暨南大学《大型数据库》2023-2024学年第一学期期末试卷

自觉遵守考场纪律如考试作弊此答卷无效密自觉遵守考场纪律如考试作弊此答卷无效密封线第1页，共3页暨南大学《大型数据库》

2023-2024学年第一学期期末试卷院(系)_______班级_______学号_______姓名_______题号一二三四总分得分一、单选题（本大题共15个小题，每小题1分，共15分．在每小题给出的四个选项中，只有一项是符合题目要求的．）1、大数据在医疗健康领域的应用包括疾病预测、医疗影像分析、健康管理等，以下关于大数据在医疗健康领域应用的描述中，错误的是（）。A.大数据可以用于疾病预测和预防，提高医疗服务的质量和效率B.大数据可以用于医疗影像分析，提高诊断的准确性和速度C.大数据可以用于健康管理，帮助人们更好地管理自己的健康D.大数据在医疗健康领域的应用只局限于医院内部，不能与其他机构进行数据共享2、在大数据时代，数据仓库和数据集市的概念仍然重要。假设一个企业需要为不同部门提供数据分析支持。以下关于数据仓库和数据集市的选择，正确的是：（）A.建立一个大型的数据仓库，所有部门共享使用B.为每个部门分别建立数据集市，满足个性化需求C.先建立数据仓库，再根据部门需求从仓库中抽取数据建立数据集市D.数据仓库和数据集市都不适合大数据环境，应采用新的技术架构3、在大数据存储中，分布式存储系统的节点之间通常通过网络进行通信。以下哪种网络拓扑结构在数据传输效率和可靠性方面表现较好？（）A.星型拓扑B.环形拓扑C.总线拓扑D.树形拓扑4、在大数据应用中，推荐系统被广泛使用。如果一个推荐系统主要基于用户的历史购买行为进行推荐，这属于哪种推荐方法？（）A.基于内容的推荐B.协同过滤推荐C.基于知识的推荐D.混合推荐5、在大数据分析中，数据挖掘与机器学习的结合越来越紧密。以下关于两者结合的优势和应用，哪项描述不准确？（）A.数据挖掘可以为机器学习提供有价值的数据特征和预处理方法B.机器学习算法可以帮助数据挖掘发现更复杂和深入的模式C.两者结合在欺诈检测、市场细分和推荐系统等领域取得了显著成果D.数据挖掘和机器学习是完全独立的领域，没有相互交叉和融合的部分6、大数据在物流领域有重要的应用价值，以下关于大数据在物流中的应用描述，哪一项是不正确的？（）A.可以优化物流路径规划，降低运输成本B.有助于实现库存的精准管理和预测C.大数据在物流中的应用主要依赖人工经验，自动化程度较低D.能够实时跟踪货物运输状态，提高物流服务的透明度7、随着大数据技术的发展，数据仓库和数据集市的应用越来越广泛。对于一个大型企业来说，以下关于数据仓库和数据集市的描述，哪一项是不准确的？（）A.数据仓库通常存储整个企业的历史数据，数据集市则侧重于特定部门或主题的数据B.数据仓库的数据更新频率相对较低，而数据集市的数据更新可能更频繁C.数据仓库的建设成本通常高于数据集市，但其数据质量和一致性更有保障D.数据集市可以独立于数据仓库存在，不需要从数据仓库获取数据8、对于一个需要进行实时数据分析和可视化的大数据应用，以下哪种技术组合通常是最佳选择？（）A.Spark+Kafka+FlinkB.Hadoop+Hive+MySQLC.Spark+HBase+RedisD.Kafka+MongoDB+TensorFlow9、在大数据存储中，分布式数据库系统具有很多优点。假设一个应用需要处理高并发的读写请求，并且数据量巨大。以下哪种分布式数据库系统可能是合适的选择？（）A.MySQLClusterB.TiDBC.CockroachDBD.Alloftheabove（以上皆是）10、在大数据的数据库选择中，NoSQL数据库因其灵活的数据模型而受到关注。假设一个应用需要存储大量的非结构化数据，并且对数据的读写性能要求较高。以下哪种NoSQL数据库最适合？（）A.文档数据库B.键值数据库C.列族数据库D.图数据库11、在大数据处理框架中，Spark支持多种数据源的读取和写入。假设有一个需求是从关系型数据库中读取数据，并在Spark中进行处理。以下哪种方式是可行的？（）A.使用JDBC连接数据库读取数据B.将数据库中的数据导出为CSV文件，再由Spark读取C.使用ODBC连接数据库读取数据D.Alloftheabove（以上皆是）12、在大数据处理框架中，Hadoop和Spark都有广泛的应用。假设一个企业需要处理大量的历史数据，并进行复杂的数据分析和机器学习任务。以下关于Hadoop和Spark的特点和适用场景，哪一项是错误的？（）A.Hadoop适合处理大规模的静态数据，批处理任务B.Spark适合处理实时流数据，迭代计算和交互式查询C.Hadoop的计算速度通常比Spark快，尤其对于小数据量的计算D.Spark可以在内存中进行计算，提高了数据处理的效率13、在大数据存储中，分布式存储系统具有高可靠性和高扩展性。以下关于分布式存储系统的描述，不正确的是（）A.数据被分散存储在多个节点上，提高了数据的安全性B.节点之间通过网络进行通信和数据同步C.当某个节点出现故障时，系统能够自动恢复数据，不会造成数据丢失D.分布式存储系统的性能不受节点数量的影响14、在大数据存储系统中，为了提高数据的访问速度，通常会使用缓存技术。以下关于缓存策略的描述，正确的是？（）A.最近最少使用（LRU）策略总是最优的B.先进先出（FIFO）策略适用于数据访问模式稳定的情况C.随机替换策略在所有情况下性能最差D.缓存策略的选择取决于数据的访问模式15、当处理大数据中的文本数据时，自然语言处理技术经常被应用。假设要从大量的新闻文章中提取关键信息和主题。以下哪种自然语言处理技术最适合这个任务？（）A.词法分析B.句法分析C.语义理解D.文本分类二、简答题（本大题共4个小题，共20分)1、（本题5分）说明大数据在企业文化建设中的应用。2、（本题5分）说明大数据在游戏作弊检测中的应用。3、（本题5分）解释大数据在旅游目的地营销中的应用。4、（本题5分）简述大数据在气象数据融合中的作用。三、编程题（本大题共5个小题，共25分)1、（本题5分）使用Hive对一个大规模的用户浏览商品图片数据集进行图像特征提取和分类。2、（本题5分）利用Kafka，构建一个分布式的智能推荐系统，根据用户的实时行为数据提供实时的个性化推荐。3、（本题5分）基于Storm，实现一个实时的物流配送数据处理程序，跟踪货物的运输状态，计算每个运输批次的预计到达时间和实际到达时间的偏差。4、（本题5分）使用Python语言和Storm实时处理框架，处理实时的股票交易数据流，计算每只股票的每分钟成交量和成交金额，并将结果实时展示。5、（本题5分）用Python编写一个程序，使用Hadoop生态系统中的SparkSQL对大规模的用户消费行为数据进行分析，找出用户的消费偏好和消费习惯。四、综合分析题（本大题共4个小题，共40分)1、（本题10分）综合研究大