大数据开发基础练习题及答案8-2023练习版

试题说明

本套试题共包括1套试卷

答案和解析在每套试卷后

大数据开发基础练习题及答案8（500题）

大数据开发基础练习题及答案8

1.［单选题］大数据应用开发流程不包含以下哪项？

A）需求分析

B）可行性分析

C）应用推广D、技术选型

2.［单选题］Client端上传文件的时候下列哪项正确？

A）数据经过NameNode传递给DataNode

B）Client端将文件切分为Block,依次上传

OClient只上传数据到一台DataNode,然后由NameNode负责Block复制工作

3.［单选题］Hadoop的MapReduce组件擅长处理哪些场景的计算任务？

A）迭代计算

B）离线计算

C）实时交互计算

D）流式计算

4.［单选题］大数据的最显著特征是（）。

A）数据规模大

B）数据类型多样

C）数据处理速度快

D）数据价值密度高

5.［单选题］FusionInsightHD集群规划中，管理节点&控制节点&数据节点合一部署方案合适什么样

的场景？

A）30节点以下

B）IOO节点以下

C）IO（T200节点

D）200节点以上

6.［单选题］对于HBaSe表设计描述错误的是？

A）—张表可以创建多个ColumnFamiIy

B）TTL默认为一天

C）RegiOn建议预先创建

D）MaxVerSion无法人为修改

7.［单选题］下列选项中，能够提高数据安全性的是Oo

A）计算机病毒

B）蠕虫

C）杀毒软件

D）黑客

8.［单选题］使用MaXCOmPUtetunnel命令上传数据时，下列（）参数可以设定是否忽略脏数据。

A）-dbr

B）-fd

C）-dfp

D）-rd

9.［单选题］规模巨大且复杂，用现有的数据处理工具难以获取、整理、管理以及处理的数据，这指

的是（）。

A）富数据

B）贫数据

C）繁数据

D）大数据

10.［单选题］下列关于Python的全局变量和局部变量的描述错误的是（）。

A）局部变量指在函数内部使用的变量，当函数退出时，变量依然存在，下次函数调用可以继续使用

B）使用global保留字声明简单数据类型变量后，该变量作为全局变量使用

C）简单数据类型变量无论是否与全局变量重名，仅在函数内部创建和使用，函数退出后变量被释放

D）全局变量指在函数之外定义的变量，一般没有缩进，在程序执行全过程有效

IL［单选题］按照姓名降序排列（）

Λ）ORDERBYDESCNAME

B）ORDERBYNAMEDESC

C）ORDERBYNAMEASC

D）ORDERBYASCNAME

12.［单选题］我们建立一个5000个特征，100万数据的机器学习模型我们怎么有效地应对这样的大数

据训练（）

A）我们随权晶取一些样本，在这些少量样本之上训练

B）我们可以试用在线机器学习算法

C）我们应用PCA算法降雄，减少特征数

D）以上答案都正确

13.［单选题］在过去，数据分析的目的之一是对未来进行预测。比如通过实时分析微博数据，当发现

人们对雾霾的讨论明显增加时，就可以建议销售部门增加口罩的进货量。这个案例体现了过去数据

分析的()

A)重视因果关系

B)抽样的特性

C)精确的特性

D)全样的特性

14.［单选题］(一)会周期性地通过Heartbet将本节点上资源的使用情况和任务的运行进度汇报给

JobTrackero

A)TaskTrack

B)Task

C)Client

D)JobTracker

15.［单选题］启动HBaSe需先在hbase∕conf∕目录下修改的配置文件是()

A)hbase-env.sh

B)hbase-conf.sh

C)hbase-cmd.sh

D)hbase-file.sh

16.［单选题］DougCUtting所创立的项目的名称都受到其家人的启发，以下项目不是由他创立的项目

是

A)Hadoop

B)Nutch

C)Lucene

D)Solr

17.［单选题］有关数据仓库的开发特点，不正确的描述是()。

A)数据仓库开发要从数据出发

B)数据仓库使用的需求在开发初期就要明确

C)数据仓库的开发是一个不断循环的过程，是启发式的开发

D)在数据仓库环境中，并不存在操作型环境中所固定的和较确切的处理流,数据仓库中数据分析和处

理更灵活，且没有固定的模式

18.［单选题］根据《大数据风控平台项目操作手册》，在草稿状态的集团家谱页面，点击【修订模式

1后，选择集团成员列表中的某一节点，点击【新增】按钮，在弹出的新增详情页面，点击【引入

】按钮，弹出该集团的待引入成员列表。集团成员引入列表中的企业为我行客户，且为未纳入当前

集团统一管理的集团客户，即集团图谱中显示为紫色的集团成员，状态为O的集团客户。

A)行内客户未认定

B)B.核心企业

C)C.行内客户已认定

D)D.行内客户认定中

19」单选题］Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据

库表，并提供()查询功能，HiVe底层是将SQL语句转换为()任务运行。

A)SQL、HQL

B)SQL、MapReduce

C)类SQL、SQL

D)类SQL、MapReduce

20.［单选题］关于HDase的Region分裂流程Split的描述不正确的是

A)Split过程中并没有真正的将文件分开，仅仅是创建了引用文件

B)SPIit为了咸少RegiOn中数据大小，从而将-个RegiOn分裂成两个Region

Osplit过程中该表会暂停服务

D)split过程中被分裂的Region会暂停服务

21.［单选题］图像灰度方差说明了图像的哪一个属性Oo

A)平均灰度

B)图像对比度

C)图像整体亮度

D)图像细节

22.［单选题］MapReduce的Shuffle过程中哪个操作是最后做的()。

A)溢写

B)分区

C)排序

D)合并

23.［单选题］以下哪个不是海量大数据的常用处理工具()

A)Hadoop

B)Excel

C)Spark

D)Hive

24.［单选题］执行以下代码段my_tuple=(1,2,3,4)my_tuple.append((5,6,

7))print(len(my_tuple))时，输出为(.)o

A)4

B)5

C)7

D)Error

25.［单选题］以下()选项用于为视图数据操作设置检查条件。--

A)WITHCHECKOPTION

B)AS

OSQLSECURITY

D）ALGORITHM

26.［单选题］在HBaSe的专用过滤器中，ColUmnPaginationFilter是（）

A）时间戳过滤器

B）包含结束的过滤器

C）列分页过滤器

D）列计数过滤器

27.［单选题］以下哪项不属于图像分割的内容。

A）把不同类标分开。

B）提取不同区域的特征。

C）识别图像内容，或对图像进行分类。

D）对未处理图像进行平滑。

28.［单选题］假设您已在数据集上拟合了一个复杂的回归模型现在，您正在使用Ridge回归，并调整

参数人以减少其复杂性下面的描述哪个表达了偏差和方差与人的关系（）

A）在λ非常小的情况下，偏差低，方差低

B）在λ非常小的情况下，偏差低，方差低高

C）在人非常小的情况下，偏差高，方差低

D）在λ非常小的情况下，偏差低，方差低

29.［单选题］机器学习算法在学习过程中对某种类型假设的偏好称为O。

A）训练偏好

B）归纳偏好

C）分析偏好

D）假设偏好

30.［单选题］概率密度函数服从正态分布的噪声，叫做（_）。

A）泊松噪声

B）高斯噪声

C）乘性噪声

D）椒盐噪声

31.［单选题］大数据计算服务（MaxCompute,原ODPS）中的日志表IOg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='2016013Γ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）truncatetablewheredt='20160101,

C）droppartitionlog（dt='20160101,）

D）altertablelogdroppartition（dt='20160101,）

32.［单选题］以下哪一种方法最适合在n（n>l）维空间中做异常点检测

A）马氏距离

B）正态分布图

C）散点图

D）盒图

33.［单选题］Hadoop的特性不包括（）。

A）高可靠性

B）高效性

C）高可扩展性

D）低容错性

34.［单选题］国家电网有限公司数据管理办法规定，公司。是数据管理工作的领导决策机构，

A）规章制度管理委员会

B）网络安全和信息化领导小组

C）互联网部

D）大数据中心

35.［单选题］下面哪个功能不是大数据平台安全管理组件提供的功能（）。

A）接口代理

B）接口认证

C）接口授权

D）路由代理

36.［单选题］MapReduce中.Shuffle操作的作用是（）。

A）合并

B）排序

C）降雄

D）分区

37.［单选题］下列哪种去噪方法能较好的保持图像边缘。（）

A）、中值滤波

B）、双边滤波

C）、均值滤波

D）、高斯滤波

38.［单选题］创建存储过程，CREATEORREPLACEPROCEDUREproc_while_loop（maxvalin

integer）ASDECLARE1int：=maxval∕2;BEGINWHILEi<maxvalLOOPraiseinfo'%',i；i：

=i+l；ENDLOOP：END：下面循环语句在Messages内的输出是（）CALLproc_while_loop（9）；

A）5678

B）456789

C）56789

D）45678

39.［单选题］以下属于数据统计分析工具的是

A）NoSQL

B）SQL

OSPSS

D）MapReduce

40.［单选题］Spark的特点不包括（）。

A）速度快

B）通用性

C）易用性

D）单一操作性

41.［单选题］第三次信息化浪潮标志不包含以下哪项？

A）互联网

B）云计算

C）物联网

D）大数据

42.［单选题］下列关于数据转换，正确的是0。

Λ）Json内的取值只能有统一格式

B）PDF文件在不同平台上打开显示不同

C）可以通过Python将CSV文件转换成Excel格式

D）EXCeI存储数据的量无限制

43.［单选题］云计算包括3种类型。面向所有用户提供服务，只要是注册付费的用户都可以使用，这

种云计算属于：

A）公有云

B）私有云

C）混合云

D）独立云

44.［单选题］以下（）不属于MaXCOmPUte计算层的模块。

A）OTS

B）Pangu

OFuxi

D）Nuwa

45.［单选题］假设每个用户最低资源保障设置为yarn,scheduler,capacity,root,Queue

A.minimum-user-1imit-percent=24o则以下说法错误的是：（）。

A）第3个用户提交任务时，每个用户最多获得33.33%的资源

B）第2个用户提交任务时每个用户最多获得50%的资源

C）第4个用户提交任务时，每个用户最多获得25%的资源

D）第5个用户提交任务时，每个用户最多获得20%的资源

46.［单选题］输人图片大小为37x37,经过第一层卷积t（henumberoffilters=25,kernelsize=5jl∣

,padding=valid,Stride=I）与池化层maxpooling（kemelsize=3x3,padding=valid）,输出特征图

大小为（）

A）10x10

B）llxll

C）12x12

D）13x13

47.［单选题］下面O属于风险管理中的强数据。

A）征信数据

B）社保公积金数据

C）税务工商数据

D）以上都是

48.［单选题］有关MaPRedUce,下面哪个说法是正确的O

A）它提供了资源管理能力

B）它是开源数据仓库系统，用于查询和分析存储在HadooP中的大型数据集

C）它是HadOOP数据处理层

D）它是一个理想的数据处理框架，难以实现

49.［单选题］采用主成分分析法映射到低维空间，将最小的d-d'个特征向量舍弃，产生的影响是（）

A）使样本采样密度增大

B）丢失最优解

C）增大噪声

D）使样本采样密度减小

50.［单选题］2="ZedShaW'print（2）上述代码的执行结果为（__）。

A）2

B）ZedShaw

C）can'tassigntoliteral

D）invalidsyntax

51.［单选题］HBase中数据存储的文件格式是下面哪-项？

A）SequenceFiIe

B）HfiIe

OTextFile

D）HLog

52.［单选题］下列方法中，可以将元组转换为MUItilndeX对象的是（）。

A)from_tuples()

B)from_arrays()

C)from_product()

D)fromlist()

53.［单选题］RDD的特点不包括()。

A)RDD之间有依赖关系，可溯源

B)RDD由很多partition构成

C)对RDD的每个split或partition做计算

D)RDD可以增量更新

54.［单选题］以下关于分布式文件系统，描述错误的是：()

A)是一种通过网络实现文件在多台主机上进行分布式存储的文件系统

B)所有的分布式文件系统的设计都是采用“客户机/服务器”(Client/Server)模式

C)谷歌开发了分布式文件系统GFSHadoop

D)分布式文件系统(HadoopDistributedFileSystem,HDFS)是针对GFS的开源实现

55.［单选题］在HadOoP的解压目录下，通过执行哪一项指令可以查看HadooP的目录结构

A)jps

B)11

C)tar

D)find

56.［单选题］在FlUme中，()指的是位于源与接收器之间的组件。

A)数据流

B)FlUme通道

C)FIUme拦截器

D)FlUme代理

57.［单选题］HBase依靠()存储底层数据。

A)HDFS

B)Hadoop

C)Memory

D)MapReduce

58.［单选题］格式化日期的函数是()

ʌ)DATEDIFFO

B)DATE一FORMAT()

C)DΛY()

D)CURDATEO

59.［单选题］泛在电力物联网的总体架构中，内部用户有作业层、管理层、()

A）执行层

B）决策层

C）建议层

D）推送层

60.［单选题］Kafka集群中，Kafka服务端的角色是：（）。

A）Broker

B）Consumer

C）Zookeeper

D）Producer

61.［单选题］下面不属于网络钓鱼行为的是：（）

A）黑客利用各种手段，可以将用户的访问引导到假冒的网站上

B）以银行升级为诱饵，欺骗客户点击金融之家进行系统升级

C）网购信息泄露，财产损失

D）用户在假冒的网站上输入的信用卡号都进入了黑客的银行

62.［单选题］（_）是事先将训练样本存储下来，然后每当遇到一个新增样本，学习系统分析此样本与

以前存储样本之间的关系，并据此把一个目标函数值赋给新增样本。

A）基于实例学习

B）遗传算法

C）人工神经网络

D）归纳学习

63.［单选题］下面关于数据科学中机器学习思路相关描述不正确的有（_）。

A）测试集为输入

B）机器学习算法来学习

C）用函数比较算法估计目标函数

D）现有或部分数据为训练集

64.［单选题］Choice函数属于（）函数

A）文本函数

B）数值函数

C）逻辑函数

D）集合函数

65.［单选题］通常使用以下哪一种方式度量文本之间的相似度（）

A）欧氏距离

B）余弦相似度

C）汉明距离

D）杰卡德相似度

66.［单选题］（_）是指为最小化总体风险，只需在每个样本上选择能使特定条件风险最小的类别标

记。

A）支持向量机

B）间隔最大化

C）线性分类器

D）贝叶斯判定准则

67.［单选题］对参数进行L2正则，是机器学习常用的防止过拟合的方法。请问对参数做L2正则，是对

参数本身做了哪些先验分布假设？

A）高斯分布

B）拉普拉斯分布

C）泊松分布

D）均匀分布

68.［单选题］Hive适合（）环境

A）Hive

B）提供实时查询功能

C）适合应用在大量不可变数据的批处理作业

D）Hive

69.［单选题］type（1.0）的结果为（）。

A）class'int'

B）class'float'

C）class'complex'

D）class'bool'

70.［单选题］（）是指理解挖掘项目的目标业务需求。

A）业务理解

B）数据理解

C）数据准备

D）数据建模

71.［单选题］根据《大数据风控平台项目操作手册》，系统在【大数据贷后预警处置】菜单下设置【

待处置】、【处置中】等4个节点。其中，用户在（）节点可对审批通过的客户查看其预警信号详情

、客户信息、审批通过意见、影像资料等。

A）待处置

B）B.处置中

C）C.退回

D）D.处置完成

72.［单选题］Spark核心层主要关注（）问题。

A）存储

B）计算

C）传输

D）连接

73.［单选题］留出法直接将数据集划分为（）个互斥的集合。

A）—

B）二

OS

D）四

74.［单选题］下面算法属于局部处理的是。。

A）灰度线性变换

B）二值化

C）傅里叶变换

D）中值滤波

75.［单选题］后剪枝过程（—）地对树中的所有非叶节点进行逐一考察，其训练时间开销比未剪枝

决策树和预剪枝决策树要（一）得多。

A）自顶向下，小

B）自顶向下，大

C）自底向上，大

D）自底向上，小

76.［单选题Ifusioninsightmanager对于管理操作，下列错误的是？

A）可对服务进行启停重启

B）可以添加和卸载服务

C）可设置不常用服务隐藏或显示

D）可查看服务的当前状态

77.［单选题］在PythOn3中代码为my_input=input（'enteranumber：'）,则type（my_input）为

（一）。

A）class'int1

B）class'float'

C）class'str'

D）class'bool'

78.［单选题］在SPark技术中，（_）操作需要将数据进行重新聚合和划分，然后分配到集群的各个

节点上进行下一个Stage操作，这里会涉及集群不同节点间的大量数据交换。

A）Scheduler

B）Shuffle

C）Storage

D）RDD

79.［单选题］(_)中基学习器的多样性不仅来自样本扰动，还来自属性扰动。

A)AdaBoost

B)RF

C)Bagging

D)传统决策树

80.［单选题上丫珀0113中1'011血(15.5)与round(16.5)的结果分别为(___)0

A)16,16

B)16,17

017,16

D)17,17

81.［单选题］下面代码的输出结果是：X=12.34print(type(x))

A)<class'int'>

B)<class'float'>

C)<class'bool'>

D)<class'complex'>

82.［单选题］(一)是在云计算环境中部署和虚拟化的关系数据库，进而使传统关系数据库具备云计

算的主要优势。

A)NoSQL

B)NewSQL

C)关系云

D)SQL数据库

83.［单选题］下列说法错误的是()

A)Partitioner负责控制map输出结果key的分割

B)RePorter用于MaPRedUCe应用程序报告进度

C)OUtPUtCoIleCtor收集MaPPer或RedUCer输出数据

D)RedUCe的数目不可以是0

84.［单选题］Redis中String数据类型不含以下哪种操作？

A)Mget

B)size

C)Strlen

D)append

85.［单选题］利用到每个聚类中心和的远近判断离群值的方法，可以基于的算法为()

A)KMeans

B)KNN

OSVM

D）LinearRegression

86.［单选题］HBase提供的比较过滤器中，不属于比较运算符的有（）

A）LESS_OR_EQUAL

B）EQUALS

ONOTEQUAL

D）GREATERj）R_EQUAL

87.［单选题］数据的原始内容及其备份数据是数据产品研发的（）。

A）零次数据

B）一次数据

C）二次数据

D）采集数据

88.[单选题]下面程序中最后X_train_minmaX值为多少()>»X_train=np.array([[1.,-1,,

2.],...[2.,0.,0.]t...[0.,1.,-1.]])...>»min_nIaX_SCaler=

preprocessing.MinMaxScalerO»>X_train_minmax=min_max_scaler.fit_transform(X_train)

A)array([[0.,0.,1.],[1.0.5,0.33333333],[0,5,1.,0.]])

B)array([[0.5,0.,0.],[1.,0.5,0.33333333L[0.,1,,1.]])

C)array([[0.5,0.,1.],[1.,0.5,0.33333333],[0.,1.,0.1])

D)array([[0,5,0.,1.],[1.,0.5,0.L[0.,1.,0.]])

89.［单选题］下列哪一个不属于HadooP的大数据层的功能？

A）数据挖掘

B）离线分析

C）实时计算

D）Bl分析

90.［单选题］采用主成分分析法映射到低维空间，将最小的d-d'个特征向量舍弃，产生的影响是

（）O

A）使样本采样密度增大

B）丢失最优解

C）增大噪声

D）使样本采样密度减小

91.［单选题］云计算平台层（PaaS）指的是什么？

A）操作系统和围绕特定应用的必需的服务

B）将基础设施（计算资源和存储）作为服务出租

C）从一个集中的系统部署软件，使之在一台本地计算机上（或从云中远程地）运行的一个模型

D）提供硬件、软件、网络等基础设施以及提供咨询、规划和系统集成服务

92.［单选题］Mapper排序后的输出将作为下面哪个的输入（）

A）Reducer

B）Mapper

OShuffle

D）Sort

93.［单选题］pipinstallDjango==L7与PiPinstallDjango两者的区别是（__）0

A）两者作用一样

B）前者安装指定版本的包后者安装最新版本的包

C）前者安装指定版本的包后者安装随机版本的包

D）以上都不对

94.［单选题］下列关于Ll正则化与L2正则化的描述，错误的是（）

A）L1范数正则化有助于降低过拟合风险

B）L2范数正则化有助于降低过拟合风险

C）Ll范数正则化比L2范数正则化更有易于获得稀疏解

D）L2范数正则化比Ll范数正则化更有易于获得稀疏解

95.［单选题］对于一个图像识别问题（在一张照片里找出一只猫），下面哪种神经网络可以更好地解决

这个问题？。

A）循环神经网络

B）感知机

C）多层感知机

D）卷积神经网络

96.［单选题］聚类算法属于（_）。

A）半监督学习

B）有监督学习

C）无监督学习

D）一种分类方法

97.［单选题］HBASE中使用的压缩算法是O

A）gzip

B）LZO

C）Snappy

D）ZAPPY

98.［单选题］如果字符串中有*需要匹配，需要输入的正则表达式为（）。

A）∖*

B）∖∖*

0*

D）（*）

99.［单选题］从连续图像到数字图像需要采取的措施是（）。

A）图像灰度级设定

B）图像分辨率设定

C）确定图像的存储空间

D）采样和量化

IOo.［单选题］np.Setdiffld（Ndarrayl,Ndarray2）函数的作用是（）0

A）返回二者的交集并排序

B）返回二者的并集并排序

C）返回二者的差集

D）返回二者的对称差

IOL［单选题］SQL语句中聚合函数求数据总和的是

A）MAX

B）SUM

OCOUNT

D）AVG

102.［单选题IDataFrame和RDD最大的区别是（）。

A）科学统计支持

B）多了schema

C）存储方式不一样

D）外部数据源支持

103.［单选题］数据整合和分组的说法，不正确的是（）

A）数据连接可以用COnCat或merge函数

B）axiS=I表示轴向连接

C）数据分组可以使用mean函数

D）使用agg可以自定义多个聚合函数

104.［单选题］为了允许支持向量机在一些样本上出错，引人（）的概念

A）软间隔

B）硬间隔

C）间隔

D）误差

105.［单选题］（）主要提供内存计算框架。

A）Spark核心层

B）资源计算层

C）服务核心层

D）Spark层

106.［单选题］下列关于Matplotlib中绘图标准流程的说法错误的是()。

A)绘制最简单的图形可以不用创建画布

B)添加图例可以在绘制图形之前

C)添加X轴、y轴的标签可以在绘制图形之前

D)修改X轴标签、y轴标签和绘制图形没有先后

107.［单选题］下列语句在Python中非法的是()。

A)x=y=z=l

B)X=(y=z+l)

C)x,y=y,X

D)x+=y

108.［单选题］根据数据管理计划，设计或选择具体方法实行计划中的工作内容,属于数据治理的哪一

步()

A)计划

B)执行

C)检查

D)改进

109.［单选题］下列关于模型能力(modelcapaCity指神经网络模型能拟合复杂函数的能力)的描述，正

确的是()

A)隐藏层层数增加，模型能力增加

B)DroPoUt的比例增加，模型能力增加

C)学习率增加，模型能力增加

D)都不正确

110.［单选题］关于FUSionlnSightHDStreaming客户端的SUPerViSor描述正确的是？

A)SUPerViSor负责资源分配和资源调度

B)SUPerViSor负责接管Nimbus分配的任务，启动和停止属于自己管理的WOrker进程

C)Supervisor是运行具体处理逻辑的进程

D)SUPerViSor是一个TOPoIogy中接收数据然后执行处理的组件

111.［单选题］执行以下代码段CIaSSA：defone(self)：returnself,two()deftwo(self)：

return'A'classB(A)：deftwo(self)：return'B'objl=A()obj2=B()print(objl.two(),

Obj2.two())时，输出为(.)□

A)AA

B)AB

OBB

D)BA

112.［单选题］国网信通产业集团、南瑞集团、国网能源院、中国电科院、联研院等单位是公司数据

资产管理的O,按照公司数据资产管理的要求开展工作。

A）上层机构

B）并行机构

C）支撑机构

D）连接机构

113.[单选题]在HBaSe系统架构中，（）使用的一种主选举方式，使用集群中最少的节点数用来选

举

A）Client

B）ZooKeeper

OHMaster

D）HRegionServer

114.[单选题]下列关于数据的说法，正确的是（）

A）数据科学中样本和特征是同一个概念

B）布尔型特征有两个取值

C）名义型特征可以比大小

D）离散型特征可以在空间中任意取值

115.[单选题]np.multiply（[[l,2,3],[1,2,3],Ll,2,3]],[[2,1,1],[2,1,1],[2,

1,1]]）的结果是多少？

A）[[1266][1266][1266]]

B）[[211][211][211]]

C）[[223][223][223]]

D）[[123][123][123]]

116.[单选题]泛在电力物联网建设坚持顶层设计和O相结合，鼓励基层单位因地制宜，先行先试

A）基层创新

B）集约建设

C）共建共享

D）继承发展

117.[单选题]关于批量处理数据组件的描述不正确的时？

A）SparkSql,新型SQL批处理引擎，用于处理SQL类批处理作业，适合海量数据，处理速度高效。

B）SPark新型批处理引擎，可以用于处理非SQL类，尤其是数据挖掘和机器学习批处理作业，适合海

量数据，树立速度高效。

OMapReduce,传统批处理引擎，用于处理非SQL类，尤其是数据挖掘和机器学习批处理作业，使用

广泛，海量数据下表现不稳定，但是处理速度较快。

D）Hive,传统SQL批处理引擎，用于处理SQL类批处理作业，使用广泛海量数据下表现稳定，但是处

理速度较慢。

118.[单选题]假设每个用户最低资源保障设置为yarn,scheduler,capacity,

root,QUeUeA.minimum-userTimit-PerCent=24。则以下说法错误的是？

A）第3个用户提交任务时，每个用户最多获得33.3396的资源

B）第2个用户提交任务时，每个用户最多获得50%的资源

C）第4个用户提交任务时，每个用户最多获得25%的资源

D）第5个用户提交任务时，每个用户最多获得20%的资源

119.［单选题］现有一张score表，我想要实现先按照班级class_name进行分桶，再按照学生学号

stu_id进行升序排序，下列语句书写正确的是()

A)SELECTFROMscoreCLUSTERBYclass_name,stu_id；

B)SELECTFROMscoreCLUSTERBYclass_namesortbystuidasc；

C)SELECTFROMscoreDISTRIBUTEBYclass_nameSORTBYstu_id；

D)SELECTFROMscoreDISTRIBUTEDBYclass_nameSORTBYstu_idasc；

120.［单选题］以下哪种文件以二进制格式写入和读取的模式（一）0

A）wb+

B）w

Owb

D）w+

121.［单选题］MaxCompute的使用限制包括：（）。

A）字符串格式的列内容不能超过2M

B）单个任务引用的资源总计字节数不能超过64M

C）单个任务中自定义的CoUnter不能超过64个

D）单个任务引用的资源个数不能超过512个

122.［单选题］当（_）过高，会出现过拟合现象

A）偏差

B）方差

C）噪声

D）泛化误差

123.［单选题］对于SVM分类算法，待分样本集中的大部分样本不是支持向量，下列说法正确的是（）

A）需要将这些样本全部强制转换为支持向量

B）需要将这些样本中可以转化的样本转换为支持向量，不能转换的直接剧除

C）移去或者减少这些样本对分类结果没有影响

D）以上都不对

124.［单选题］一个输入为（32,32,3）的数据集，通过一个卷积核个数为8,大小为5*5,步长为

1的卷积层，输出（）。

A）（28,28,8）

B）（27,27,8）

C）（28,28,3）

D)(27,27,3)

125.［单选题］在FUSionInSightManager界面中，对LOader的操作不包括下列哪个选项？

A)切换LOader主备节点

B)启动Loader实例

C)配置LOader参数

D)查看Loader服务状态

126.［单选题］Hbase的某张表的RoWKey划分SPlitkey为9.E.a.z.请问表里面有()个RegiOn。

A)6

B)5

04

D)3

127.［单选题］Zookeeper的基本操作是一组丰富的“构件”，可用于实现多种协调数据结构和

(—)0

A)协议

B)算法

C)查询操作

D)读写操作

128.［单选题］下列Python语句正确的是()

A)min=xifx<yelsey

B)max=x>y?x：y

C)if(x>y)printX

D)whileTrue：pass

129.［单选题］根据《大数据风控平台项目操作手册》，财务智能分析模块，【财务科目异动分析】

页面的左上角图表部分，最多支持O种财务科目的图表分析，超过3种后，再次选择则予以提示。

A)l

B)B.3

OC.30

D)D.50

130.［单选题］一个gzip文件大小75MB,客户端设置BIoCk大小为64MB,请我其占用几个BIOCk?

A)l

B)2

03

D)4

131.［单选题］假设一行数据内容有1列字段内容是不定长字符串STR："...I张山：23岁I李四：27岁

I王五：29岁I.....I刘N：T岁I......请使用hive的函数解析出"李四”的年龄。

A）str_to_map（STR,李四'］

B）str_to_map（STR,'李四'］

0n11（1」11_5616丁艮‘李四'，'|','：'）

D）find_inSet（STR,'李四'，''，'∣'）

132.［单选题］执行以下代码段a=3b=4print（a∕b）时，输出为（_）。

A）0

B）0.75

Ol

D）3

133.［单选题］Zookeeper能够确保。

A）所有namenode都是活动的，为客户端请求提供服务

B）当任何一个datanode失效时，触发故障转移

C）仅有一个namenode是活动的，为客户端请求提供服务

D）HadOoP超级管理员不能启动故障转移

134.［单选题］下列哪种去噪方法能较好的保持图像边缘。O

A）中值滤波

B）双边滤波

C）均值滤波

D）高斯滤波

135.［单选题］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

136.［单选题］np.VSPIit（）函数的作用是（_）0

A）沿着它的水平轴分割

B）沿着纵向的轴分割

C）允许指定沿哪个轴分割

D）按深度方向分割

137.［单选题］LSTM中门的输出是（）之间的实数向量。

A）O到1

B）I到-1

C）O到T

D）I到2

138.［单选题］在很长一段时间内，下列关于人工智能研究领域的说法中错误的是（）

A）一部分研究人员坚持采用传统的人工智能方法解决问题，简单来说就是模仿人。

B）一部分研究人员倡导数据驱动。

C）“模仿人”的原因之一是可获取的数据太多，无法处理

D）大数据时代，强调以数据为中心

139.［单选题］在支持向量机中，核函数的主要作用是（一）o

A）将低维空间中线性不可分的数据映射到高维空间，使其线性可分

B）将高维空间中线性不可分的数据映射到低维空间，使其线性可分

C）将高维空间中线性可分的数据映射到低维空间，使其线性不可分

D）将低维空间中线性可分的数据映射到高维空间，使其线性不可分

140.［单选题］在SPark中J_）是工作节点上运行的一组计算进程。

Λ）DAGScheduler

B）TaskScheduler

C）Executor

D）ClusterManager

141.［单选题］数据故事话的‘情景’不包括（）。

A）还原情景

B）统计情景

C）移植情景

D）虚构情景

142.［单选题］为提高计算性能，Spark中TranSfOrmation操作采用的是（）计算模式。

A）活性

B）惰性

C）实时

D）非实时

143.［单选题］以下哪个不属于数据治理的内容

A）理解自己的数据

B）行为规范的制定

C）岗位职责的定义

D）获得更多的数据

144.［单选题］下列哪个项目属于机器算法中的有无监督学习

A）图像的猫狗分类任务

B）图结点的聚类算法

0良性或恶性肿瘤预测

D）社交网络中用户的情感分析

145.［单选题］Kafka中数据从ProdUCer到BrOker和BrOker到COnSUmer分别是那种传递方式

A）pullpush

B）pullpull

C）pushpush

D）pushpull

146.［单选题］用二维表结构表达实体集的模型是（一）o

A）层次模型

B）网状模型

C）关系模型

D）概念模型

147.［单选题］关于字符串下列说法错误的是

A）字符应该视为长度为1的字符串

B）字符串以∖n标志字符串的结束

C）既可以用单引号，也可以用双引号创建字符串

D）在三引号字符串中可以包含换行回车等特殊字符

148.［单选题］下列关于存储过程的特点说法正确的是O

A）编写的SQL存储在数据库中，因此执行速度快。

B）创建时编译，执行时调用，因此开发效率高。

C）用户创建的存储过程或自定义函数可以重复调用，因此数据传输量少。

D）通过指定存储过程的访问权限，因此安全系数高。

149.［单选题］下列关于半监督支持向量机说法错误的是（_）。

A）半监督支持向量机是针对二分类问题的学习算法

B）半监督支持向量机寻求一个在所有样本上间隔最小化的划分超平面

C）半监督支持向量机采用局部搜索来迭代地寻找其优化问题的近似解

D）半监督支持向量机试图考虑对未标记样本进行各种可能的标记指派

150.［单选题］相关关系是一种与函数关系区别的非确定性关系，而相关分析就是研究事物或现象之

间是否存在这种非确定性关系的统计方法，以下不属于相关性分析方法的是（）。

A）Pearson相关系数

B）SPearman秩相关系数

C）KendaII相关系数

D）傅里叶系数

151.［单选题］大数据时代，数据使用的关键是Oo

A）数据收集

B）数据存储

C）数据分析

D）数据再利用

152.［单选题］O向用户提供办公软件、工作流等服务，使软件提供商从软件产品的生产者转变成

服务的运营者

A)Iaas

B)Paas

C)Saas

D)Daas

153.［单选题］对于一组数据(1,2,2,NAN,4),若采用众数法补全缺省值，贝∣］NAN该补为()。

A)l

B)1.8

04

D)2

154.［单选题］以下哪一项不是SPark框架可用的数据源？

A)IndexFS

B)HDFS

C)S3

D)Cassandra

155.［单选题］如果想删除整个字符串使用

A)list

B)count

Odel

D)Ien

156.［单选题］图像挖掘中常用卷积神经网络(DNN)作为基础结构，以下关于卷积操作(ConV)和

池化(pooling)的说法正确的是？

A)ConV基于平移不变性，Pooling基于局部相关性

B)ConV和Pooling都基于平移不变性

C)ConV基于局部相关性，PoOIing基于平移不变性

D)ConV和Pooling都基于局部相关性

157.［单选题］在MaPRedUCe计算架构中，()组件运行在NameNOde节点上，提供集群资源的分配和工

作调度管理。

A)Client

B)JobTracker

C)TaskTracker

D)Task

158.［单选题］在HBaSe中，检查表是否启用的命令是()

A)is_enabled'my_ns：my_table'

B)is_abled'my_ns：my_table'

C）isenabled'my_ns：my_table'

D）isabled'my_ns：my_table'

159.［单选题］下列关于神经网络的说法中:①增加神经网络层数，可能会增加测试数据集的分类错误

率;②减少神经网络层数，总是能减小测试数据集的分类错误率;③增加神经网络层数，总是能减小

训练数据集的分类错误率，正确的是（）

A）①

B）①③

C）①②

D）②

160.［单选题］下列关于TFTDF的说法正确的是（）。

A）该值与特征项在文档中出现的频率成反比

B）该值与特征项在文档中出现的频率成正比

C）该值与在整个语料库中出现该特征项的文档库成正比

D）该值与特征项在文档中出现的频率无关

161.［单选题］在FUSionInSight产品中，关于创建Kafka的ToPiC,以下哪些描述是正确的?

A）在创建Kafka的ToPiC时，必须设置Partition个数

B）在创建Kafka的ToPiC时，必须设置Partition副本个数

C）设置多副本可以增强Kafka服务的容灾能力

D）以上全都正确

162.［单选题］请选择计算231-1的PythOn表达式：

A）power（2,31）-1

B）2^31-l

C）231-l

D）2（31）-l

163.［单选题］下列关于数据的说法，不正确的是0

A）数据的类别有多种多样

B）数据库中的一列代表一个特征

C）一组数据平均值不会受异常值影响

D）数据点之间的距离满足d_ij+d_jk^d_ik

164.［单选题］卷积神经网络中池化层的作用是（）。

A）寻找图像中的细节特征

B）输入图片

C）减少下一层的计算，防止过拟合

D）输出图片

165.［单选题］某工程师正在开发EaStiCSearCh应用，请问下列代码可以帮助他实现什么功能？

A）删除素引

B）创建素引

C）维护索引

D）更新素引

166.［单选题］CART决策树使用“基尼指数”来选择划分属性时，使划分后基尼指数O的属性为最

优划分属性。

A）最大

B）最小

C）随机选择

D）按序选择

167.［单选题］下面代码的输出结果是：forsin"HelioWorld"：ifs=="W"：continue

print（s,end=""）

A）Helloorld

B）HelIo

OWorld

D）HelIoWorld

168.［单选题］哪个是实时检索解决方案的数据源？

A）流数据

B）以上都是

C）文件数据

D）图数据

169.［单选题］成N个训练样本集;②将N个训练样本集分别做决策树，生成N棵决策树:③将N棵决策树

随机构成随机森林;④未来根据预测样本气候环境、设备属性、设备工况进行随机森林决策投票，得

出针对该预测样本最优的决策树进行运算并计算出最终结果模型算法构建步骤合理的顺序是（）

A）①②⑤④

B）①③②④

C）④①②③

D）④②①③

170.［单选题］（_）是根据数据采样来估计概率分布参数的经典方法。

A）贝叶斯判定准则

B）贝叶斯决策论

C）贝叶斯分类器

D）极大似然估计

171.［单选题］（一）是SPark中用来进行机器学习和数学建模的软件包。

A）SPARKCORE

B）SparkSQL

C)SparkStreaming

D)Mllib

172.［单选题］（）选择是直接把最终将要使用的学习器的性能作为特征子集的评价准则。

A）嵌入式

B）过滤式

C）包裹式

D）一体式

173.［单选题］关于大数据交易在发展过程中遇到的问题.下面描述错误的是：（）

A）互联网数据马太效应显现

B）市场信用体系缺失、监管有待加强

C）大数据交易规则和标准缺乏

D）数据质量评价与估值定价已经很完善

174.［单选题］异常检测过程查找基于（）组标准值偏差的异常个案。

A）单体

B）分类

C）聚类

D）回归

175.［单选题［Combiner不适合哪一种操作？（）

A）最大值

B）求和

C）平均值

D）计数

176.［单选题］大数据计算服务（MaxCompute,原ODPS）的开发人员需要创建一张用户消费习惯表

,其中一个字段想要命名为like,则以下说法正确的是：（）。

A）可以将字段命名为like,无需特殊处理

B）可以将字段名命名为like,在创建表及引用该字段时，需要用括起来，即表示为‘like'

C）在创建表时无需特殊处理，但是在引用该字段时需要表示为‘like'（注：没有测试成功）

D）无法将字段命名为like,因为这是关键字

177.［单选题］下列哪个不属于HadoOP的特性？

A）成本高

B）高可靠性

C）高容错性

D）运行在LinUX平台上

178.［单选题］有关HadooP的陈述哪个是错误的（）

A）它运行在通用硬件上

B）它是APaChe软件基金会（ASF）下的项目

C）它是最好的实时流式数据处理框架

D）HadooP对数据的处理是有延迟的

179.［单选题］HBase作为数据存储组件封装于大数据平台，用于（）存储。

A）关系型数据库

B）分布式文件

C）非关系型数据库

D）列式存储

180.［单选题］关于SOM神经网络的描述，错误的是（）

A）一种竞争学习型的无监督神经网络

B）将高雄输入数据映射到低维空间，保持输入数据在高维空间的拓扑结构

C）SOM寻优目标为每个输出神经元找到合适的权重

D）输出层神经元以矩阵方式排列在二维空间

181.［单选题］MVCC用于解决（）事务冲突。

A）读读

B）写写

C）读写

D）上述都包括

182.［单选题］调用以下函数返回的值（）defmyfun（）:PaSS

A）0

B）出错不能运行

C）空字符串

D）None

183.［单选题］（_）算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情

节的向下封闭检测两个阶段来挖掘频繁项集。

A）Apriori

B）EM

OPCA

D）PAC

184.［单选题］下列说法中，关于客户端从HDFS中读取数据的说法错误的是O

A）客户端会选取排序靠前的DataNode来依次读取BIoCk块

B）客户端会把最终读取出来所有的BloCk块合并成一个完整的最终文件

C）客户端会选取排序靠后的DataNOde来依读取BlOCk块

D）如果客户端本身就是DataNOde,那么将从本地直接获取数据

185.［单选题］一个分布式应用程序协调服务，分布式应用程序可以基于它实现同步服务，配置维护

和命名服务等的工具是()。

A)Flume

B)Zookeeper

C)Storm

D)SparkStreaming

186.［单选题］运行下面代码，则下列描述错误的是（）。

Importtimeprint（time,time）

A）time库是Python的标准库

B）可使用time.ctime（）,显示为更可读的形式

C）time.sleep（5）推迟调用线程的运行，单位为毫秒

D）输出自1970年1月1日00：00：00AM以来的秒数

187.［单选题］GaussDB200在创建表时，需要注意以下哪些事项（?

A）创建列存表之后，后续可以修改为行存表。

B）创建列存表时压缩级别默认为HlGH。

C）如果指定表空间为普通表空间，创建表时默认是行式存储

D）创建一个行存表之后，后续可以修改为列存表。

188.［单选题］（）是Spark的核心数据结构。

A）弹性分布式数据集

B）列表

C）元组

D）字典

189.［单选题］以下哪一项属于非结构化数据。（）

A）企业ERP数据

B）财务系统数据

C）视频监控数据

D）日志数据

190.［单选题］大数据计算服务存储到文件系统上时，使用了（）的文件格式，降低了无效的磁盘读

取操作。

A）列存储

B）文档存储

C）行存储

D）键值对存储

191.［单选题］下列关于bootstrap说法正确的是（—）。

A）从总的M个特征中，有放回地抽取m个特征（m<M）

B）从总的M个特征中，无放回地抽取m个特征（m<M）

C）从总的N个样本中，有放回地抽取n个样本（n<N）

D)从总的N个样本中，无放回地抽取n个样本(n<N)

192.［单选题］当前传统关系型数据库主要面临的挑战是()？

A)数据量爆炸式增长，要求数据处理平台具各弹性扩展能力。

B)数据处理时效性需求提高。要求数据处理平台速度够快。

C)多类型数据融合，要求数据处理平台功能更加强大。

D)以上全都正确。

193.［单选题］如果需要训练的特征维度成千上万，在高维情形下出现的数据样本稀疏、距离计算困

难我们通过()可以缓解这个问题

A)K均值算法

B)支持向量机

C)降维

D)以上答案都不正确

194.［单选题］在HBaSe中，查看默认空间下所有表的命令为()

A)selectnamespace_tables'default'

B)select_namespace_tables'default'

C)listnamespace_tables'default'

D)list_namespace_tables'default'

195.［单选题］在数据库的发展历史上，先后出现过多种数据库类型，但是，不包括：O

A)网状数据库

B)球形数据库

C)层次数据库

D)关系数据库

196.［单选题］Zookeeper的SCheme认证方式不包括以下哪项？

A)digest

B)sasl

C)auth

D)world

197.［单选题］下列关于离群值的说法中，哪一项是不正确的O

A)在样本总量中类别比重很小(少数类)的都是离群值

B)数据测量，自然变异，数据收集中的错误都会产生离群值

C)在统计学中，上下α点分位以外的值认为是离群值

D)可以通过样本点邻域点的密度判断是否属于离群值

198.［单选题］有如下程序：defsum(*args)：r=Oforiinargs：r+=ireturn

rprint(sum(l,2))print(sum(l,2,3))程序的输出结果是()。

A)Error

B)12123

C)36

D)39

199.［单选题］以下关于随机森林的说法正确的是（）

A）随机森林对于高维数据集的处理能力比较好

B）在对缺失数据进行估计时，随机森林是一个十分有效的方法

C）当存在分类不平衡的情况时，随机森林能够提供平衡数据集误差的有效方法

D）以上答案都正确

200.［单选题］Hive中的外部表相关描述正确的有（）

A）定义和数据的生命周期互相约束，当删除表定义的时候，其表中的数据依然是存在的

B）定义和数据的生命周期互相不约束，当删除表定义的时候，其表中的数据依然是存在的

C）定义和数据的生命周期互相约束，当删除表定义的时候，其表中的数据会被删除

D）定义和数据的生命周期互相不约束，当删除表定义的时候，其表中的数据会被删除

201.［单选题］在BigtabIe中，（）主要用来存储子表数据以及一些日志文件。

A）GFS

B）Mapreduce

C）Sstable

D）Chubby

202.［单选题］根据《大数据风控平台项目操作手册》，【公司客户管理】、【集团客户管理】路径

下的集团图谱功能有所区别。如果用户在【公司客户管理】路径下使用集团图谱功能，可以OO

A）查看图谱

B）B.对图谱进行可视化编辑维护

OC.既可查看集团图谱又可对集团图谱进行可视化编辑

D）D.以上都不对

203.［单选题］（）一般采用图表或数学方法描述数据的统计特征,如分布状态、数值特征等。

A）推断统计

B）预测分析

C）描述统计

D）诊断分析

204.［单选题［preprocessing.NormaIiZer表示(_)。

A）一个函数

B）一个参数

C）一个类

D）一个变量

205.［单选题］下面组件哪个是负责日志收集的：（）

A）Λmbari

B）Zookeeper

C）HDFS

D）Flume

206.［单选题］在回归模型中，（__）在权衡欠拟合和过拟合中影响最大。

A）更新权重W时，使用的是矩阵求逆还是梯度下降

B）使用常数项

C）训练样本数量

D）多项式阶数

207.［单选题］分词中的正向最大匹配算法是（_）扫描字符串。

A）从左到右

B）从右到左

C）两边同时进行

D）从一个指定的字符发散

208.［单选题］构建一个最简单的线性回归模型需要（）系数（只有一个特征）。

A）I个

B）2个

03个

D）4个

209.［单选题］下列选项中，不是常用于解决无约束凸优化问题的优化算法是？

A）随机梯度下降方法

B）复合形法

C）共轲方法

D）NeWtOn方法

210.［单选题］数据清洗的方法不包括O

A）缺失值处理

B）异常数据清除

C）数据一致性检查

D）爬取网页抽取内容

211.［单选题］ResultScanner无参的next（）方法返回下一个可用的行组成的ReSUlt实例，含参的

next（rows）方法返回（）

A）一个ReSUlt实例

B）一个ReSUIt实例数组

C）一个整型

D）以上都不正确

212.［单选题］（）是窄依赖操作。

A）join

B）filter

C）group

D）sort

213.［单选题］创建数据同步任务后，对于增量同步中的任务，可以通过：（）来增加或者移除同步

数据库和表，并提交同步任务。

A）删除同步对象

B）编辑同步对象

C）创建同步对象

D）返回同步对象

214.［单选题］下面哪个不是HadOoP生态系统的组件：（）

A）HDFS

B）SQL

C）MapReduce

D）HBase

215.［单选题］DRDS的读策略中不包含：（）

A）主库读

B）均衡

0自定义

D）主库写

216.［单选题］ITB（兆兆字节-Terabyte）相当于（）

A）1024GB

B）1024MB

C）1024KB

D）1024Bytes

217.［单选题］哪个选项是使用PyInstaller库对Python源文件打包的基本使用方法？

A）pip-h

B）pipinstall〈拟安装库名〉

Opipdownload〈拟下载库名>

D）Pyinstaller需要在命令行运行：∖>pyinstaller<Python源程序文件名>

218.［单选题］Scikit-Learn中StandardScaler是将特征数据的分布调整成（），也就是使得数

据的均值为0,方差为Io

A）正态分布

B）泊松分布

C）均匀分布

D）二项分布

316

219.［单选题］在数据生命周期管理实践中，（）是执行方法。

A）数据存储和备份规范

B）数据管理和维护

C）数据价值发觉和利用

D）数据应用开发和管理

220.［单选题］下列关于决策树的说法错误的是（）。

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完全问题

221.［单选题］关于公民的隐私权，下面描述错误的是：（）

A）修改权是隐私权利人具有的依法了解自身信息资料是否被行政主体利用的权利

B）支配权是隐私权利人的基本权利之一，隐私权利人对自己的个人信息的收集、储存、传播、使用

、开放等享有支配权

C）保障权是指公民有权要求政府在数据开放的过程中保障涉及其个人隐私的信息资料不被开放、不

被滥用和不被泄露

D）救济权是公民在自身的合法权益受到侵害时，按照法定程序采取法律手段维护自身权益的权利

222.［单选题］上传当前目录下的本地文件file,txt到分布式文件系统HDFS的