大数据开发基础(习题卷48)

试卷科目：大数据开发基础大数据开发基础(习题卷48)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages大数据开发基础第1部分：单项选择题，共54题，每题只有一个正确答案,多选或少选均不得分。[单选题]1.以下哪项不属于Apache顶级项目?A)FlinkB)StormC)EclipseD)Spark答案:C解析:[单选题]2.（）算法是一种最有影响的挖掘关联规则频繁项目集的算法。A)FP-growthB)EClatC)聚类D)Apdori答案:D解析:Apdori算法是一种最有影响的挖掘关联规则频繁项目集的算法。[单选题]3.删除一个HBase表分为两步，第一步（）表，第二步（）表。A)disabled，dropB)disable，dropC)disabled，deleteD)disable，delete答案:B解析:[单选题]4.2015年，美国2150万个社保账号被黑客盗取。该事件反映出的问题是（）。A)大数据时代个人信息安全成为关注热点B)美国政府的信息安全技术水平低C)黑客只对个人社保账号感兴趣D)美国公民的信息安全意识普遍不高答案:A解析:[单选题]5.Pandas在执行算术运算时，没有对齐的位置会使用（）进行补齐。A)NullB)0C)NaND)null_values答案:B解析:[单选题]6.下面哪种结果不是利用机器学习算法从数据中得到的？（）A)回归模型B)规则C)常识D)神经网络答案:C解析:[单选题]7.HDFS的错误检测不包括（）。A)NameNode检测B)DataNode检测C)数据错误检测D)冗余检测答案:D解析:[单选题]8.以下关于Hive内置函数描述正确的是（）。A)descfunctionsupper:查看系统自带的函数B)to_date（）获取当前日期C)substr）:求字符串长度D)trim0:去除空字符串答案:D解析:[单选题]9.以下程序的输出结果是：L1=['abc',['123','456']]L2=['1','2','3']print(L1>L2)A)FalseB)TypeError:'>'notsupportedbetweeninstancesof'list'and'str'C)1D)True答案:D解析:[单选题]10.运营人员为了搞促销，需要找出目标客户名单，这批客户的信息存储在大数据计算服务（MaxCompute，原ODPS）的user表中，并且用户名字段username中包含?vip?字样，通过执行SQL语句（）可以找出这批客户。A)select*fromuserwhereusernamecontains(?vip?)B)select*fromuserwhereusername=?vip?C)select*fromuserwhereusernamelike?*vip*?D)select*fromuserwhereusernamelike?%vip%?答案:D解析:[单选题]11.某电商网站想要实现热销商品的实时TopN排名，可以使用哪种技术实现?A)Elasticsearch的快速检索B)HBase的rowkey索引C)Hive的关联查询分析D)Redis的排序计算答案:D解析:[单选题]12.我们想在大数据集上训练决策树,为了使用较少时间,我们可以A)增加树的深度B)增加学习率(learningrate)C)减少树的深度D)减少树的数量答案:C解析:[单选题]13.下面关于网络爬虫的描述错误的是：()A)网络爬虫是一个自动提取网页的程序B)为搜索引擎从万维网上下载网页，是搜索引擎的重要组成部分C)爬虫从一个或若干个初始网页的URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列，直到满足系统的一定停止条件D)网络爬虫的行为和人们访问网站的行为是完全不同的答案:D解析:[单选题]14.AGNES是一种采用（__）策略的层次聚类算法。A)自顶向下B)自底向上C)自左至右D)自右至左答案:B解析:[单选题]15.对于ADS，（）说法不正确。A)ADS表存在主键，即可根据主键使用delete删除纪录B)普通表分区列如果是字符串型，则不支持普通表之间的joinC)自查询之间不支持joinD)ADS通过UNION（ALL）各个分区内的查询结果实现自查询答案:A解析:[单选题]16.关于OTS中分片的说法正确的是:（）。A)一个分片可能包含多个分片键B)同一个分片上的纪录拥有相同的分片键C)单个分片数据量最大不能超过1TD)相同分片键的纪录不一定在同一分片上答案:A解析:[单选题]17.聚类算法的性能度量可称为()A)密度估计B)异常检测C)有效性指标D)分布结构答案:C解析:[单选题]18.loader页面是基于开源()的图形化数据迁移工具。A)HueB)SqoopC)KettleD)Hadoop答案:B解析:[单选题]19.DAGScheduler负责()级的调度，主要是将DAG切分成若干()。A)Stage，StagesB)Stage,TasksC)Task,StagesD)Task,Tasks答案:A解析:[单选题]20.对线下零售而言，做好大数据分析应用的前提是。A)增加统计种类B)扩大营业面积C)增加数据来源D)开展优惠促销答案:C解析:[单选题]21.Concatenate函数的功能是()A)把一个字符串按照指定字符串分隔成数组B)提取出和正则表达式匹配的所有字符串组成数组C)从一个字符串中截取特定长度的子串D)把多个字符串按次序连接成一个字符答案:D解析:[单选题]22.哪个不是Flume的channel类型？A)MemoryChannelB)FileChannelC)JDBCCHannelD)HDFSChannel答案:D解析:[单选题]23.下列哪个不属于可视化工具？()A)GoogleB)D3C)Visual.lyD)Spark答案:D解析:[单选题]24.下面不属于数据科学主要研究内容的有(__)。A)基础理论B)数据管理C)数据分析D)数据商务答案:D解析:[单选题]25.以下对Hadoop的说法错误的是（）。A)Hadoop是基于Java语言开发的，只支持Java语言编程B)Hadoop2.0增加了NameNodeHA和Wire-compatibility两个重大特性C)HadoopMapReduce是针对谷歌MapReduce的开源实现，通常用于大规模数据集的并行计算D)Hadoop的核心是HDFS和MapReduce答案:A解析:[单选题]26.第一次信息化浪潮主要解决什么问题？A)信息传输B)信息处理C)信息转换D)信息爆炸答案:B解析:[单选题]27.下列关于集成学习模型中弱学习者的描述错误的是（）。A)经常不会过拟合B)通常带有高偏差，所以其并不能解决复杂学习问题C)通常会过拟合D)通常拥有低方差答案:C解析:弱学习者是问题的特定部分。所以他们通常不会过拟合，这也就意味着弱学习者通常拥有低方差和高偏差。[单选题]28.已知初始问题的描述，通过一系列变换把此问题最终变为一个子问题集合;这些子问题的解可以直接得到，从而解决了初始问题。这是知识表示法叫（）A)状态空间法B)问题归约法C)谓词逻辑法D)语义网络法答案:B解析:[单选题]29.IBM在3V的基础上又归纳总结了第4个V是指A)真实和准确B)无时不在C)巨量D)极速答案:A解析:[单选题]30.大数据审计旨在将?数据孤岛型、业务封闭型、模式单一型?向?()一体化、业务一体化、模式一体化?的方向推进发展A)数据B)信息C)科技D)方式答案:A解析:[单选题]31.在Spark技术中，RDD实现了用户的逻辑，而（__）是Storage模块与其他模块交互最主要的类，它提供了读和写Block的接口。A)org.apache.spark.storage.BlockB)org.spark.storage.BlockManagerC)org.apache.spark.BlockManagerD)org.apache.spark.storage.BlockManager答案:D解析:[单选题]32.关于?from-import?形式，以下错误的选项是()。A)从模块名导入标识符B)这种导入形式可以防止名称冲突C)被导入模块的命名空间是模块导入的一部分D)模块中的标识符可直接访问为标识符答案:B解析:[单选题]33.关于Kafka磁盘容量不足的告警,对于可能的原因以下分析不正确的是?A)业务规划不合理,导致数据分配不均,使部分磁盘达到使用率上限B)数据保存时间配置过长,数据累计达到磁盘使用率上限C)Broker节点故障导致D)用于存储Kafka数据的磁盘配置答案:如磁盘数目,磁盘大小等,无法满足当前业务数据流量,导致磁盘使用率达到上限答案:C解析:[单选题]34.若要在基本表S中增加一列CN（课程名），可用()A)ADDTABLESALTER（CNCHAR（８））B)ALTERTABLESADD（CNCHAR（８））C)ADDTABLES（CNCHAR（８））D)ALTERTABLES（ADDCNCHAR（８））答案:B解析:[单选题]35.关于概率图模型下列叙述，正确的是：A)贝叶斯网络是有向图模型，马尔可夫网络是无向图模型B)贝叶斯网络是无向图模型，马尔可夫网络是有向图模型C)贝叶斯网络是有向图模型，马尔可夫网络是有向图模型D)贝叶斯网络是无向图模型，马尔可夫网络是无向图模型答案:A解析:[单选题]36.?神威-太湖之光?1分钟算力,相当于全球72亿人同时用计算器不间断计算:A)2年B)32年C)432年D)5432年答案:B解析:[单选题]37.以下关于归纳偏好描述错误的是（___）。A)不是每一个有效的机器学习算法必有其归纳偏好B)归纳偏好可看做学习算法自身在一个可能很庞大的假设空间中对假设进行选择的启发式或?价值观?C)归纳偏好对应了学习算法本身所做出的的关于?什么样的模型更好?的假设D)如果没有归纳偏好，学习算法在每次进行预测时将随机抽选训练集上的等效假设答案:A解析:[单选题]38.当上传本地文件到QuickBI中做展现时，数据被保存到了（）。A)QuickB自带的探索空间B)QuickBI自带的MaxComputeC)AnalyticDBD)客户端本地缓存答案:A解析:[单选题]39.某大数据业务人员对某些数据创建Hive表结构，其中某个数据为时间类型yyyyMMdd，那么可以使用以下哪一项作为字段类型？A)varcahrB)stringC)doubleD)int答案:B解析:[单选题]40.给出如下代码：DictColor={"seashell":"海贝色","gold":"金色","pink":"粉红色","brown":"棕色","purple":"紫色","tomato":"西红柿色"}以下选项中能输出?海贝色?的是A)print(DictColor.keys())B)print(DictColor["海贝色"])C)print(DictColor.values())D)print(DictColor["seashell"])答案:D解析:[单选题]41.RDD的（）算子会会触发执行，向Spark引擎提交，生成一个job，并返回相应的结果。A)创建B)转换C)控制D)执行答案:D解析:[单选题]42.下列关于数据交易市场的说法中,错误的是()。A)数据交易市场是大数据产业发展到一定程度的产物B)商业化的数据交易活动催生了多方参与的第三方数据交易市场C)数据交易市场通过生产、研发和分析数据,为数据交易提供帮助D)数据交易市场是大数据资源化的必然产物答案:C解析:数据交易市场不生产数据。[单选题]43.某项目小组接到一个大数据实时分析项目，且对实时性要求很高。请问以下哪种大数据计算框架最合适?A)FlinkB)MapReduceC)HBaseD)Spark答案:A解析:[单选题]44.DRDS和普通的关系型数据库（如MySQL）相比，SQL优化要特别考虑的是:（）。A)磁盘IO开销B)内存开销C)并发度D)网络IO开销答案:D解析:[单选题]45.大数据计算服务中的日志表log是一张分区表，分区键是dt，每天产生一个分区用于存储当天新增的数据，现在共有dt=?20160101?至dt=?20160131?共31个分区的数据，为了删除20160101当天新增的数据，可以通过（）方式实现。A)deletefromlogwheredt=?20160101?B)altertablelogdroppartition（dt=?20160101?）C)truncatetablewheredt=?20160101?D)droppartitionlog（dt=?20160101?）答案:B解析:[单选题]46.下列哪些不是目前机器学习所面临的问题是()。A)测试集的规模B)维度灾难C)特征工程D)过拟合答案:A解析:目前,机器学习领域所面临的主要挑战包括过拟合(Overfiting)、维度灾难(CurseofDimensionality)、特征工程(FeatureEngineering)、算法的可扩展性(Scalability)和模型集成。[单选题]47.关于随机森林和AdaBoost说法不正确的是A)和AdaBoost相比，随机森林对错误和离群点更鲁棒B)随机森林准确率不依赖于个体分类器的实例和他们之间的依赖性C)随机森林对每次划分所考虑的属性数很敏感D)AdaBoost初始时每个训练元组被赋予相等的权重答案:B解析:[单选题]48.Flume的基础架构不包含以下哪部分?A)ChannelB)BrokerC)SourceD)Sink答案:B解析:[单选题]49.tuple函数可以达到的效果是（）。A)计算元组元素个数B)返回元组中元素最大值C)将元组转换成列表D)将列表转换成元组答案:D解析:tuple函数转换成元组。[单选题]50.()参数的增加可能会造成随机森林数据过拟合。A)树的数量B)树的深度C)样本数据份数D)叶数据尺寸答案:B解析:[单选题]51.对于数据3,3,2,3,6,3,10,3,6,3,2,得出以下结论:①这组数据的众数是3;②这组数据的众数与中位数的数值不相等;③这组数据的中位数与平均数的数值不相等;④这组数据的平均数与众数的数值相等。其中正确结论的个数为()。A)1B)2C)3D)4答案:B解析:众数是指一组数据中出现最多的变量值;中位数是指一组数据排序后处于中间位置的变量值,均值是各数值加总求和再除以总的个数。此题中众数为3,中位数为3,平均值为4,故①和③正确。[单选题]52.若是想要实现自定义分组规则，则需要自定义Class类，然后继承（）类。A)WritableComparatorB)ComparatorC)WritableD)WritableComparable答案:A解析:[单选题]53.下列描述中不属于情感分析的具体任务是（）。A)情感分类B)观点抽取C)观点问答D)段落匹配答案:D解析:情感分析又称意见挖掘、倾向性分析等，是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程，包括情感分类、观点抽取、观点问答等，没有段落匹配。[单选题]54.（）使用目录节点树的方式（类似文件系统）存储数据，主要用途是维护和监听所存数据的状态变化，以实现对集群的管理。A)ZookeeperB)HBaseC)HiveD)Sqoop答案:A解析:第2部分：多项选择题，共26题，每题至少两个正确答案,多选或少选均不得分。[多选题]55.通用的概率分布类封装在(__)。A)continuousrandomvariablesB)normC)discreterandomvariablesD)gamma答案:AC解析:[多选题]56.关于表连接算子的说法误的是?A)默认情况下,执行效率来说HashJoin最高。B)算子的选择是SQL根据逻辑自行选择的,与人为无关。C)表连接算子主要有Nestloop、Merge]oin、HashJoinD)聚合操作如groupby会触发Mergejoin答案:CD解析:[多选题]57.集成学习中增强多样性的常见做法有()A)数据样本扰动B)输入属性扰动C)输出表示扰动D)算法参数扰动答案:ABCD解析:[多选题]58.哪些是离线批处理的特点?A)处理数据量巨大，PB级B)处理时间要求高C)容易产生资源抢占D)多个作业调度复杂答案:ACD解析:[多选题]59.训练CNN时，GPU显存溢出，此时可以采取什么办法？（）A)减少mini_batch大小B)移除一些卷积层C)减少图片输入大小D)增加激活函数答案:ABC解析:[多选题]60.ADS中不支持以下（）表连接方式。A)rightjoinB)笛卡尔积C)semijoinD)fulljoin答案:ACD解析:[多选题]61.下列关于数据科学中常用的统计学知识说法错误的是()。A)从行为目的与思维方式看,数据统计方法可以分为基本分析方法和元分析方法B)从方法论角度看,基于统计的数据分析方法又可分为描述统计和推断统计C)描述统计可分为集中趋势分析、离中趋势分析、参数估计和假设检验D)推断统计包括采样分布和相关分析答案:ABCD解析:从行为目的与思维方式看,数据统计方法包括描述统计、假设检验、相关分析、方差分析、回归分析、聚类分析等;从方法论角度看,描述统计可分为集中趋势分析和离散趋势分析;推断统计包括总体参数估计和假设检验两方面内容。[多选题]62.数据挖掘的挖掘方法包括()。A)聚类B)回归分析C)神经网络D)决策树算法答案:ABCD解析:利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等。分类方法有决策树算法、KNN算法(K-NearestNeighbor))、SVM算法、VSM算法、Bayes算法、神经网络等。聚类算法有基于密度、基于层次、基于模型、基于网格等。关联规则算法有Apriori算法、FP-Growth算法。[多选题]63.关于卷积神经网络的叙述中，正确的是()A)可用于处理时间序列数据B)可用于处理图像数据C)卷积网络中使用的卷积运算就是数学中的卷积计算D)至少在网络的一层中使用卷积答案:ABD解析:[多选题]64.关于数据科学的基本原则，下面说法正确的是（）A)数据科学的研究和应用的独特视角为?数据能为我做什么?B)数据科学强调的是将数据转换为信息、知识和智慧之后，用它们解决实际问题C)数据科学不是?一个人的舞台?，而是?一个团队的平台?D)?基于数据的智能?的重要特点是?数据复杂、但算法简单?答案:ACD解析:[多选题]65.（）是卷积神经网络的池化层。A)convolutionB)maxpoolingC)averagepoolingD)fullconnection答案:BC解析:[多选题]66.以下说法正确的是()A)一个服务器只能有一个数据库B)一个服务器可以有多个数据库C)一个数据库只能建立一张数据表D)一个数据库可以建立多张数据表答案:BD解析:[多选题]67.LSTM应用场景有()A)翻译语言B)语音识别C)围像识别D)股票预测答案:ABD解析:[多选题]68.在开发大数据计算服务的MapReduce时，可以使用JobClient类中的接口提交MapReduce作业。目前提交方式支持（）。A)远程提交B)本地提交C)阻塞方式D)非阻塞方式答案:CD解析:[多选题]69.Apriori算法的计算复杂度受()影响A)支持度闽值B)项数(维度)C)事务教D)事务平均宽度答案:ABCD解析:[多选题]70.从加工程度看，以下关于数据说法正确的是（）A)零次数据就是没有经过预处理的原始数据B)一次数据就是预处理过的数据，即干净数据C)二次数据就是分析处理的结果，即增值数据D)三次数据就是可以直接用于决策的洞见数据答案:ABCD解析:[多选题]71.下列选项参数是Sqoop指令的是？()()A)importB)outputC)inputD)export答案:AD解析:[多选题]72.完整性约束通常包括()A)实体完整性B)域完整性C)参照完整性D)用户定义完整性答案:ABCD解析:在关系数据库中,完整性约束通常包括;①实体完整性:规定表的每一行在关系表中是唯一的实体。②域完整性;指关系表中的列必须满足某种特定的数据类型约束,其中约束又句括取值范围、精度等规定。③参照完整性.指两个关系表的主关键字和外关键字的数据应一致,保证了表之间的数据的一致性,防止了数据丢失或无意义的数据在数据库中扩散。④用户定义的完整性;不同的关系数据库系统根据其应用环境的不同,往往还需要一些特殊的约束条件。用户定义的完整性即针对某个特定关系数据库的约束条件,它反映某一具体应用必须满足的语义要求。[多选题]73.智能终端研发部署应充分考虑其他专业需求，实现配用电侧（）跨专业复用，推动各专业共建共享A)采集装置B)通信资源C)边缘计算D)数据资源答案:ABCD解析:[多选题]74.数据科学是()。A)新兴科学B)交叉性学科C)独立学科D)一整套知识体系答案:ABCD解析:[多选题]75.信息时代的三大定律指的是（）。A)摩尔定律B)吉尔德定律C)麦特卡尔夫定律D)牛顿定律答案:ABC解析:[多选题]76.Hadoop运行模式包括()。A)本地模式B)伪分布模式C)完全分布模式D)远程访问模式答案:ABC解析:[多选题]77.下列关于超链接的说法正确的有（）。A)语句<ahref="formhtml">FillOurForm</a>指向的是同一服务器同一目录下的FormhtmlB)语句<ahref="stuff/cathtml">Catalog</a>指向的是同一服务器子目录stuff下的CathtmlC)语句<ahref="/parenthtml">Parent</a>指向的是同一服务器父目录下的parenthtmlD)语句<ahref="wwwdevbgorg"target="_blank">BASD</a>指向的是内部的网站答案:ABC解析:D指向的是外部网站333第3部分：判断题，共16题，请判断题目是否正确。[判断题]78.任何数据流节点均可以设置查看器()A)正确B)错误答案:错解析:[判断题]79.Python集合中的元素不允许重复。A)正确B)错误答案:对解析:[判断题]80.数据科学家能够从堆积如山的大数据中找到金矿，并将其价值以易懂的形式传达给决策者，最终得以在业务上实现A)正确B)错误答案:对解析:[判断题]81.伪分布式模式下的Hadoop功能与完全分布式模式下的Hadoop功能相同。()A)正确B)错误答案:对解析:[判断题]82.文件打开的默认方式是只读。（）A)正确B)错误答案:对解析:[判断题]83.成员测试运算符in作用于集合时比作用于列表快得多。A)正确B)错误答案:对解析:[判断题]84.集合支持双向索引，最后一个元素的索引是-1。A)正确B)错误答案:错解析:[判断题]85.GraphBash通过数据库引擎将数据通过ji算框架导入Hbase和Spark进行存储。A)正确B)错误答案:错解析:[判断题]86.联合查询必须保证查询字段的数量相同。--A)正确B)错误答案:对解析:[判断题]87.家庭分户信息对于大数据自动授信审批没有任何意义A)正确B)错误答案:错解析:[判断题]88.12.Hadoop默认调度器策略为FIFOA)正确B)错误答案:对解析:hadoop1.x使用的默认调度器就是FIFO。[判断题]89.非结构化数据是可以直接用传统关系数据库存储和管理的数据。()A)正确B)错误答案:错解析:[判断题]90.DataNode在客户端或者NameNode的调度下，存储并检索数据块，对数据块进行创建、删除等操作。