和平與發展該計劃對全世界重點地區、部門、公司甚至個人進行布控3、下面關于手機軟件采集個人信息的描述錯誤的是：（C）在我們的日常生活中，部分手機APP往往會“私自竊密”有的APP在提供服務時，采取特殊方式來獲得用戶授權，這本質上仍屬“未經同意”在微信朋友圈廣泛傳播的各種測試小程序是安全的，不會竊取用戶個人信息手機APP過度采集個人信息呈現普遍趨勢，最突出的是在非必要的情況下獲取位置信息和訪問聯系人權限4、下面描述錯誤的是：（D）A．“探針盒子”就是一款自動收集用戶隱私的產品B．許多顧客在使用WiFi之后會收到大量的廣告信息，甚至自己的手機號碼也會被當做信息進行多次買賣C．在免費上網的背后，其實也存在著不小的信息安全風險，或許一不小心，就落入了電腦黑客們設計的WiFi陷阱之中D．免費WIFI都是安全的，可以放心使用5、下面關于機械思維的核心思想，描述錯誤的是：（B）世界變化的規律是確定的世界變化的規律是無法確定的規律不僅是可以被認識的，而且可以用簡單的公式或者語言描述清楚這些規律應該是放之四海而皆準的，可以應用到各種未知領域指導實踐6、我們在使用智能手機進行導航來避開城市擁堵路段時，體現了哪種大數據思維方式：（A）我為人人，人人為我全樣而非抽樣效率而非精確相關而非因果谷歌采用搜索引擎大數據進行流感趨勢預測，體現了哪種大數據思維方式：（B）我為人人，人人為我全樣而非抽樣效率而非精確相關而非因果8、“啤酒與尿布”的故事，體現了哪種大數據思維方式：（D）我為人人，人人為我全樣而非抽樣效率而非精確相關而非因果9、大數據的簡單算法比小數據的復雜算法更有效，體現了哪種大數據思維方式：（A）以數據為中心全樣而非抽樣效率而非精確相關而非因果10、迪士尼MagicBand手環，體現了哪種大數據思維方式：（A）我為人人，人人為我全樣而非抽樣效率而非精確相關而非因果11、下面關于大數據倫理的描述，錯誤的是：（D）大數據倫理屬于科技倫理的范疇大數據倫理問題是指由于大數據技術的產生和使用而引發的社會問題作為一種新的技術，大數據技術像其他所有技術一樣，其本身是無所謂好壞的，而它的“善”與“惡”全然在于對大數據技術的使用者大數據技術本身就存在“善”和“惡”的區分12、現在的互聯網，基于大數據和人工智能的推薦應用越來越多，越來越深入，我們一直被“喂食著”經過智能化篩選推薦的信息，久而久之，會導致什么問題：（A）信息繭房問題隱形偏差問題大數據殺熟問題隱私泄露問題下面哪一個不屬于大數據倫理問題：（D）隱私泄露問題數據安全問題數字鴻溝問題數據冗余問題14、下面關于政府數據孤島描述錯誤的是：（D）有些政府部門錯誤地將數據資源等同于一般資源，認為占有就是財富，熱衷于搜集，但不愿共享有些部門只盯著自己的數據服務系統，結果因為數據標準、系統接口等技術原因，無法與外單位、外部門聯通有些地方，對大數據缺乏頂層設計，導致各條線、各部門固有的本位主義作祟，壁壘林立，數據無法流動即使涉及到工作機密、商業機密，政府也應該毫不保留地共享數據15、關于推進數據共享開放的描述，錯誤的是：（D）要改變政府職能部門“數據孤島”現象，立足于數據資源的共享互換，設定相對明確的數據標準，實現部門之間的數據對接與共享要使不同省區市之間的數據實現對接與共享，解決數據“畫地為牢”的問題，實現數據共享共用在企業內部，破除“數據孤島”，推進數據融合不同企業之間，為了保護各自商業利益，不宜實現數據共享16、下面關于數據權的描述，錯誤的是：（D）數據權的概念發起于英國，主要將其視為信息社會的一項基本公民權利數據權包括兩個方面：數據主權和數據權利數據主權的主體是國家，是一個國家獨立自主對本國數據進行管理和利用的權力數據主權的主體是公民，是相對應于公民數據采集義務而形成的對數據利用的權利17、下面關于政府信息公開與政府數據開放的描述，錯誤的是：（B）政府信息公開與政府數據開放是一對既相互區別又相互聯系的概念信息是沒有經過任何加工與解讀的原始記錄，沒有明確的含義，而數據則是經過加工處理并被賦予一定含義的政府信息公開主要是為了對公眾知情權的滿足而出現的政府數據開放強調的是數據的再利用，公眾可以分享數據利用創造的經濟和社會價值18、關于公民的隱私權，下面描述錯誤的是：（A）修改權是隱私權利人具有的依法了解自身信息資料是否被行政主體利用的權利支配權是隱私權利人的基本權利之一，隱私權利人對自己的個人信息的收集、儲存、傳播、使用、開放等享有支配權保障權是指公民有權要求政府在數據開放的過程中保障涉及其個人隱私的信息資料不被開放、不被濫用和不被泄露救濟權是公民在自身的合法權益受到侵害時，按照法定程序采取法律手段維護自身權益的權利19、關于大數據交易在發展過程中遇到的問題，下面描述錯誤的是：（D）互聯網數據馬太效應顯現市場信用體系缺失、監管有待加強大數據交易規則和標準缺乏數據質量評價與估值定價已經很完善20、目前大數據交易市場上存在很多種定價機制，但是不包括以下哪項：（D）平臺預定價自動計價拍賣式定價隨機性定價21、我國首家大數據交易所是：（A）貴陽大數據交易所上海數據交易中心華東江蘇大數據交易中心浙江大數據交易中心二、多選題1、傳統的數據安全的威脅主要包括：（ABC）計算機病毒黑客攻擊數據信息存儲介質的損壞數據復制2、大數據安全表現出與傳統數據安全不同的特征，具體來說包括哪幾個方面：（ABCD）大數據成為網絡攻擊的顯著目標大數據加大隱私泄露風險大數據技術被應用到攻擊手段中大數據成為高級可持續攻擊（APT）的載體3、舍恩伯格在《大數據時代：生活、工作與思維的大變革》一書中明確指出，大數據時代最大的轉變就是思維方式的3種轉變，具體包括：（ABC）全樣而非抽樣效率而非精確相關而非因果務實而非務虛4、下面關于搜索引擎“點擊模型”的描述正確的是：（ABCD）隨著數據量的積累，點擊模型對搜索結果排名的預測越來越準確，它的重要性也越來越大點擊模型的準確性取決于數據量的大小一個搜索引擎使用的時間越長，數據的積累就越充分，對于長尾搜索就做得越準確當整個搜索行業都意識到點擊數據的重要性后，這個市場上的競爭就從技術競爭變成了數據競爭5、下面關于隱私泄露問題的描述，正確的是：（ABCD）大數據時代下的隱私與傳統隱私的最大區別在于隱私的數據化，即隱私主要以“個人數據”的形式出現用戶在使用搜索引擎時，搜索引擎可以精確地刻畫出該用戶的“數字肖像”通過數據預測，可以預測個體“未來的隱私”“數據痕跡”往往永遠無法徹底消除，會被永久保留記錄6、下面關于數字鴻溝問題的描述，正確的是：（ACD）數字鴻溝被認為是信息時代的“馬太效應”，即先進技術的成果不能為人公正分享，于是造成“富者越富、窮者越窮”的情況數字鴻溝因為大數據技術的誕生而趨向彌合數字鴻溝是一個涉及公平公正的問題在我國，東中西部地區、城鄉之間等都可以明顯感受到數字鴻溝的存在7、下面關于數據獨裁的描述，正確的是：（ABCD）所謂的“數據獨裁”是指在大數據時代，由于數據量的爆炸式增長，導致做出判斷和選擇的難度徒增，迫使人們必須完全依賴數據的預測和結論才能做出最終的決策從某個角度來講，數據獨裁就是讓數據統治人類，使人類徹底走向唯數據主義數據獨裁最終將導致人類思維被“空心化”，進而是創新意識的喪失數據獨裁還可能使人們喪失了人的自主意識、反思和批判的能力，最終淪為數據的奴隸因數據而產生的壟斷問題，主要包括哪幾種類型：（ABCD）數據可能造成進入壁壘或擴張壁壘擁有大數據形成市場支配地位并濫用因數據產品而形成市場支配地位并濫用涉及數據方面的壟斷協議9、企業數據孤島產生的原因主要包括哪兩個方面：（AB）以功能為標準的部門劃分導致數據孤島不同類型、不同版本的信息化管理系統導致數據孤島機構設置不合理各個部門責權利不清晰10、消除數據孤島對于政府具有哪些重要的意義：（ABCD）有助于提升資源利用率有助于推動政府轉型有助于提高行政效率有助于促進跨部門合作11、消除數據孤島對于企業具有哪些重要的意義：（ABC）有助于企業做出有利于生產要素組合優化的決策，使企業能夠合理配置資源，實現企業利益最大化有利于企業獲得更好的經營發展能力企業信息的增多可以增加做出正確選擇的能力，從而提高經濟效率不利于企業長遠的發展12、實現數據共享，在政府層面面臨的挑戰包括：（ABCD）不愿共享開放不敢共享開放不會共享開放數據中心共享開放作用不強實現數據共享，在企業層面面臨的挑戰包括：（ABC）系統孤島挑戰組織架構挑戰數據合作挑戰利潤風險挑戰14、關于政府數據開放的意義，下面描述正確的是：（ABC）政府開放數據有利于促進開放透明政府的形成政府開放數據有利于創新創業和經濟增長政府開放數據有利于社會治理創新政府開放數據將會對政府正常運作產生威脅15、目前進行數據交易的形式主要包括哪幾種：（ABC）大數據交易公司數據交易所API模式PPT模式16、大數據交易平臺的類型主要包括哪兩種：（AD）綜合數據服務平臺實時數據交易平時零散數據交易平臺第三方數據交易平臺17、交易數據的來源主要包括哪些：（ABCD）政府公開數據企業內部數據數據供應方數據網頁爬蟲數據18、交易產品的類型主要包括哪幾種：（ABCD）API數據包云服務解決方案19、大數據交易平臺的運營模式主要包括哪兩種：（BC）具有交易實時顯示功能的交易平臺兼具中介和數據處理加工功能的交易平臺只具備中介功能的交易平臺只具備數據處理加工功能的交易平臺20、可以從哪些維度評價數據價值：（ABCD）數據樣本量數據品種數據完整性數據實時性第4章大數據應用一、單選題1、下面關于推薦系統的描述錯誤的是：（D）推薦系統是自動聯系用戶和物品的一種工具和搜索引擎相比，推薦系統通過研究用戶的興趣偏好，進行個性化計算推薦系統可發現用戶的興趣點，幫助用戶從海量信息中去發掘自己潛在的需求推薦系統是一種只能通過專家進行人工推薦的系統2、以下推薦方法中，哪一個是基于內容的推薦：（C）由資深的專業人士來進行物品的篩選和推薦基于統計信息進行推薦通過機器學習的方法去描述內容的特征，并基于內容的特征來發現與之相似的內容對多種推薦算法進行有機組合，然后給出推薦結果3、以下哪項不屬于大數據在城市管理中的應用：（D）智能交通環保監測城市規劃比賽預測4、以下哪項不屬于大數據在零售領域的應用：（A）大數據征信發現關聯購物行為客戶群體劃分供應鏈管理二、多選題1、一個完整的推薦系統通常包括哪3個組成模塊：（ABC）用戶建模模塊推薦對象建模模塊推薦算法模塊可視化模塊2、智慧醫療具有哪些優點：（ABCD）促進優質醫療資源的共享避免患者重復檢查促進醫療智能化有助于實現全民免費醫療3、下面關于智能物流的描述，正確的是：ABCD又稱智慧物流，是利用智能化技術，使物流系統能模仿人的智能，具有思維、感知、學習、推理判斷和自行解決物流中某些問題的能力可以幫助實現物流資源優化調度和有效配置，并且提升物流系統效率智能物流概念源自2010年IBM發布的研究報告《智慧的未來供應鏈》智能物流概念經歷了自動化、信息化、網絡化3個發展階段4、智能物流具有哪幾個方面的重要作用：（ABC）提高物流的信息化和智能化水平降低物流成本和提高物流效率提高物流活動的一體化提高了物流的復雜性5、大數據在金融領域的應用主要包括：（ABCD）高頻交易市場情緒分析信貸風險分析大數據征信6、大數據在餐飲行業的應用主要包括：（ABCD）大數據驅動的團購模式利用大數據為用戶推薦消費內容利用大數據調整線下門店布局利用大數據控制店內人流量第5章數據采集與預處理單選題以下哪個步驟不屬于數據的采集與預處理：（D）利用ETL工具將分布的、異構數據源中的數據，抽取到臨時中間層后進行清洗、轉換、集成，最后加載到數據倉庫或數據集市中利用日志采集工具把實時采集的數據作為流計算系統的輸入，進行實時處理分析利用網頁爬蟲程序到互聯網網站中爬取數據D、對分析結果進行可視化呈現，幫助人們更好地理解數據、分析數據以下哪項不屬于數據清洗的內容：（B）一致性檢查精確度校驗無效值和缺失值的處理成對刪除3、以下哪個不是Flume的核心組件：（A）A．數據塊（Block）B．數據源（Source）C．數據通道（Channel）D．數據槽（Sink）6、下面關于網絡爬蟲的描述錯誤的是：（D）A．網絡爬蟲是一個自動提取網頁的程序B．為搜索引擎從萬維網上下載網頁，是搜索引擎的重要組成部分C．爬蟲從一個或若干個初始網頁的URL開始，獲得初始網頁上的URL，在抓取網頁的過程中，不斷從當前頁面上抽取新的URL放入隊列，直到滿足系統的一定停止條件D．網絡爬蟲的行為和人們訪問網站的行為是完全不同的7、下面關于網絡爬蟲的描述正確的是：（D）A．網絡爬蟲由控制節點、爬蟲節點和資源庫構成B．網絡爬蟲中可以有多個控制節點，每個控制節點下可以有多個爬蟲節點C．控制節點之間可以互相通信，控制節點和其下的各爬蟲節點之間也可以進行互相通信D．屬于同一個控制節點下的各爬蟲節點間不可以互相通信8、以下哪個不是Scrapy體系架構的組成部分：（C）A．Scrapy引擎（Engine）B.爬蟲（Spiders）C.支持者（Support）D.下載器（Downloader）9、下面關于反爬機制描述錯誤的是：（D）A．簡單低級的網絡爬蟲，數據采集速度快，偽裝度低，如果沒有反爬機制，它們可以很快地抓取大量數據，甚至因為請求過多，造成網站服務器不能正常工作，影響了企業的業務開展B．反爬機制也是一把雙刃劍，一方面可以保護企業網站和網站數據，但是，另一方面，如果反爬機制過于嚴格，可能會誤傷到真正的用戶請求C．如果既要和“網絡爬蟲”死磕，又要保證很低的誤傷率，那么又會增加網站研發的成本D．反爬機制不利于信息的自由流通，不利于網站發展，應該堅決取消10、假設有一個數據集X={4,8,15,21,21,24,25,28,34}，這里采用基于平均值的等高分箱方法對其進行平滑處理，則分箱處理結果是：（B）A.{8,8,8,22,22,22,29,29,29}B.{9,9,9,22,22,22,29,29,29}C.{9,9,9,21,21,21,29,29,29}D.{9,9,9,22,22,22,28,28,28}11、假設屬性的最大值和最小值分別是87000元和11000元，現在需要利用Min-Max規范化方法，將“顧客收入”屬性的值映射到0~1的范圍內，則“顧客收入”屬性的值為72400元時，對應的轉換結果是：（A）A．0.808B．0.837C．0.769D．0.98712、假設A班級的平均分是80，標準差是10，A考了90分；B班的平均分是400，標準差是100，B考了600分。采用Z-Score規范化以后，二者誰的成績更加優秀：（B）A．A的成績更為優秀B.B的成績更為優秀C.二者一樣優秀D．無法比較13、假設屬性的取值范圍是-957~924，當屬性的值為426時，采用小數定標規范化方法對應的轉換結果是：（C）A．0.421B.0.433C.0.426D.0.489二、多選題1、數據采集的三大要點是：（ABC）全面性多維性高效性D.精確性2、數據采集的主要數據源包括：（ABCD）傳感器數據互聯網數據日志文件企業業務系統數據3、需要清洗的數據的主要類型包括：（ACD）殘缺數據干凈數據錯誤數據重復數據4、典型的數據采集方法包括：（ABCD）A．系統日志采集B．分布式消息訂閱分發C．ETLD．網絡數據采集5、Kafka的架構包括哪些組件：（ABCD）A.話題（Topic）B.生產者（Producer）C.服務代理（Broker）D.消費者（Consumer）6、網絡爬蟲的類型主要包括：（）A．通用網絡爬蟲B.聚焦網絡爬蟲C.增量式網絡爬蟲D.深層網絡爬蟲7、常見的數據轉換策略包括：（ABCD）A．平滑處理B．聚集處理C．數據泛化處理D．規范化處理8、常用的規范化處理方法包括：（ABD）A．Min-Max規范化B.Z-Score規范化C.曲面規范化D.小數定標規范化9、數據脫敏的主要原則包括：（ABCD）A.保持原有數據特征B.保持數據之間的一致性C.保持業務規則的關聯性D.多次脫敏之間的數據一致性10、數據脫敏的方法主要包括：（ABCD）A.數據替換B.無效化C.隨機化D.偏移和取整第6章數據存儲與管理單選題1、以下哪項不屬于傳統的數據存儲和管理技術：（A）NoSQL數據庫文件系統關系數據庫數據倉庫2、以下關于分布式文件系統，描述錯誤的是：（B）是一種通過網絡實現文件在多臺主機上進行分布式存儲的文件系統所有的分布式文件系統的設計都是采用“客戶機/服務器”（Client/Server）模式谷歌開發了分布式文件系統GFSHadoop分布式文件系統（HadoopDistributedFileSystem，HDFS）是針對GFS的開源實現3、以下描述錯誤的是：（D）傳統的關系數據庫可以較好地支持結構化數據存儲和管理Web2.0的迅猛發展以及大數據時代的到來，使關系數據庫的發展越來越力不從心傳統的關系數據庫由于數據模型不靈活、水平擴展能力較差等局限性，已經無法滿足各種類型的非結構化數據的大規模存儲需求傳統關系數據庫引以為豪的一些關鍵特性，如事務機制和支持復雜查詢，在Web2.0時代成為不可或缺的核心特性4、以下關于NoSQL數據庫描述錯誤的是：（C）NoSQL是一種不同于關系數據庫的數據庫管理系統設計方式，是對非關系型數據庫的統稱NoSQL所采用的數據模型并非傳統關系數據庫的關系模型，而是類似鍵/值、列族、文檔等非關系模型NoSQL數據庫有固定的表結構，通常存在較多連接操作D、與關系數據庫相比，NoSQL具有靈活的水平可擴展性，可以支持海量數據存儲5、在數據庫的發展歷史上，先后出現過多種數據庫類型，但是，不包括：（B）A.網狀數據庫B.球形數據庫C.層次數據庫D.關系數據庫6、下面關于關系數據庫特點的描述，錯誤的是：（D）A．采用表格的儲存方式，數據以行和列的方式進行存儲，要讀取和查詢都十分方便B.為了規范化數據、減少重復數據以及充分利用好存儲空間，把數據按照最小關系表的形式進行存儲C.由于關系數據庫將數據存儲在數據表中，數據操作的瓶頸出現在多張數據表的操作中，而且數據表越多這個問題越嚴重D.關系數據庫采用非結構化查詢語言來對數據庫進行查詢7、下面關于NewSQL數據庫的描述，錯誤的是：（B）A.NewSQL數據庫保持了傳統數據庫支持ACID和SQL等特性B.不同的NewSQL數據庫的內部結構基本相同C.都支持關系數據模型D.都使用SQL作為其主要的接口8、下面關于Hadoop的描述錯誤的是：（C）A.Hadoop是一個能夠對大量數據進行分布式處理的軟件框架B.作為并行分布式計算平臺，Hadoop采用分布式存儲和分布式處理兩大核心技術，能夠高效地處理PB級數據C.Hadoop只支持Java編程語言D.Hadoop可以高效穩定地運行在廉價的計算機集群上，可以擴展到數以千計的計算機節點上9、下面哪個不是Hadoop生態系統的組件：（B）A.HDFSB.SQLServerC.MapReduceD.HBase10、下面組件哪個是負責在Hadoop和關系數據庫之間實現數據導入導出的：（C）A.MySQLB.HDFSC.SqoopD.Flume11、下面組件哪個是負責分布式資源調度與管理的：（A）A.YARNB.FlumeC.ZookeeperD.Kafka12、下面組件哪個是數據挖掘庫：（B）A.ZookeeperB.MahoutC.MySQLD.HBase13、下面組件哪個是負責日志收集的：（D）A.AmbariB.ZookeeperC.HDFSD.Flume14、下面組件哪個是負責Hadoop集群的安裝、部署、配置和管理的：（C）A.KafkaB.YARNC.AmbariD.Flume15、下列哪一項不屬于NoSQL的四大類型：（D）A.文檔數據庫B.圖數據庫C.列族數據庫D.時間戳數據庫16、下列關于鍵值數據庫的描述，哪一項是錯誤的：（D）A.擴展性好，靈活性好B.大量寫操作時性能高C.無法存儲結構化信息D.條件查詢效率高17、下列關于列族數據庫的描述，哪一項是錯誤的：（A）A.查找速度慢，可擴展性差B.功能較少，大都不支持強事務一致性C.容易進行分布式擴展D.復雜性低18、關于文檔數據庫的說法，下列哪一項是錯誤的：（A）A數據是規則的B.性能好（高并發）C.缺乏統一的查詢語法D.復雜性低19、下列關于云數據庫的描述，哪個是錯誤的？(C)A.云數據庫是部署和虛擬化在云計算環境中的數據庫B.云數據庫是在云計算的大背景下發展起來的一種新興的共享基礎架構的方法C.云數據庫價格不菲，維護費用極其昂貴D.云數據庫具有高可擴展性、高可用性、采用多租形式和支持資源有效分發等特點20、下列哪一個不屬于云數據庫產品？(A)A.本地安裝MySQLB.阿里云RDSC.OracleCloudD.百度云數據庫21、下面哪一項不是云數據庫的特性？(B)A.動態可擴展B.高成本C.易用性D.大規模并行處理22、下列關于BigTable的描述，哪個是錯誤的？(A)A.爬蟲持續不斷地抓取新頁面，這些頁面每隔一段時間地存儲到BigTable里B.BigTable是一個分布式存儲系統C.BigTable起初用于解決典型的互聯網搜索問題D.網絡搜索應用查詢建立好的索引，從BigTable得到網頁多選題1、數據倉庫的特性包括：（ABCD）面向主題的集成的相對穩定的反映歷史變化的2、NoSQL數據庫具有以下幾個特點：（ABC）靈活的可擴展性靈活的數據模型與云計算緊密融合數據模型比較死板3、一個典型的數據倉庫系統通常包含哪幾個組成部分：（ABCD）A.數據源B.數據存儲和管理C.OLAP服務器D.前端工具和應用4、下面關于并行數據庫的描述正確的是：（ABD）A.并行數據庫是指那些在無共享的體系結構中進行數據操作的數據庫系統B.大部分采用了關系數據模型并且支持SQL語句查詢C.并行數據庫系統具有較好的彈性D.并行數據庫的另一個問題就是系統的容錯性較差5、Hadoop的特性主要包括：（ABC）A.高可靠性B.高可擴展性C.高容錯性D.成本高6、HDFS要實現哪些設計目標：（BCD）A.復雜的文件模型B.兼容廉價的硬件設備C.流數據讀寫D.強大的跨平臺兼容性7、HDFS的局限性包括：（ACD）A.不適合低延遲數據訪問B.無法用于大規模數據存儲C.無法高效存儲大量小文件D.不支持多用戶寫入及任意修改文件8、下面關于HDFS的體系結構描述正確的是：（ABC）A.HDFS采用了主從（Master/Slave）結構模型，一個HDFS集群包括一個名稱節點和若干個數據節點B.名稱節點作為中心服務器，負責管理文件系統的命名空間及客戶端對文件的訪問C.集群中的數據節點一般是一個節點運行一個數據節點進程，負責處理文件系統客戶端的讀/寫請求D.名稱節點會周期性地向數據節點發送“心跳”信息，報告自己的狀態9、 下列關于文檔數據庫的描述，哪些是正確的？（AD）A.性能好（高并發），靈活性高B.具備統一的查詢語法C.文檔數據庫支持文檔間的事務D.復雜性低，數據結構靈活10、下列關于圖數據庫的描述，哪些是正確的？(ABCD)A.專門用于處理具有高度相互關聯關系的數據B.比較適合于社交網絡、模式識別、依賴分析、推薦系統以及路徑尋找等問題C.靈活性高，支持復雜的圖算法D.復雜性高，只能支持一定的數據規模11、下列關于數據模型的描述，哪些是正確的？(ABCD)A.HBase采用表來組織數據，表由行和列組成，列劃分為若干個列族B.每個HBase表都由若干行組成，每個行由行鍵（rowkey）來標識C.列族里的數據通過列限定符（或列）來定位D.每個單元格都保存著同一份數據的多個版本，這些版本采用時間戳進行索引12、HBase的系統架構包括哪幾個組成部分：(ABCD)A.客戶端B.Zookeeper服務器C.Master主服務器D.Region服務器13、下面關于GoogleSpanner的描述正確的是：（ABCD）A.Spanner是一個可擴展的、全球分布式的數據庫B.在最高抽象層面，Spanner就是一個數據庫，把數據分片存儲在許多Paxos狀態機上，這些機器位于遍布全球的數據中心內C.隨著數據的變化和服務器的變化，Spanner會自動把數據進行重新分片，從而有效應對負載變化和處理失敗D.Spanner被設計成可以擴展到幾百萬個機器節點，跨越成百上千個數據中心，具備幾萬億數據庫行的規模第7章數據處理與分析一、單選題1、下面描述錯誤的是：（C）A.數據分析可以分為廣義的數據分析和狹義的數據分析B.廣義的數據分析就包括狹義的數據分析和數據挖掘。C.數據挖掘就是指狹義的數據分析D.數據挖掘是指從大量的數據中挖掘出未知的、且有價值的信息和知識的過程2、下面描述錯誤的是：（A）A.數據挖掘的目標明確，先做假設，然后通過數據分析來驗證假設是否正確，從而得到相應的結論B.數據挖掘的重點在尋找未知的模式與規律C.數據分析一般都是得到一個指標統計量結果，如總和、平均值等D.數據挖掘則是輸出模型或規則，并且可相應得到模型得分或標簽3、下面關于機器學習和數據挖掘的描述錯誤的是：（D）A.機器學習是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科B.數據挖掘是指從大量的數據中通過算法搜索隱藏于其中信息的過程。C.數據挖掘可以視為機器學習與數據庫的交叉D.數據挖掘是機器學習的底層技術4、以下哪個不是典型的分類方法：（C）A.決策樹B.樸素貝葉斯C.K-MeansD.人工神經網絡5、以下哪個不是聚類方法：（D）A.GMMB.LDAC.DBSCAND.TPLINK6、聚類分析的常見應用場景不包括：（A）A.發現關聯購買行為B.目標用戶的群體分類C.不同產品的價值組合D.探測發現離群點和異常值7、下面關于回歸分析的描述錯誤的是：（C）A.是確定兩種或兩種以上變量間相互依賴的定量關系的一種統計分析方法B.回歸分析按照涉及的變量的多少，分為一元回歸和多元回歸分析C.按照因變量的多少，可分為線性回歸分析和非線性回歸分析D.在大數據分析中，回歸分析是一種預測性的建模技術8、下面關于協同過濾算法的描述錯誤的是：（D）A.基于用戶的協同過濾算法（簡稱UserCF算法）是推薦系統中最古老的算法，可以說，UserCF的誕生標志著推薦系統的誕生B.基于物品的協同過濾算法（簡稱ItemCF算法）是目前業界應用最多的算法C.基于模型的協同過濾算法（ModelCF）是通過已經觀察到的所有用戶給產品的打分，來推斷每個用戶的喜好并向用戶推薦適合的產品D.UserCF算法是給目標用戶推薦那些和他們之前喜歡的物品相似的物品。9、下面屬于批處理技術的是：(A)A． MapReduceB． StormC． SparkStreamingD． GraphX10、下面屬于流計算技術的是：(C)A. SparkMLLibB. GraphXC. S4D. Hive11、下面屬于圖計算技術的是：（A）A． PregelB． DremelC． ImpalaD． DStream12、下面屬于查詢分析計算技術的是：（C）A． SparkStreamingB． StormC． HiveD． Pregel13、下列關于流計算的說法，哪項是錯誤的？(D)A.實時獲取來自不同數據源的海量數據，經過實時分析處理，獲得有價值的信息B.流計算秉承一個基本理念，即數據的價值隨著時間的流逝而降低C.對于一個流計算系統來說，它應該支持TB級甚至是PB級的數據規模D.流計算只需要保證較低的延遲時間，即只達到秒級別即可處理一切問題14.下列關于數據處理流程，說法有誤的是？(D)A.在傳統的數據處理流程中，存儲的數據是舊的B.在傳統的數據處理流程中，需要用戶主動發出查詢來獲取結果C.傳統的數據處理流程，需要先采集數據并存儲在關系數據庫等數據管理系統中D.流計算的處理流程一般包含三個階段：數據實時采集、數據批量計算、實時查詢服務15、下面哪個屬于圖數據庫：（A）A.Neo4jB.MySQLC.HBaseD.Oracle16、下列關于MapReduce模型的描述，錯誤的是哪一項？(D)A.MapReduce采用“分而治之”策略B.MapReduce設計的一個理念就是“計算向數據靠攏”C.MapReduce框架采用了Master/Slave架構D.MapReduce應用程序只能用Java來寫17、關于數據倉庫Impala的描述錯誤的是：（D）A.Impala作為開源大數據分析引擎，支持實時計算，它提供了與Hive類似的功能，并在性能上比Hive高出3~30倍B.Impala是由Cloudera公司開發的查詢系統C.Impala提供了SQL語義，能查詢存儲在Hadoop的HDFS和HBase上的PB級別海量數據D.Impala最初是參照MySQL系統進行設計的18、下面關于Spark和Hadoop的關系，描述錯誤的是：（D）A.Spark和Hadoop一樣，既包含了存儲的組件，也包含了計算的組件B.Spark作為計算框架，只能解決數據計算問題，無法解決數據存儲問題C.Spark只是取代了Hadoop生態系統中的計算框架MapReduce，而Hadoop中的其他組件依然在企業大數據系統中發揮著重要的作用D.越來越多的企業放棄MapReduce，轉而使用Spark開發企業應用19、以下哪個不是Spark的生態系統的組件：（C）A.SparkStreamingB.StructuredStreamingC.ZookeeperD.GraphX20、以下哪個組件是Spark中的機器學習算法庫：（A）A.MLlibB.SparkCoreC.MachineLeaningD.SparkSQL21、以下哪個組件是Spark中用于結構化數據處理的組件：（A）A.SparkSQLB.SparkCoreC.SparkStreamingD.StructuredStreaming22、Shark與SparkSQL的關系是：（B）A.二者沒有任何關系B.Shark是SparkSQL的前身C.SparkSQL是Shark的前身D.二者是一個軟件的兩個不同名稱，本質上是一個東西23、下面關于TensorFlow和TensorFlowOnSpark的描述錯誤的是：（B）A.TensorFlow是一個采用數據流圖（DataFlowGraph）、用于數值計算的開源軟件庫B.TensorFlow是一個開源的、基于Java的機器學習框架C.TensorFlowOnSpark項目是由Yahoo開源的一個軟件包，能將TensorFlow與Spark結合在一起使用D.TensorFlowOnSpark為ApacheHadoop和ApacheSpark集群帶來可擴展的深度學習功能24、以下哪個不是Storm的特點：（D）A.可擴展性B.可靠的消息處理C.支持各種編程語言D.復雜的API25、下面關于SparkStreaming和Storm的描述錯誤的是：（A）A.SparkStreaming可以實現毫秒級的流計算B.Storm可以實現毫秒級響應C.SparkStreaming構建在SparkCore之上D.SparkStreaming可以同時兼容批量和實時數據處理的邏輯和算法26、下面關于Flink的描述錯誤的是：（C）A.Flink是一個針對流數據和批數據的分布式計算框架B.Flink的設計思想主要來源于Hadoop、MPP數據庫、流計算系統等C.Flink主要是由Python代碼實現的D.Flink所要處理的主要場景是流數據，批數據只是流數據的一個特例而已二、多選題1、數據分析主要實現哪三大作用：（BCD）A.誤差分析B.現狀分析C.原因分析D.預測分析2、數據挖掘主要側重解決哪幾類問題：（ABCD）A.分類B.聚類C.關聯D.預測3、下面關于數據分析與數據處理的描述，正確的是：（ACD）A.數據分析過程通常會伴隨著發生數據處理（或者說伴隨著大量數據計算）B.數據分析和數據處理不存在緊密的關聯關系C.二者是融合在一起的，很難割裂開來D.當用戶在進行數據分析的時候，底層的計算機系統會根據數據分析任務的要求，使用程序進行大量的數據處理4、下面關于大數據處理與分析的描述，正確的是：（ABCD）A.在理論層面，數據分析需要統計學、機器學習和數據挖掘等知識B.在技術層面，包括單機分析工具（比如SPSS、SAS等）或單機編程語言（比如Python、R），以及大數據處理與分析技術（比如MapReduce、Spark、Hive等）C.在大數據時代到來之前，數據分析主要以小規模的抽樣數據為主，一般使用單機分析工具（比如SPSS和SAS）或者單機編程（比如Python、R）的方式來實現分析程序D.到了大數據時代，數據量爆炸式地增長，數據分析就需要采用分布式實現技術，比如使用MapReduce、Spark或Flink編寫分布式分析程序，借助于集群的多臺機器進行并行數據處理分析5、常見的關聯規則挖掘算法包括：(BC)A.MP-Growth算法B.FP-Growth算法C.Apriori算法D.Bpriori算法6、協同過濾主要包括：（ABC）A.基于用戶的協同過濾B.基于物品的協同過濾C.基于模型的協同過濾D.基于分類的協同過濾7、大數據處理分析技術主要包括哪幾種類型：（ABCD）A.批處理計算B.流計算C.圖計算D.查詢分析計算A.局部計算B.中間計算C.D.柵欄同步9、下面關于MapReduce工作流程的描述，正確的是：（ABD）A.一個大的MapReduce作業，會被拆分成許多個Map任務在多臺機器上并行執行B.每個Map任務通常運行在數據存儲的節點上C.當Map任務結束后，會生成以<key,value-list>形式表示的許多中間結果D.Reduce任務會對中間結果進行匯總計算得到最后結果10、Hadoop的MapReduce的缺點包括：（ABC）A.表達能力有限B.磁盤IO開銷大C.延遲高D.中間結果多11、Hive底層所依賴的計算引擎可以是：（BCD）A.FlinkB.MapReduceC.TezD.Spark12、下面關于Hive的描述正確的是：(ABCD)A.Hive是一個基于Hadoop的數據倉庫工具，可以用于對存儲在Hadoop文件中的數據集進行數據整理、特殊查詢和分析處理B.Hive的學習門檻比較低，因為它提供了類似于關系數據庫SQL語言的查詢語言——HiveQLC.當采用MapReduce作為執行引擎時，Hive可以通過HiveQL語句快速實現簡單的MapReduce統計，Hive自身可以將HiveQL語句快速轉換成MapReduce任務進行運行D.Hive在某種程度上可以看作是用戶編程接口，其本身并不存儲和處理數據13、關于Hive與Hadoop生態系統中其他組件的關系，下面描述正確的是：（ABC）A.HDFS作為高可靠的底層存儲，用來存儲海量數據B.MapReduce對這些海量數據進行批處理，實現高性能計算C.用HiveQL語句編寫的處理邏輯，最終都要轉化為MapReduce任務來運行D.Hive的目標是取代HBase14、Hive的系統架構主要包括哪幾個模塊：(BCD)A.探查模塊B.驅動模塊C.元數據存儲模塊D.用戶接口模塊15、關于數據倉庫Impala的描述正確的是：（BC）A.Impala是由Oracle公司開發的查詢系統B.與Hive類似，Impala也可以直接與HDFS和HBase進行交互C.Impala采用了與商用MPP并行關系數據庫類似的分布式查詢引擎，可以直接從HDFS或者HBase中用SQL語句查詢數據，而不需要把SQL語句轉化成MapReduce任務來執行D.Impala和Hive采用了不同的SQL語法、ODBC驅動程序和用戶接口16、Spark的特點主要包括：（ABC）A.運行速度快B.容易使用C.通用性D.運行模式單一17、Spark相對于MapReduce的優點包括：（ABD）A.Spark的計算模式也屬于MapReduce，但不局限于Map和Reduce操作，還提供了多種數據集操作類型，編程模型比MapReduce更靈活B.Spark提供了內存計算，中間結果直接放到內存中，帶來了更高的迭代運算效率C.Spark同時提供了存儲功能，而MapReduce不支持存儲D.Spark基于DAG的任務調度執行機制，要優于MapReduce的迭代執行機制18、不同的計算框架統一運行在YARN中，可以帶來哪些好處：（BCD）A.減少了所使用的編程語言的種類B.計算資源按需伸縮C.不用負載應用混搭，集群利用率高D.共享底層存儲，避免數據跨集群遷移19、在實際應用中，大數據處理主要包括哪幾種類型：（ABC）A.復雜的批量數據處理：時間跨度通常在數十分鐘到數小時之間B.基于歷史數據的交互式查詢：時間跨度通常在數十秒到數分鐘之間C.基于實時數據流的數據處理：時間跨度通常在數百毫秒到數秒之間D.基于歷史數據的流查詢：時間跨度在數十秒到數分鐘之間20、下面關于Spark的運行架構的描述，正確的是：（ABD）A.Spark運行架構包括ClusterManager、WorkerNode、DriverProgram和ExecutorB.Spark集群資源管理器可以是Spark自帶的資源管理器，也可以是YARN或Mesos等資源管理框架C.Spark采用“P2P架構”D.Spark利用多線程來執行具體的任務21下面關于RDD的描述正確的是：（ABC）A.一個RDD就是一個分布式對象集合B.一個RDD本質上是一個只讀的分區記錄集合C.RDD提供了一組豐富的操作以支持常見的數據運算，分為“行動”（Action）和“轉換”（Transformation）兩種類型D.RDD不適合對于數據集中元素執行相同操作的批處理式應用，而比較適合用于需要異步、細粒度狀態的應用22、Spark的集群部署方式包括：（ABC）A.SparkonMesos模式B.SparkonYARN模式C.SparkonKubernetes模式D.Local模式23、下面關于SparkSQL的描述正確的是：（ACD）A.SparkSQL在Hive兼容層面僅依賴HiveQL解析和Hive元數據B.SparkSQL目前支持Scala、Java編程語言，暫時不支持Python語言C.SparkSQL執行計劃生成和優化都由Catalyst（函數式關系查詢優化框架）負責D.SparkSQL增加了DataFrame（即帶有Schema信息的RDD），使用戶可以在SparkSQL中執行SQL語句24、下面關于SparkStreaming的描述正確的是：（ABCD）A.SparkStreaming是構建在SparkCore上的實時計算框架，它擴展了Spark處理大規模流式數據的能力B.SparkStreaming可結合批處理和交互查詢，適合一些需要對歷史數據和實時數據進行結合分析的應用場景C.SparkStreaming可整合多種輸入數據源，如Kafka、Flume、HDFS，甚至是普通的TCP套接字D.SparkStreaming實際上是以一系列微小批處理來模擬流計算25、StructuredStreaming包括哪兩種處理模型：（AD）A.微批處理B.高階處理C.分層處理D.持續處理26、關于StructuredStreaming、SparkSQL、SparkStreaming，下面描述正確的是：（ACD）A.StructuredStreaming處理的數據跟SparkStreaming一樣，也是源源不斷的數據流B.SparkStreaming采用的數據抽象是DataFrame，StructuredStreaming采用的數據抽象是DStreamC.StructuredStreaming可以使用SparkSQL的DataFrame/Dataset來處理數據流D.SparkSQL只能處理靜態的數據，而StructuredStreaming可以處理結構化的數據流27、SparkMLlib主要提供了哪幾個方面的工具：（ABCD）A.算法工具B.特征化工具C.流水線D.實用工具28、下面關于Storm