大数据CDA考试(习题卷5)

试卷科目：大数据CDA考试大数据CDA考试(习题卷5)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages大数据CDA考试第1部分：单项选择题，共47题，每题只有一个正确答案,多选或少选均不得分。[单选题]1.在ID3算法中信息增益是指()。A)信息的溢出程度B)信息的增加效益C)熵增加的程度最大D)熵减少的程度最大答案:D解析:[单选题]2.贝叶斯决策是根据()进行决策的一种方法。A)极大似然概率B)先验概率C)边际概率D)后验概率答案:D解析:[单选题]3.分析顾客的消费行为,以便有针对性的向其推荐感兴趣的服务,于()问题A)关联规则挖掘B)分类与回归C)聚类分析D)时序预测答案:A解析:[单选题]4.17、19、22、24、25、28、34这组数的四分位差是()。A)24B)12C)9D)D17答案:C解析:[单选题]5.传统数据处理的数据单位?A)TBB)EBC)PBD)GB答案:D解析:[单选题]6.在Mapper类中,共有4个函数:setup()、map()、()l、run)。A)Reducer()B)cleanup()C)Split()D)local()答案:B解析:[单选题]7.HadoopMapReduce支持多种语言编程,下列说法不正确的是()。A)可以用JAVA语言编写MapReduce应用程序B)可以用C/C++语言编写MapReduce应用程序C)可以用Python语言编写MapReduce应用程序D)可以用javascript语言编写MapReduce应用程序答案:D解析:[单选题]8.统计图形中,常用于检查异常值的是()。A)Q-Q图B)箱线图C)帕累托图D)气泡图答案:B解析:[单选题]9.在Flink技术架构中,以下哪项是流处理和批处理的计算引擎?A)StandaloneB)RuntimeC)FlinkCoreD)Datasteam答案:B解析:[单选题]10.()表示在先决条件X发生的情况下,由关联规则?X→Y?推出Y的概率。即在含有X的项集中,含有Y的可能性。A)置信度B)支持度C)关联度D)以上都不是答案:A解析:[单选题]11.一个6面骰子连掷4次，得到至少一次六点的概率约为()。A)≈51.77%B)≈66.67%C)≈48.22%D)≈16.67%答案:A解析:1-(5/6)^4≈0.5177[单选题]12.使用JAVAAPI进行HBase整表扫描操作,以下命令输写正确的是()。A)table.getScanner(scan);B)table.scan(table)C)table.get(table).scan();D)table.Scanner(get);答案:A解析:[单选题]13.下面关于MapReduce的描述中正确的是()。A)MapReduce程序必须包含Mapper和Reduce。B)MapReduce程序的MapTask可以任意指定。C)MapReduce程序的ReduceTask可以任意指定D)MapReduce程序的ReduceTask可以任意指定答案:D解析:[单选题]14.下列关于HadoopAPI的说法错误的是()。A)Hadoop的API只适用于HDFS文件系统B)Configuration类的默认实例化方法是以HDFS系统的资源配置为基础的C)FileStatus对象存储文件和目录的元数据D)FSDatalnputStream是java.io.DatalnputStream的子类答案:A解析:[单选题]15.HBase的物理存储单元是什么?A)RegionB)ColumnFamilyC)ColumnD)ROW答案:B解析:[单选题]16.检验单总体方差的过程中，检验统计量服从()。A)标准正态分布B)正态分布C)卡方分布D)t分布答案:C解析:见单总体方差检验概念[单选题]17.在创建对象时必须A)先声明对象,然后才能使用对象B)先声明对象,为对象分配内存空间,然后才能使用对象C)先声明对象,为对象分配内存空间,对对象初始化,然后才能使用对象D)上述说法都对答案:C解析:[单选题]18.以下表述错误的是()。A)冗余属性不会对决策树的准确率造成不利的影响B)子树可能在决策树中重复多次C)决策树算法对于噪声的干扰非常敏感D)寻找最佳决策树是NP完全问題答案:C解析:[单选题]19.Java的字符类型采用的是Unicode编码方案,每个Unicode码占用()个比特位。A)8B)16C)32D)64答案:C解析:[单选题]20.如果需要由数据生产者决定数据发送给目标Bolt的某一个确定的Task,应选择以下哪种消息发布策略()?A)局部字段分组B)广播分组C)直接分组D)全局分组答案:C解析:[单选题]21.编译Java源程序文件将产生相应的字节码文件,这些字节码文件的扩展名为A)byteB)classC)htmlD)exe答案:B解析:[单选题]22.无监督学习中应用最广的是()。A)分类算法B)聚类算法C)关联算法D)时序答案:B解析:[单选题]23.下列选项中无法通过大数据技术实现的是?()A)商业模式发现B)信用评估C)商品推荐D)运营分析答案:A解析:[单选题]24.以下对最近邻分类算法(KNN)的说法错误的是()。A)它使用具体的训练实例进行预测,不必维护源自数据的模型B)分类一个测试样例开销很大C)最近邻分类器基于全局信息进行预测D)可生产任意形状的决策边界答案:C解析:[单选题]25.Zookeeper在分布式应用中主要的作用不包括以下哪些选项?A)选举Master节点B)保证各节点上数据的C)分配集群资源D)存储及群中答案:C解析:[单选题]26.hadoop平台中要查看Yarn服务中一个application的信息,通常需要使用什么命令?A)containerB)jarC)application-attemptD)Application答案:D解析:[单选题]27.HBase依靠()存储底层数据A)HDFSB)HadoopC)MemoryD)MapReduce答案:A解析:[单选题]28.以下哪个不属于数据分析报告的开篇部分。()A)索引B)前言C)目录D)标题答案:A解析:[单选题]29.Hadoop系统中关于客户端向HDFS文件系统上传文件说法正确的是?A)客户端的文件数据经过NameNode传递给DataNodeB)客户端将文件分为多个Bock,根据DataNode的地址信息,按顺序写入每一个DataNode中C)客户端根据DataNode的地址信息,按顺序将整个文件写入每一个DataNode中,然后由DataNode将文件划分为多个BlockD)客户端只上传数据到一个DataNode,然后由Namenode负责Bock复制答案:B解析:[单选题]30.下列有关C4.5算法的说法中不正确的是()A)每个节点的分支度只能为2B)使用gainratio作为节点分割的依据C)可以处理数值型态的字段D)可以处理空值的字段答案:A解析:[单选题]31.SOL语言中,删除一个表中所有数据,但保留表结构的命令是()。A)DELETEB)DROPC)CLEARD)REMORE答案:A解析:truncate与drop是DDL语句，执行后无法回滚；delete是DML语句，可回滚。[单选题]32.下列选项中,关于Zookeeper可靠性含义说法正确的是?A)可靠性通过主备部署模式实现B)可靠性是指更新更新只能成功或失败没有中间状态C)可靠性是指无论个server,对外展示的均是同一个视图D)可靠性是指一个消息被一个Server它将被所有的Server接受答案:D解析:[单选题]33.一个电瓶车制造商声称，其生产的电瓶车正常行驶条件下大于40公里，对一个由20辆电瓶车组成的随机样本作了试验，测得平均值为50公里，标准差为10公里。已知电瓶车的行驶距离服从正态分布，我们希望检验该制造商的产品同他所说的标准相符？我们应该选择()A)单侧t检验B)双侧t检验C)单侧F检验D)双侧F检验答案:A解析:小样本均值检验用t检验。[单选题]34.在测试Flask项目时,使用()模块可以根据需求产生不同类型和数量的虚拟数据0A)demoB)fakerC)testD)faker_data答案:B解析:[单选题]35.下列涉及通配符的操作，范围最大的是()A)nameB)nameC)nameD)name答案:C解析:%匹配多个字符，_匹配一个字符。[单选题]36.对于Hive中关于普通表和外部表描述不正确的是?A)默认创建普通表B)删除外部表时,只除外部表数据而不删除元数据C)外部实质是将已存在于HDFS上的文件路径跟表关联起来D)删除普通表时,元数据和数据同时被删除答案:C解析:[单选题]37.下面哪些场景不是Flink组件擅长的?A)批处理B)迭代计算C)流处理D)数据存储答案:B解析:[单选题]38.在使用Flask-WTF自定义表单类时,自定义的类需要继承自()。A)FlaskFormB)FlaskFormsC)FlaskWTFD)Forms答案:A解析:[单选题]39.下面关于Zookeeper特性的描述错误的是?A)消息更新只能成功或者失败,没有中间状态B)Zookeeper节点数必须为奇数个C)一条消息要被超过半数的Server接收,它将可以成功写入磁盘D)客户端所发送的更新会按照它们被发送的顺序进行应用答案:B解析:[单选题]40.以下哪个操作是hive不支持的?()A)表增加列B)表删除列C)表修改列D)修改表名答案:B解析:[单选题]41.在方差分析中，我们如下输出上表有？号的空格数值是多少()A)32B)33C)64D)66答案:C解析:组内自由度等于观察数66-组数2=64。[单选题]42.日常数据通报型报告的特点错误的是()。A)进度性B)规范性C)时效性D)全面性答案:D解析:[单选题]43.以下关于K-Means算法错误的是()。A)K值无法预先判断,只适用于球形类的形状的聚类B)算法可能收敛到局部最优点C)算法对极值点及噪点较为敏感D)中心点的个数,通常值是在8-10个之间答案:D解析:[单选题]44.若要对比各个国家之间的人均收入与人均支出的离散程度，应使用以下哪种统计量()。A)方差B)离差C)离散系数D)相关系数答案:C解析:见离散系数定义[单选题]45.HBase的Region组成中,必须要有以下一项。A)StoreFileB)MemStoreC)HFileD)MetaStore答案:B解析:[单选题]46.以下关于fusioninsightCTbase的描述不正确的是?A)CThase的读写数据接口,统一封装了行定义的接口,自动进行冷字段的合并和解析,不需要在应用程序中进行合并和解释B)CTHBase是基于Hbase的聚簇表开发框架C)CTHbase提供了一套Webui进行元数据定义,提供了只管医用的表设计工具,降低表设D)CTHbase的javaAPI提供一套Hbase连接池管理的接口,内部进行连接共享,减少客户端应用开发难度。答案:B解析:[单选题]47.采用Flume传输数据过程中,为了防止因Flume进程重启而丢失数据,推荐使用以下哪种channel类型?A)MemoryChannelsB)FileChannelC)JDBCChannelD)HDFSChannel答案:B解析:第2部分：多项选择题，共29题，每题至少两个正确答案,多选或少选均不得分。[多选题]48.宁家骏委员指出,()主导了21世纪。A)云计算B)移动支付C)大数据D)物联网答案:ACD解析:[多选题]49.FusioninsightManager可以对哪些项目进行健康检查?()A)角色B)主机C)服务D)实例答案:ABCD解析:[多选题]50.下列关于Worker(工作进程exector(线程)、Task(任务)说法正确的是?A)每个Executor(线程可以运行多个task任务B)每个Worket运行多个exector(线程)C)每个Workst只能为个拓扑运行Executor(线程)D)每个Executor运行不同组件(Spout或Bolt)的Task(任务)答案:ABD解析:[多选题]51.可以用于表示某公司一年中每个月销量变化的数据图形类型是()。A)矩形竖图B)柱状图C)堆积面积图D)雷达图答案:BC解析:[多选题]52.Streaming的处理节点Bolt中,可以完成以下哪些操作?()A)连接运算B)过滤(Filter)C)连接数据库D)业务处理答案:ABCD解析:[多选题]53.Hbase中包含的一些典型的Filter有哪些?()A)SingleColumValueFilterB)FilterListC)RowFilterD)KeyOnlyFilter答案:ABCD解析:[多选题]54.决策树法分析问题的主要步骤为()。A)结构化问题B)设计可能结果发生的概率C)设计结果的得益D)分析问题答案:ABCD解析:[多选题]55.以下关丁KafkaPartition说法正确的有?A)引入Partition机制,保证了Kafka的高吞吐能力B)每个Partition都是有序且不可变的消息队列C)Partition数量决足了每个consumergroup中井发消费者的最大数量D)每个Partition在存储层面对应一个10g文件答案:ABCD解析:[多选题]56.下面关于Hbase的特性描述正确的是(1。A)高可靠性B)高性能C)面向列D)可伸缩答案:ABCD解析:[多选题]57.以下哪些是集中趋势分析的指标。()A)均值B)中位数C)众数D)四分位数答案:ABCD解析:[多选题]58.Apriori算法的计算复杂度受哪些因素影响?()A)支持度阀值B)项数(维度)C)事务数D)事务平均宽度答案:ABCD解析:[多选题]59.以下对SPARK的描述,正确的是()?A)高性能内存迭代计算框架B)内存计算一站式解决方案C)性能差D)支持多语言快速开发应用答案:ABD解析:[多选题]60.FusioninsightHD系统中使用Streaming客户端Shell命令提交了拓扑之后,使用StormUl查看发现该拓长时间没有处理数据,可能原因有?()A)查看客户端异常堆栈,判断是否客户端使用问题B)查看主Nimbus的运行日志,判断是否Nimbus服务端异常C)查看Supervisor运行日志,判断是否Supervisor异常D)查看Worker运行日志答案:AB解析:[多选题]61.光缆是数据传输中最有效的一种传输介质,它有()A)频带较宽B)电磁绝缘性能好C)衰减较小D)无中继段长答案:AB解析:[多选题]62.问题结构是由()构成的。A)现状B)直接原因C)间接原因D)最终原因答案:ABD解析:[多选题]63.某大样本数据集的缺失值占比约10%。数据分析师小A首先删除了所有有缺失值的样本，建立了回归模型。然后用某种方法进行了缺失值处理后，重新建立了回归模型，发现模型的VIF值较之前有了很大的增幅。请问小A有可能采用的哪种方法进行的缺失值处理？()A)均值填补B)K-means聚类填补C)回归填补D)忽略缺失值的极大似然估计答案:BC解析:此题为本试卷最难题。A只涉及变量本身，D涉及数据集整体，这两种方法都不会影响自变量之间的相关性，即不会让VIF值产生显著变化。而BC两种方法都是以变量之间的联系作为填补的基础，会在一定程度上改变变量之间的相关性，导致VIF值变化。[多选题]64.数据分析报告的金字塔原理所遵循的原则是()。A)归类分组B)逻辑递进C)以下统上D)结论先行答案:ABD解析:[多选题]65.关于SparkSQL&Hive区别与联系,下列说法正确的是?()A)SparkSQL依赖HiVe的元数据B)SparkSQL的执行引擎为Sparkcore.,Hive默认执行引擎为MapreduceC)SparkSQL不可以使用Hive的自定义函数D)SparkSQL兼容绝大部分Hive的语法和函数答案:ABCD解析:[多选题]66.ZKFC进程部署在hdfs中的以下那个节点上?()A)activenamenodeB)standbynamenodeC)datanodeD)以上全部不对答案:AB解析:[多选题]67.ResoureManager主要作用是什么()?A)调度器B)应用程序管理器C)节点资源管理D)节点资源管理答案:AC解析:[多选题]68.hive在load是不检索数据是否符合schema的,hive遵循的是schemaonread(读时模式)只有在读时模式的时候才检查hive的数据字段,shena,下关于Flink中transformation的说法正确的是?A)可以通过window设定时间窗口B)filter操件是对每个元素执行boolean函数C)flatmap是对文本进行切分D)keyby是将源头数据按照key进行分组,以保证同一个key的元数据分到同样的组中答案:ABD解析:[多选题]69.Yarn中,?从?节点负责以下哪些工作?A)集群中所有资源的一管理和分配B)监督container的生命周期管理C)监控每个Container的资源使用(内存、CPU等)情况D)管理日志和不同应用程序用到的附属服务答案:BC解析:[多选题]70.预测性数据挖掘包括哪些方法？A)分类B)数据总结C)回归D)时间序列答案:ACD解析:[多选题]71.以下属于分类器模型评价指标的有(A)预测准确度B)recallC)模型描述的简洁度D)F1-Score答案:ABD解析:[多选题]72.逻辑回归是数据挖掘算法中常用的模型算法,以下关于逻辑回归的说法正确的是()。A)异常值不会对模型造成很大的干扰。B)逻辑回归的自变量必须是分类变量,因此要对连续型变量进行离散化处理。C)逻辑回归属于分类算法。D)逻辑回归对模型中自变量的多重共线性较为敏感。答案:CD解析:[多选题]73.Master的ElectedLeader事件后不做哪些操作()A)通知driverB)通知workerC)注册applicationD)直接ALIVE答案:ABC解析:[多选题]74.张亮持有A、B、C、D、E五只股票,请问以下不属于时间序列问题的有()。A)透过A只股票过去一年来的股价走势,预测明天A只股票的开盘价格B)将E五只股票区分为赚钱与赔钱两个类别C)将E五只股票区分为甲、乙、丙三个群体D)透过A,C,D三只股票过去一年来的走势,预测明天A只股票的开盘价格答案:BC解析:[多选题]75.下列哪个场景可以使用决策树构建模型?()A)预测申办信用卡的新客户是否将来会变成卡奴B)保险公司针对特定族群做人寿保险的推销C)找出购物篮里商品购买间的关联D)根据生活作息推断该病人得癌症的机率答案:ABD解析:[多选题]76.云计算的特点包括以下哪些方面?A)服务可计算B)高性价比C)服务可租用D)低使用度答案:ABC解析:第3部分：判断题，共24题，请判断题目是否正确。[判断题]77.数据分析时,将影响业务发展的因素罗列出来,对不同因素进行主次辨析,井展开递进分析,要比直接从?想当然?的某个因素匆忙入手要准确和有效得多A)正确B)错误答案:对解析:[判断题]78.在Mapreduce编程中,代码不仅要描述做什么,还要描述具体怎么做。A)正确B)错误答案:错解析:[判断题]79.折线图主要用于显示在相等时间间隔下数据的趋势。A)正确B)错误答案:对解析:[判断题]80.数据异常值检方法以正态分布为前提,若数据偏离正态分布或样本较小时,则检验结果未必可靠,校验是否正态分布可借助W检验、D检验。A)正确B)错误答案:对解析:[判断题]81.Java源程序的文件名必须与public类的名称完全一致A)正确B)错误答案:对解析:[判断题]82.在Flink中,checkpoint机制能明在运行过程中出现失败时,从某一个检查点恢复,在此过程中,流快照是根据数据流入依次创建的。A)正确B)错误答案:对解析:[判断题]83.SparkStreaming计算基于DStream将流式计算分解成一系列短小的批处理作业()A)正确B)错误答案:对解析:[判断题]84.聚类将类似的值聚成簇。直观的,落在簇集合之外的值被视为离群点。A)正确B)错误答案:对解析:[判断题]85.Kafka是一个