hadoop大数据技术与应用第1章练习题
《大数据技术原理与应用(第3版)》期末复习题库(含答案)
第一章大数据概述单选题1、第一次信息化浪潮主要解决什么问题？B（A）信息传输（B）信息处理（C）信息爆炸（D）信息转换2、下面哪个选项属于大数据技术的“数据存储和管理”技术层面的功能？A（A）利用分布式文件系统、数据仓库、关系数据库等实现对结构化、半结构化和非结构化海量数据的存储和管理（B）利用分布式并行编程模型和计算框架，结合机器学习和数据挖掘算法，实现对海量数据的处理和分析（C）构建隐私数据保护体系和数据安全体系，有效保护个人隐私和数据安全（D）把实时采集的数据作为流计算系统的输入，进行实时处理分析3、在大数据的计算模式中，流计算解决的是什么问题？D（A）针对大规模数据的批量处理（B）针对大规模图结构数据的处理（C）大规模数据的存储管理和查询分析（D）针对流数据的实时计算4、大数据产业指什么？A（A）一切与支撑大数据组织管理和价值发现相关的企业经济活动的集合（B）提供智能交通、智慧医疗、智能物流、智能电网等行业应用的企业（C）提供数据分享平台、数据分析平台、数据租售平台等服务的企业（D）提供分布式计算、数据挖掘、统计分析等服务的各类企业5、下列哪一个不属于大数据产业的产业链环节？A（A）数据循环层（B）数据源层（C）数据分析层（D）数据应用层6、下列哪一个不属于第三次信息化浪潮中新兴的技术？A（A）互联网（B）云计算（C）大数据（D）物联网7、云计算平台层（PaaS）指的是什么？A（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8、下面关于云计算数据中心的描述正确的是：A（A）数据中心是云计算的重要载体，为各种平台和应用提供运行支撑环境（B）数据中心就是放在企业内部的一台中心服务器（C）每个企业都需要建设一个云计算数据中心（D）数据中心不需要网络带宽的支撑9、下列哪个不属于物联网的应用？D（A）智能物流（B）智能安防（C）环保监测（D）数据清洗10、下列哪项不属于大数据的发展历程？D（A）成熟期（B）萌芽期（C）大规模应用期（D）迷茫期多选题1、第三次信息化浪潮的标志是哪些技术的兴起？BCD（A）个人计算机（B）物联网（C）云计算（D）大数据2、信息科技为大数据时代提供哪些技术支撑？ABC（A）存储设备容量不断增加（B）网络带宽不断增加（C）CPU 处理能力大幅提升（D）数据量不断增大3、大数据具有哪些特点？ABCD（A）数据的“大量化”（B）数据的“快速化”（C）数据的“多样化”（D）数据的“价值密度比较低”4、下面哪个属于大数据的应用领域？ABCD（A）智能医疗研发（B）监控身体情况（C）实时掌握交通状况（D）金融交易5、大数据的两个核心技术是什么？AC（A）分布式存储（B）分布式应用（C）分布式处理（D）集中式存储6、云计算关键技术包括什么？ABCD（A）分布式存储（B）虚拟化（C）分布式计算（D）多租户7、云计算的服务模式和类型主要包括哪三类？ABC（A）软件即服务（SaaS）（B）平台即服务（PaaS）（C）基础设施即服务（IaaS）（D）数据采集即服务（DaaS）8、物联网主要由下列哪些部分组成的？ABCD（A）应用层（B）处理层（C）感知层（D）网络层9、物联网的关键技术包括哪些？ABC（A）识别和感知技术（B）网络与通信技术（C）数据挖掘与融合技术（D）信息处理一体化技术10、大数据对社会发展的影响有哪些？ABC（A）大数据成为一种新的决策方式（B）大数据应用促进信息技术与各行业的深度融合（C）大数据开发推动新技术和新应用的不断涌现（D）大数据对社会发展没有产生积极影响第二章大数据处理架构Hadoop单选题1、下列哪个不属于Hadoop的特性？A（A）成本高（B）高可靠性（C）高容错性（D）运行在Linux平台上2、Hadoop框架中最核心的设计是什么？A（A）为海量数据提供存储的HDFS和对数据进行计算的MapReduce（B）提供整个HDFS文件系统的NameSpace(命名空间)管理、块管理等所有服务（C）Hadoop不仅可以运行在企业内部的集群中，也可以运行在云计算环境中（D）Hadoop被视为事实上的大数据处理标准3、在一个基本的Hadoop集群中，DataNode主要负责什么？D（A）负责执行由JobTracker指派的任务（B）协调数据计算任务（C）负责协调集群中的数据存储（D）存储被拆分的数据块4、Hadoop最初是由谁创建的？B（A）Lucene（B）Doug Cutting（C）Apache（D）MapReduce5、下列哪一个不属于Hadoop的大数据层的功能？C（A）数据挖掘（B）离线分析（C）实时计算（D）BI分析6、在一个基本的Hadoop集群中，SecondaryNameNode主要负责什么？A（A）帮助NameNode收集文件系统运行的状态信息（B）负责执行由JobTracker指派的任务（C）协调数据计算任务（D）负责协调集群中的数据存储7、下面哪一项不是Hadoop的特性？B（A）可扩展性高（B）只支持少数几种编程语言（C）成本低（D）能在linux上运行8、在Hadoop项目结构中，HDFS指的是什么？A（A）分布式文件系统（B）分布式并行编程模型（C）资源管理和调度器（D）Hadoop上的数据仓库9、在Hadoop项目结构中，MapReduce指的是什么？A（A）分布式并行编程模型（B）流计算框架（C）Hadoop上的工作流管理系统（D）提供分布式协调一致性服务10、下面哪个不是Hadoop1.0的组件：（C）（A）HDFS（B）MapReduce（C）YARN（D）NameNode和DataNode多选题1、Hadoop的特性包括哪些？ABCD（A）高可扩展性（B）支持多种编程语言（C）成本低（D）运行在Linux平台上2、下面哪个是Hadoop2.0的组件？AD（A）ResourceManager（B）JobTracker（C）TaskTracker（D）NodeManager3、一个基本的Hadoop集群中的节点主要包括什么？ABCD（A）DataNode：存储被拆分的数据块（B）JobTracker：协调数据计算任务（C）TaskTracker：负责执行由JobTracker指派的任务（D）SecondaryNameNode：帮助NameNode收集文件系统运行的状态信息4、下列关于Hadoop的描述，哪些是正确的？ABCD（A）为用户提供了系统底层细节透明的分布式基础架构（B）具有很好的跨平台特性（C）可以部署在廉价的计算机集群中（D）曾经被公认为行业大数据标准开源软件5、Hadoop集群的整体性能主要受到什么因素影响？ABCD（A）CPU性能（B）内存（C）网络（D）存储容量6、下列关于Hadoop的描述，哪些是错误的？AB（A）只能支持一种编程语言（B）具有较差的跨平台特性（C）可以部署在廉价的计算机集群中（D）曾经被公认为行业大数据标准开源软件7、下列哪一项不属于Hadoop的特性？AB（A）较低可扩展性（B）只支持java语言（C）成本低（D）运行在Linux平台上第三章分布式文件系统HDFS单选题1、分布式文件系统指的是什么？A（A）把文件分布存储到多个计算机节点上，成千上万的计算机节点构成计算机集群（B）用于在Hadoop与传统数据库之间进行数据传递（C）一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统（D）一种高吞吐量的分布式发布订阅消息系统，可以处理消费者规模的网站中的所有动作流数据2、下面哪一项不属于计算机集群中的节点？B（A）主节点(Master Node)（B）源节点（SourceNode）（C）名称结点(NameNode)（D）从节点（Slave Node）3、在HDFS中，默认一个块多大？A（A）64MB（B）32KB（C）128KB（D）16KB4、下列哪一项不属于HDFS采用抽象的块概念带来的好处？C（A）简化系统设计（B）支持大规模文件存储（C）强大的跨平台兼容性（D）适合数据备份5、在HDFS中，NameNode的主要功能是什么？D（A）维护了block id 到datanode本地文件的映射关系（B）存储文件内容（C）文件内存保存在磁盘中（D）存储元数据6、下面对FsImage的描述，哪个是错误的？D（A）FsImage文件没有记录每个块存储在哪个数据节点（B）FsImage文件包含文件系统中所有目录和文件inode的序列化形式（C）FsImage用于维护文件系统树以及文件树中所有的文件和文件夹的元数据（D）FsImage文件记录了每个块具体被存储在哪个数据节点7、下面对SecondaryNameNode第二名称节点的描述，哪个是错误的？A（A）SecondaryNameNode一般是并行运行在多台机器上（B）它是用来保存名称节点中对HDFS元数据信息的备份，并减少名称节点重启的时间（C）SecondaryNameNode通过HTTPGET方式从NameNode上获取到FsImage和EditLog文件，并下载到本地的相应目录下（D）SecondaryNameNode是HDFS架构中的一个组成部分8、HDFS采用了什么模型？B（A）分层模型（B）主从结构模型（C）管道-过滤器模型（D）点对点模型9、在Hadoop项目结构中，HDFS指的是什么？A（A）分布式文件系统（B）流数据读写（C）资源管理和调度器（D）Hadoop上的数据仓库10、下列关于HDFS的描述，哪个不正确？D（A）HDFS还采用了相应的数据存放、数据读取和数据复制策略，来提升系统整体读写响应性能（B）HDFS采用了主从（Master/Slave）结构模型（C）HDFS采用了冗余数据存储，增强了数据可靠性（D）HDFS采用块的概念，使得系统的设计变得更加复杂多选题1、HDFS要实现以下哪几个目标？ABC（A）兼容廉价的硬件设备（B）流数据读写（C）大数据集（D）复杂的文件模型2、HDFS特殊的设计，在实现优良特性的同时，也使得自身具有一些应用局限性，主要包括以下哪几个方面？BCD（A）较差的跨平台兼容性（B）无法高效存储大量小文件（C）不支持多用户写入及任意修改文件（D）不适合低延迟数据访问3、HDFS采用抽象的块概念可以带来以下哪几个明显的好处？ACD（A）支持大规模文件存储（B）支持小规模文件存储（C）适合数据备份（D）简化系统设计4、在HDFS中，名称节点（NameNode）主要保存了哪些核心的数据结构？AD（A）FsImage（B）DN8（C）Block（D）EditLog5、数据节点（DataNode）的主要功能包括哪些？ABC（A）负责数据的存储和读取（B）根据客户端或者是名称节点的调度来进行数据的存储和检索（C）向名称节点定期发送自己所存储的块的列表（D）用来保存名称节点中对HDFS元数据信息的备份，并减少名称节点重启的时间6、HDFS的命名空间包含什么？BCD（A）磁盘（B）文件（C）块（D）目录7、下列对于客服端的描述，哪些是正确的？ABCD（A）客户端是用户操作HDFS最常用的方式，HDFS在部署时都提供了客户端（B）HDFS客户端是一个库，暴露了HDFS文件系统接口（C）严格来说，客户端并不算是HDFS的一部分（D）客户端可以支持打开、读取、写入等常见的操作8、HDFS只设置唯一一个名称节点，这样做虽然大大简化了系统设计，但也带来了哪些明显的局限性？ABCD（A）命名空间的限制（B）性能的瓶颈（C）隔离问题（D）集群的可用性9、HDFS数据块多副本存储具备以下哪些优点？ABC（A）加快数据传输速度（B）容易检查数据错误（C）保证数据可靠性（D）适合多平台上运行10、HDFS具有较高的容错性，设计了哪些相应的机制检测数据错误和进行自动恢复？BCD（A）数据源太大（B）数据节点出错（C）数据出错（D）名称节点出错第四章分布式数据库HBase单选题1、下列关于BigTable的描述，哪个是错误的？A（A）爬虫持续不断地抓取新页面，这些页面每隔一段时间地存储到BigTable里（B）BigTable是一个分布式存储系统（C）BigTable起初用于解决典型的互联网搜索问题（D）网络搜索应用查询建立好的索引，从BigTable得到网页2、下列选项中，关于HBase和BigTable的底层技术对应关系，哪个是错误的？B（A）GFS与HDFS相对应（B）GFS与Zookeeper相对应（C）MapReduce与Hadoop MapReduce相对应（D）Chubby与Zookeeper相对应3、在HBase中，关于数据操作的描述，下列哪一项是错误的？C（A）HBase采用了更加简单的数据模型，它把数据存储为未经解释的字符串（B）HBase操作不存在复杂的表与表之间的关系（C）HBase不支持修改操作（D）HBase在设计上就避免了复杂的表和表之间的关系4、在HBase访问接口中，Pig主要用在哪个场合？D（A）适合Hadoop MapReduce作业并行批处理HBase表数据（B）适合HBase管理使用（C）适合其他异构系统在线访问HBase表数据（D）适合做数据统计5、HBase中需要根据某些因素来确定一个单元格，这些因素可以视为一个“四维坐标”，下面哪个不属于“四维坐标”？B（A）行键（B）关键字（C）列族（D）时间戳6、关于HBase的三层结构中各层次的名称和作用的说法，哪个是错误的？A（A）Zookeeper文件记录了用户数据表的Region位置信息（B）-ROOT-表记录了.META.表的Region位置信息（C）.META.表保存了HBase中所有用户数据表的Region位置信息（D）Zookeeper文件记录了-ROOT-表的位置信息7、下面关于主服务器Master主要负责表和Region的管理工作的描述，哪个是错误的？D（A）在Region分裂或合并后，负责重新调整Region的分布（B）对发生故障失效的Region服务器上的Region进行迁移（C）管理用户对表的增加、删除、修改、查询等操作（D）不支持不同Region服务器之间的负载均衡8、HBase只有一个针对行健的索引，如果要访问HBase表中的行，下面哪种方式是不可行的？B（A）通过单个行健访问（B）通过时间戳访问（C）通过一个行健的区间来访问（D）全表扫描9、下面关于Region的说法，哪个是错误的？C（A）同一个Region不会被分拆到多个Region服务器（B）为了加快访问速度，.META.表的全部Region都会被保存在内存中（C）一个-ROOT-表可以有多个Region（D）为了加速寻址，客户端会缓存位置信息，同时，需要解决缓存失效问题多选题1、关系数据库已经流行很多年，并且Hadoop已经有了HDFS和MapReduce，为什么需要HBase？ABCD（A）Hadoop可以很好地解决大规模数据的离线批量处理问题，但是，受限于Hadoop MapReduce编程框架的高延迟数据处理机制，使得Hadoop无法满足大规模数据实时处理应用的需求上（B）HDFS面向批量访问模式，不是随机访问模式（C）传统的通用关系型数据库无法应对在数据规模剧增时导致的系统扩展性和性能问题（D）传统关系数据库在数据结构变化时一般需要停机维护；空列浪费存储空间2、HBase与传统的关系数据库的区别主要体现在以下哪几个方面？ABCD（A）数据类型（B）数据操作（C）存储模式（D）数据维护3、HBase访问接口类型包括哪些？ABCD（A）Native Java API（B）HBase Shell（C）Thrift Gateway（D）REST Gateway4、下列关于数据模型的描述，哪些是正确的？ABCD（A）HBase采用表来组织数据，表由行和列组成，列划分为若干个列族（B）每个HBase表都由若干行组成，每个行由行键（row key）来标识（C）列族里的数据通过列限定符（或列）来定位（D）每个单元格都保存着同一份数据的多个版本，这些版本采用时间戳进行索引5、HBase的实现包括哪三个主要的功能组件？ABC（A）库函数：链接到每个客户端（B）一个Master主服务器（C）许多个Region服务器（D）廉价的计算机集群6、HBase的三层结构中，三层指的是哪三层？ABC（A）Zookeeper文件（B）-ROOT-表（C）.META.表（D）数据类型7、以下哪些软件可以对HBase进行性能监视？ABCD（A）Master-status(自带)（B）Ganglia（C）OpenTSDB（D）Ambari8、Zookeeper是一个很好的集群管理工具，被大量用于分布式计算，它主要提供什么服务？ABC（A）配置维护（B）域名服务（C）分布式同步（D）负载均衡服务9、下列关于Region服务器工作原理的描述，哪些是正确的？ABCD（A）每个Region服务器都有一个自己的HLog 文件（B）每次刷写都生成一个新的StoreFile，数量太多，影响查找速度（C）合并操作比较耗费资源，只有数量达到一个阈值才启动合并（D）Store是Region服务器的核心10、下列关于HLog工作原理的描述，哪些是正确的？ABCD（A）分布式环境必须要考虑系统出错。
01第一章 初识Hadoop大数据技术
第1章初识Hadoop大数据技术本章主要介绍大数据的时代背景，给出了大数据的概念、特征，还介绍了大数据相关问题的解决方案、Hadoop大数据技术以及Hadoop的应用案例。
本章的主要内容如下。
（1）大数据技术概述。
（2）Google的三篇论文及其思想。
（3）Hadoop概述。
（4）Hadoop生态圈。
（5）Hadoop的典型应用场景和应用架构。
1.1 大数据技术概述1.1.1 大数据产生的背景1946年，计算机诞生，当时的数据与应用紧密捆绑在文件中，彼此不分。
19世纪60年代，IT系统规模和复杂度变大，数据与应用分离的需求开始产生，数据库技术开始萌芽并蓬勃发展，并在1990年后逐步统一到以关系型数据库为主导，具体发展阶段如图1-1所示。
Hadoop 大数据技术与应用图1-1 数据管理技术在2001年前的两个发展阶段 2001年后，互联网迅速发展，数据量成倍递增。
据统计，目前，超过150亿个设备连接到互联网，全球每秒钟发送290万封电子邮件，每天有2.88万小时视频上传到YouTube 网站，Facebook 网站每日评论达32亿条，每天上传照片近3亿张，每月处理数据总量约130万TB 。
2016年全球产生数据量16.1ZB ，预计2020年将增长到35ZB （1ZB = 1百万，PB = 10亿TB ），如图1-2所示。
图1-2 IDC 数据量增长预测报告2011年5月，EMC World 2011大会主题是“云计算相遇大数据”，会议除了聚焦EMC 公司一直倡导的云计算概念外，还抛出了“大数据”（BigData ）的概念。
2011年6月底，IBM 、麦肯锡等众多国外机构发布“大数据”相关研究报告，并予以积极的跟进。
19世纪60年代，IT 系统规模和复杂度变大，数据与应用分离的需求开始产生，数据库技术开始萌芽并蓬勃发展，并在1990年后逐步统一到以关系型数据库为主导1946年，计算机诞生，数据与应用紧密捆绑在文件中，彼此不分1946 1951 1956 1961 1970 1974 1979 1991 2001 … 网络型E-RSQL 关系型数据库 数据仓库 第一台 计算机 ENIAC 面世 磁带+ 卡片 人工 管理 磁盘被发明，进入文件管理时代 GE 公司发明第一个网络模型数据库，但仅限于GE 自己的主机 IBM E. F.Dodd 提出关系模型 SQL 语言被发明 ORACLE 发布第一个商用SQL 关系数据库，后续快速发展数据仓库开始涌现，关系数据库开始全面普及且与平台无关，数据管理技术进入成熟期 0.8ZB ：将一堆DVD 堆起来够地球到月亮一个来回 35ZB ：将一堆DVD 堆起来是地球到火星距离的一半IDC 报告“Data Universe Study ”预测：全世界数据量将从2009年的0.8ZB 增长到2020年的35ZB ，增长44倍！年均增长率>40%！1.1.2 大数据的定义“大数据”是一个涵盖多种技术的概念，简单地说，是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。
Hadoop题库(第1-3-8章)
题库（第一、三、八章）第一章单选题1、大数据的数据量现在已经达到了哪个级别？（ C ）A、GBB、TBC、PBD、ZB2、2003年，Google公司发表了主要讲解海量数据的可靠存储方法的论文是？（ A ）A、“The Google File System”B、“MapReduce: Simplified Data Processing on Large Clusters”C、“Bigtable: A Distributed Storage System for Structured Data”D、“The Hadoop File System”3、2004年，Google公司发表了主要讲解海量数据的高效计算方法的论文是？（ B ）A、“The Google File System”B、“MapReduce: Simplified Data Processing on Large Clusters”C、“Bigtable: A Distributed Storage System for Structured Data”D、“The Hadoop File System”4、2006年，Google公司发表了用来处理海量数据的一种非关系型数据库的论文是?（ C ）A、“The Google File System”B、“MapReduce: Simplified Data Processing on Large Clusters”C、“Bigtable: A Distributed Storage System for Structured Data”D、“The Hadoop File System”5、对于GFS架构，下面哪个说法是错误的？（A）A、GFS Master节点管理所有的文件系统所有数据块。
B、GFS存储的文件都被分割成固定大小的块，每个块都会被复制到多个块服务器上（可靠性）。
块的冗余度默认为3。
云计算与大数据技术知到章节答案智慧树2023年北京联合大学
云计算与大数据技术知到章节测试答案智慧树2023年最新北京联合大学绪论单元测试1.下列哪些应用属于大数据技术的应用（）。
参考答案:音视频网站上通过分析注册用户的浏览习惯，为用户推送感兴趣的音视频。
;手机银行或网上银行在用户画像基础上，对用户群进行定位，挖掘潜在金融服务需求。
;政务领域中的智慧城市建设，如智慧交通、智慧医疗、智慧教育等。
;电商网站上对注册用户浏览信息记录、分析、挖掘，为用户推送感兴趣的商品。
2.日常我们用到的云服务器、钉钉办公软件、百度网盘等应用都是云计算服务厂商提供的云计算服务。
（）参考答案:对第一章测试1.云计算的服务模式包括（）。
参考答案:平台即服务;软件即服务;基础设施即服务2.云计算的劣势有（）。
参考答案:风险被集中;数据泄密的环节增多;严重依赖网络3.云计算部署模型有（）。
参考答案:公有云;私有云;混合云4.云计算是把有形的产品（网络设备、服务器、存储设备、各种软件等）转化为服务产品（IaaS，PaaS，SaaS），并通过网络让人们远程在线使用。
（）参考答案:对5.云计算是一种计算模式，能够提供随时随地、便捷的、随需应变的网络接入，访问可配置的计算资源共享池。
（）参考答案:对第二章测试1.虚拟化技术主要用于云计算物理资源的池化，物理资源不包括（）。
参考答案:操作系统2.虚拟技术特性有（）。
参考答案:隔离;封装;分区;相对于硬件独立3.虚拟化的益处包括（）。
参考答案:实现节能减排;实现动态负载均衡;实现资源最优利用;通过系统自愈功能提升可靠性4.个人PC上使用比较多的虚拟化工具有（）。
参考答案:Virtual Box;VMware Workstation5.虚拟化是一项技术，而云是一种环境或服务。
（）参考答案:对6.虚拟化的主要功能是把单个资源抽象成多个给用户使用，而云计算则是帮助不同部门或公司访问一个自动置备的资源池。
（）参考答案:对第三章测试1.开放系统的存储类型分为内置存储和外挂存储，其中外挂存储可分为（）。
大学生大数据技术原理与应用章节测验期末考试答案
大数据技术原理与应用第1章大数据概述1单选(2分)第三次信息化浪潮的标志是：A.个人电脑的普及B.云计算、大数据、物联网技术的普及C.虚拟现实技术的普及D.互联网的普及正确答案：B你选对了2单选(2分)就数据的量级而言，1PB数据是多少TB？A.2048B.1000C.512D.1024正确答案：D你选对了3单选(2分)以下关于云计算、大数据和物联网之间的关系，论述错误的是：A.云计算侧重于数据分析B.物联网可借助于云计算实现海量数据的存储C.物联网可借助于大数据实现海量数据的分析D.云计算、大数据和物联网三者紧密相关，相辅相成正确答案：A你选对了4单选(2分)以下哪个不是大数据时代新兴的技术：A.SparkB.HadoopC.HBaseD.MySQL正确答案：D你选对了5单选(2分)每种大数据产品都有特定的应用场景，以下哪个产品是用于批处理的：A.MapReduceB.DremelC.StormD.Pregel正确答案：A你选对了6单选(2分)每种大数据产品都有特定的应用场景，以下哪个产品是用于流计算的：A.GraphXB.S4C.ImpalaD.Hive正确答案：B你选对了7单选(2分)每种大数据产品都有特定的应用场景，以下哪个产品是用于图计算的：A.PregelB.StormC.CassandraD.Flume正确答案：A你选对了8单选(2分)每种大数据产品都有特定的应用场景，以下哪个产品是用于查询分析计算的：A.HDFSB.S4C.DremelD.MapReduce正确答案：C你选对了9多选(3分)数据产生方式大致经历三个阶段，包括：A.运营式系统阶段B.感知式系统阶段C.移动互联网数据阶段D.用户原创内容阶段正确答案：ABD你选对了10多选(3分)大数据发展三个阶段是：A.低谷期B.成熟期C.大规模应用期D.萌芽期正确答案：BCD你选对了11多选(3分)大数据的特性包括：A.价值密度低B.处理速度快C.数据类型繁多D.数据量大正确答案：ABCD你选对了12多选(3分)图领奖获得者、著名数据库专家Jim Gray博士认为，人类自古以来在科学研究上先后经历哪几种范式：A.计算科学B.数据密集型科学C.实验科学D.理论科学正确答案：ABCD你选对了13多选(3分)大数据带来思维方式的三个转变是：A.效率而非精确B.相关而非因果C.精确而非全面D.全样而非抽样正确答案：ABD你选对了14多选(3分)大数据主要有哪几种计算模式：B.图计算C.查询分析计算D.批处理计算正确答案：ABCD你选对了15多选(3分)云计算的典型服务模式包括三种：A.SaaSB.IaaSC.MaaSD.PaaS正确答案：ABD你选对了第2章大数据处理架构Hadoop1单选(2分)启动hadoop所有进程的命令是:A.start-dfs.shB.start-all.shC.start-hadoop.shD.start-hdfs.sh正确答案：B你选对了2单选(2分)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NameNode HA和Wire-compatibility两个重大特性C.Hadoop MapReduce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正确答案：A你选对了3单选(2分)以下哪个不是Hadoop的特性:A.成本高B.支持多种编程语言C.高容错性正确答案：A你选对了4单选(2分)以下名词解释不正确的是:A.Zookeeper：针对谷歌Chubby的一个开源实现，是高效可靠的协同工作系统B.HBase：提供高可靠性、高性能、分布式的行式数据库，是谷歌BigTable的开源实现C.Hive：一个基于Hadoop的数据仓库工具，用于对Hadoop文件中的数据集进行数据整理、特殊查询和分析存储D.HDFS：分布式文件系统，是Hadoop项目的两大核心之一，是谷歌GFS的开源实现正确答案：B你选对了5多选(3分)以下哪些组件是Hadoop的生态系统的组件：A.HBaseB.OracleC.HDFSD.MapReduce正确答案：ACD你选对了6多选(3分)以下哪个命令可用来操作HDFS文件:A.hadoop fsB.hadoop dfsC.hdfs fsD.hdfs dfs正确答案：ABD你选对了第3章分布式文件系统HDFS1单选(2分)HDFS的命名空间不包含:A.字节B.文件C.块D.目录正确答案：A你选对了2单选(2分)对HDFS通信协议的理解错误的是:A.客户端与数据节点的交互是通过RPC（Remote Procedure Call）来实现的B.客户端通过一个可配置的端口向名称节点主动发起TCP连接，并使用客户端协议与名称节点进行交互C.名称节点和数据节点之间则使用数据节点协议进行交互D.HDFS通信协议都是构建在IoT协议基础之上的正确答案：D你选对了3单选(2分)采用多副本冗余存储的优势不包含:A.保证数据可靠性B.容易检查数据错误C.加快数据传输速度D.节约存储空间正确答案：D你选对了4单选(2分)假设已经配置好环境变量，启动Hadoop和关闭Hadoop的命令分别是:A.start-dfs.sh，stop-hdfs.shB.start-hdfs.sh，stop-hdfs.shC.start-dfs.sh，stop-dfs.shD.start-hdfs.sh，stop-dfs.sh正确答案：C你选对了5单选(2分)分布式文件系统HDFS采用主从结构模型，由计算机集群中的多个节点构成的，这些节点分为两类，一类存储元数据叫，另一类存储具体数据叫 :A.名称节点，主节点B.从节点，主节点C.名称节点，数据节点D.数据节点，名称节点正确答案：C你选对了6单选(2分)下面关于分布式文件系统HDFS的描述正确的是：A.分布式文件系统HDFS是Google Bigtable的一种开源实现B.分布式文件系统HDFS是谷歌分布式文件系统GFS（Google File System）的一种开源实现C.分布式文件系统HDFS比较适合存储大量零碎的小文件D.分布式文件系统HDFS是一种关系型数据库正确答案：B你选对了7多选(3分)以下对名称节点理解正确的是:A.名称节点作为中心服务器，负责管理文件系统的命名空间及客户端对文件的访问B.名称节点用来负责具体用户数据的存储C.名称节点通常用来保存元数据D.名称节点的数据保存在内存中正确答案：ACD你选对了8多选(3分)以下对数据节点理解正确的是:A.数据节点通常只有一个B.数据节点用来存储具体的文件内容C.数据节点的数据保存在磁盘中D.数据节点在名称节点的统一调度下进行数据块的创建、删除和复制等操作正确答案：BCD你选对了9多选(3分)HDFS只设置唯一一个名称节点带来的局限性包括:A.集群的可用性B.性能的瓶颈C.命名空间的限制D.隔离问题正确答案：ABCD你选对了10多选(3分)以下HDFS相关的shell命令不正确的是:A.hadoop dfs mkdir <path>：创建<path>指定的文件夹B.hdfs dfs -rm <path>：删除路径<path>指定的文件C.hadoop fs -copyFromLocal <path1> <path2>：将路径<path2>指定的文件或文件夹复制到路径<path1>指定的文件夹中D.hadoop fs -ls <path>：显示<path>指定的文件的详细信息正确答案：AC你选对了第4章分布式数据库HBase1单选(2分)HBase是一种数据库A.行式数据库B.关系数据库C.文档数据库D.列式数据库正确答案：D你选对了2单选(2分)下列对HBase数据模型的描述错误的是:A.每个HBase表都由若干行组成，每个行由行键（row key）来标识B.HBase是一个稀疏、多维度、排序的映射表，这张表的索引是行键、列族、列限定符和时间戳C.HBase中执行更新操作时，会删除数据旧的版本，并生成一个新的版本D.HBase列族支持动态扩展，可很轻松地添加一个列族或列正确答案：C你选对了3单选(2分)下列说法正确的是:A.如果不启动Hadoop，则HBase完全无法使用B.HBase的实现包括的主要功能组件是库函数，一个Master主服务器和一个Region服务器C.如果通过HBase Shell插入表数据，可以插入一行数据或一个单元格数据D.Zookeeper是一个集群管理工具，常用于分布式计算，提供配置维护、域名服务、分布式同步等正确答案：D你选对了4单选(2分)在HBase数据库中，每个Region的建议最佳大小是：A.2GB-4GBB.100MB-200MBC.500MB-1000MBD.1GB-2GB正确答案：D你选对了5单选(2分)HBase三层结构的顺序是:A.Zookeeper文件，.MEATA.表，-ROOT-表B.-ROOT-表，Zookeeper文件，.MEATA.表C.Zookeeper文件，-ROOT-表，.MEATA.表D..MEATA.表，Zookeeper文件，-ROOT-表正确答案：C你选对了6单选(2分)客户端是通过级寻址来定位Region:A.三B.二C.一D.四正确答案：A你选对了7单选(2分)关于HBase Shell命令解释错误的是:A.create：创建表B.put：向表、行、列指定的单元格添加数据C.list：显示表的所有数据D.get：通过表名、行、列、时间戳、时间范围和版本号来获得相应单元格的值正确答案：C你选对了8多选(3分)下列对HBase的理解正确的是：A.HBase是针对谷歌BigTable的开源实现B.HBase是一种关系型数据库，现成功应用于互联网服务领域C.HBase是一个行式分布式数据库，是Hadoop生态系统中的一个组件D.HBase多用于存储非结构化和半结构化的松散数据正确答案：AD你选对了9多选(3分)HBase和传统关系型数据库的区别在于哪些方面:A.数据操作B.数据索引C.数据模型D.存储模式正确答案：ABCD你选对了10多选(3分)访问HBase表中的行，有哪些方式:A.通过某列的值区间B.全表扫描C.通过一个行健的区间来访问D.通过单个行健访问正确答案：BCD你选对了第5章 NoSQL数据库1单选(2分)下列关于NoSQL数据库和关系型数据库的比较，不正确的是：A.NoSQL数据库很容易实现数据完整性，关系型数据库很难实现数据完整性B.NoSQL数据库缺乏统一的查询语言，而关系型数据库有标准化查询语言C.NoSQL数据库的可扩展性比传统的关系型数据库更好D.NoSQL数据库具有弱一致性，关系型数据库具有强一致性正确答案：A你选对了2单选(2分)以下对各类数据库的理解错误的是:A.键值数据库的键是一个字符串对象，值可以是任意类型的数据，比如整型和字符型等B.文档数据库的数据是松散的，XML和JSON 文档等都可作为数据存储在文档数据库中C.图数据库灵活性高，支持复杂的图算法，可用于构建复杂的关系图谱D.HBase数据库是列族数据库，可扩展性强，支持事务一致性正确答案：D你选对了3单选(2分)下列数据库属于文档数据库的是:A.MySQLB.RedisC.MongoDBD.HBase正确答案：C你选对了4单选(2分)NoSQL数据库的三大理论基石不包括:A.最终一致性B.BASEC.ACIDD.CAP正确答案：C你选对了5多选(3分)关于NoSQL数据库和关系数据库，下列说法正确的是：A.NoSQL数据库可支持超大规模数据存储，具有强大的横向扩展能力B.NoSQL数据库和关系数据库各有优缺点，但随着NoSQL的发展，终将取代关系数据库C.大多数NoSQL数据库很难实现数据完整性D.关系数据库有关系代数理论作为基础，NoSQL数据库没有统一的理论基础正确答案：ACD你选对了6多选(3分)NoSQL数据库的类型包括：A.键值数据库B.列族数据库C.文档数据库D.图数据库正确答案：ABCD你选对了7多选(3分)CAP是指:A.一致性B.可用性C.持久性D.分区容忍性正确答案：ABD你选对了8多选(3分)NoSQL数据库的BASE特性是指:A.软状态B.持续性C.最终一致性D.基本可用正确答案：ACD你选对了第6章云数据库1单选(2分)下列Amazon的云数据库属于关系数据库的是：A.Amazon SimpleDBB.Amazon DynamoDBC.Amazon RDSD.Amazon Redshift正确答案：C你选对了2单选(2分)下列关于UMP系统的说法不正确的是:A.Controller服务器向UMP集群提供各种管理服务，实现集群成员管理、元数据存储等功能B.Agent服务器部署在运行MySQL进程的机器上，用来管理每台物理机上的MySQL实例C.UMP系统是低成本和高性能的MySQL云数据库方案D.Mnesia是UMP系统的一个组件，是一个分布式数据库管理系统，且不支持事务正确答案：D你选对了3多选(3分)UMP依赖的开源组件包括A.LVSB.ZooKeeperC.MnesiaD.RabbitMQ正确答案：ABCD你选对了4多选(3分)在UMP系统中，Zookeeper主要发挥的作用包括:A.监控所有MySQL实例B.负责集群负载均衡C.提供分布式锁，选出一个集群的“总管”D.作为全局的配置服务器正确答案：ACD你选对了5多选(3分)UMP系统设计了哪些机制来保证数据安全:A.记录用户操作日志B.数据访问IP白名单C.SSL数据库连接D.SQL拦截正确答案：ABCD你选对了第7章 MapReduce1单选(2分)下列说法错误的是:A.Map函数将输入的元素转换成<key,value>形式的键值对B.Hadoop框架是用Java实现的，MapReduce应用程序则一定要用Java来写C.MapReduce框架采用了Master/Slave架构，包括一个Master和若干个SlaveD.不同的Map任务之间不能互相通信正确答案：B你选对了2单选(2分)在使用MapReduce程序WordCount进行词频统计时，对于文本行“hello hadoop hello world”，经过WordCount程序的Map函数处理后直接输出的中间结果，应是下面哪种形式：A.<"hello",1,1>、<"hadoop",1>和<"world",1>B.<"hello",2>、<"hadoop",1>和<"world",1>C.<"hello",<1,1>>、<"hadoop",1>和<"world",1>D.<"hello",1>、<"hello",1>、<"hadoop",1>和<"world",1>正确答案：D你选对了3单选(2分)对于文本行“hello hadoop hello world”，经过WordCount的Reduce函数处理后的结果是:A.<"hello",<1,1>><"hadoop",1><"world",1>B.<"hello",1><"hello",1><"hadoop",1><"world",1>C.<"hello",1,1><"hadoop",1><"world",1>D.<"hello",2><"hadoop",1><"world",1>正确答案：B你选对了4多选(3分)下列关于传统并行计算框架（比如MPI）和MapReduce并行计算框架比较正确的是：A.前者所需硬件价格贵，可扩展性差，后者硬件便宜，扩展性好B.前者相比后者学习起来更难C.前者是共享式(共享内存/共享存储)，容错性差，后者是非共享式的，容错性好D.前者适用于实时、细粒度计算、计算密集型，后者适用于批处理、非实时、数据密集型正确答案：ABCD你选对了5多选(3分)MapReduce1.0的体系结构主要由哪几个部分组成:A.JobTrackerB.TaskTrackerC.ClientD.Task正确答案：ABCD你选对了第8章 Hadoop再探讨1单选(2分)下列说法正确的是:A.HDFS HA可用性不好B.第二名称节点是热备份C.HDFS HA提供高可用性，可实现可扩展性、系统性能和隔离性D.第二名称节点无法解决单点故障问题正确答案：D你选对了2单选(2分)HDFS Federation设计不能解决“单名称节点”存在的哪个问题:A.单点故障问题B.HDFS集群扩展性C.性能更高效D.良好的隔离性正确答案：A你选对了3多选(3分)下列哪些是Hadoop1.0存在的问题：A.抽象层次低B.表达能力有限C.开发者自己管理作业之间的依赖关系D.执行迭代操作效率低正确答案：ABCD你选对了下列对Hadoop各组件的理解正确的是:A.Oozie:工作流和协作服务引擎B.Pig：处理大规模数据的脚本语言C.Kafka：分布式发布订阅消息系统D.Tez：支持DAG作业的计算框架正确答案：ABCD你选对了5多选(3分)对新一代资源管理调度框架YARN的理解正确的是:A.YARN既是资源管理调度框架，也是一个计算框架B.MapReduce2.0是运行在YARN之上的计算框架，由YARN来为MapReduce提供资源管理调度服务C.YARN可以实现“一个集群多个框架”，即在一个集群上部署一个统一的资源调度管理框架D.YARN的体系结构包含三个组件：ResourceManager，NodeManager，ApplicationMaster正确答案：BCD你选对了第9章数据仓库Hive1单选(2分)下列有关Hive和Impala的对比错误的是:A.Hive与Impala中对SQL的解释处理比较相似，都是通过词法分析生成执行计划B.Hive与Impala使用相同的元数据C.Hive适合于长时间的批处理查询分析，而Impala适合于实时交互式SQL查询D.Hive在内存不足以存储所有数据时，会使用外存，而Impala也是如此正确答案：D你选对了2单选(2分)下列关于Hive基本操作命令的解释错误的是:A.create table if not exists usr(id bigint,name string,age int);//如usr表不存在，创建表usr，含三个属性id,name,ageB.load data local inpath ‘/usr/local/data’ overwrite into table usr; //把目录’/usr/local/data’下的数据文件中的数据以追加的方式装载进usr表C.create database userdb;//创建数据库userdbD.insert overwrite table student select * from user where age>10; //向表usr1中插入来自usr表的age大于10的数据并覆盖student表中原有数据正确答案：B你选对了下列说法正确的是：A.Impala和Hive、HDFS、HBase等工具可统一部署在一个Hadoop平台上B.数据仓库Hive不需要借助于HDFS就可完成数据的存储C.Hive本身不存储和处理数据，依赖HDFS存储数据，依赖MapReduce处理数据D.HiveQL语法与传统的SQL语法很相似正确答案：ACD你选对了4多选(3分)Impala主要由哪几个部分组成:A.HiveB.ImpaladC.State StoreD.CLI正确答案：BCD你选对了5多选(3分)以下属于Hive的基本数据类型是:A.BINARYB.STRINGC.FLOATD.TINYINT正确答案：ABCD你选对了第10章 Spark1单选(2分)Spark SQL目前暂时不支持下列哪种语言:A.PythonB.JavaC.ScalaD.Lisp正确答案：D你选对了2单选(2分)RDD操作分为转换（Transformation）和动作（Action）两种类型，下列属于动作（Action）类型的操作的是:A.groupByB.filterC.countD.map正确答案：C你选对了3单选(2分)下列说法错误的是：A.在选择Spark Streaming和Storm时，对实时性要求高（比如要求毫秒级响应）的企业更倾向于选择流计算框架StormB.RDD采用惰性调用，遇到“转换(Transformation)”类型的操作时，只会记录RDD生成的轨迹，只有遇到“动作(Action)”类型的操作时才会触发真正的计算C.Spark支持三种类型的部署方式：Standalone，Spark on Mesos，Spark on YARND.RDD提供的转换接口既适用filter等粗粒度的转换，也适合某一数据项的细粒度转换正确答案：D你选对了4单选(2分)下列关于常见的动作（Action）和转换（Transformation）操作的API解释错误的是:A.filter(func)：筛选出满足函数func的元素，并返回一个新的数据集B.map(func)：将每个元素传递到函数func中，并将结果返回为一个新的数据集C.count()：返回数据集中的元素个数D.take(n)：返回数据集中的第n个元素正确答案：D你选对了5单选(2分)下列大数据处理类型与其对应的软件框架不匹配的是:A.复杂的批量数据处理：MapReduceB.基于历史数据的交互式查询：ImpalaC.基于实时数据流的数据处理：StormD.图结构数据的计算：Hive正确答案：D你选对了6多选(3分)Apache软件基金会最重要的三大分布式计算系统开源项目包括：A.OracleB.HadoopC.StormD.Spark正确答案：ABC你选对了7多选(3分)Spark的主要特点包括:A.运行模式多样B.运行速度快C.通用性好D.容易使用正确答案：ABCD你选对了8多选(3分)下列关于Scala的说法正确的是:A.Scala运行于Java平台，兼容现有的Java程序B.Scala具备强大的并发性，支持函数式编程C.Scala是一种多范式编程语言D.Scala是Spark的主要编程语言，但Spark还支持Java、Python、R作为编程语言正确答案：ABCD你选对了9多选(3分)Spark的运行架构包括:A.运行作业任务的工作节点 Worker NodeB.每个工作节点上负责具体任务的执行进程 ExecutorC.每个应用的任务控制节点 DriverD.集群资源管理器 Cluster Manager正确答案：ABCD你选对了第11章流计算1单选(2分)流计算秉承一个基本理念，即数据的价值随着时间的流逝而，如用户点击流：A.降低B.不确定C.不变D.升高正确答案：A你选对了2单选(2分)Hadoop运行的是MapReduce任务，类似地，Storm运行的任务叫做A.SpoutB.BoltC.TupleD.Topology正确答案：D你选对了3多选(3分)对于一个流计算系统来说，它应达到如下哪些需求:A.海量式B.高性能C.分布式D.实时性正确答案：A、B、C、D你选对了4多选(3分)数据采集系统的基本架构包括哪些部分:A.ControllerB.StoreC.AgentD.Collector正确答案：B、C、D你选对了5多选(3分)以下哪些是开源的流计算框架:A.Facebook PumaB.Yahoo! S4C.IBM InfoSphere StreamsD.Twitter Storm正确答案：B、D你选对了6多选(3分)下面哪几个属于Storm中的Stream Groupings的分组方式:A.按照字段分组B.广播发送C.随机分组D.全局分组正确答案：A、B、C、D你选对了第12章 Flink1单选(2分)以下哪个不是Flink的优势：A.同时支持高吞吐、低延迟、高性能B.不支持增量迭代C.同时支持流处理和批处理D.支持有状态计算正确答案：B你选对了2单选(2分)在Flink中哪个是基于批处理的图计算库：A.SQL&Table库B.FlinkMLC.GellyD.CEP正确答案：C你选对了3多选(3分)下面关于Flink的说法正确的是：A.Flink起源于Stratosphere 项目，该项目是在2010年到2014年间由柏林工业大学、柏林洪堡大学和哈索普拉特纳研究所联合开展的B.Flink可以同时支持实时计算和批量计算C.Flink不是Apache软件基金会的项目D.Flink是Apache软件基金会的5个最大的大数据项目之一正确答案：A、B、D你选对了4多选(3分)Flink的主要特性包括：A.精确一次的状态一致性保障B.批流一体化C.精密的状态管理D.事件时间支持正确答案：A、B、C、D你选对了5多选(3分)下面论述正确的是：A.Spark Streaming通过采用微批处理方法实现高吞吐和容错性，但是牺牲了低延迟和实时处理能力B.Storm虽然可以做到低延迟，但是无法实现高吞吐，也不能在故障发生时准确地处理计算状态C.流处理架构需要具备低延迟、高吞吐和高性能的特性，而目前从市场上已有的产品来看，只有Flink 可满足要求D.Flink实现了Google Dataflow流计算模型，是一种兼具高吞吐、低延迟和高性能的实时流计算框架，并且同时支持批处理和流处理正确答案：A、B、C、D你选对了6多选(3分)Flink常见的应用场景包括：A.数据流水线应用B.事件驱动型应用C.地图应用D.数据分析应用正确答案：A、B、D你选对了7多选(3分)Flink核心组件栈分为哪三层：A.物理部署层B.Runtime核心层C.Core层D.API&Libraries层正确答案：A、B、D你选对了8多选(3分)Flink有哪几种部署模式：A.运行在GCE（谷歌云服务）和EC2（亚马逊云服务）上B.YARN集群模式C.Standalone集群模式D.Local模式正确答案：A、B、C、D你选对了9多选(3分)Flink系统主要由两个组件组成，分别为:A.JobManagerB.JobSchedulerC.TaskSchedulerD.TaskManager正确答案：A、D你选对了10多选(3分)在编程模型方面，Flink 提供了不同级别的抽象，以开发流或批处理作业，主要包括哪几个级别的抽象：A.DataStream API（有界或无界流数据）以及 DataSet API（有界数据集）B.Table APIC.状态化的数据流接口D. SQL正确答案：A、B、C、D你选对了第13章图计算1单选(2分)Pregel是一种基于模型实现的并行图处理系统:A.TSPB.STPC.BSPD.SBP正确答案：C你选对了2单选(2分)谷歌在后Hadoop时代的新“三驾马车”不包括:A.CaffeineB.DremelC. PregelD.Hama正确答案：D你选对了3多选(3分)下列哪些是以图顶点为中心的，基于消息传递批处理的并行图计算框架：A.HamaB.GiraphC.PregelD.Neo4j正确答案：A、B、C你选对了4多选(3分)以下关于Pregel图计算框架说法正确的是:A.通常只对满足交换律和结合律的操作才会开启Combiner功能B.Pregel采用检查点机制来实现容错C.对于全局拓扑改变，Pregel采用了惰性协调机制D.Aggregator提供了一种全局通信、监控和数据查看的机制正确答案：A、B、C、D你选对了第14章大数据在不同领域的应用1单选(2分)下列说法错误的是：A.ItemCF算法推荐的是那些和目标用户之前喜欢的物品类似的其他物品B.基于用户的协同过滤算法（简称UserCF算法）是目前业界应用最多的算法erCF算法推荐的是那些和目标用户有共同兴趣爱好的其他用户所喜欢的物品erCF算法的推荐更偏向社会化，而ItemCF算法的推荐更偏向于个性化正确答案：B你选对了2多选(3分)推荐方法包括哪些类型:A.专家推荐B.协同过滤推荐C.基于内容的推荐D.基于统计的推荐正确答案：A、B、C、D你选对了期末试卷1单选(2分)数据产生方式的变革主要经历了三个阶段，以下哪个不属于这三个阶段：A.运营式系统阶段B.感知式系统阶段C.数据流阶段D.用户原创内容阶段正确答案：C你选对了2单选(2分)第三次信息化浪潮的发生标志是以下哪种技术的普及：A.互联网B.CPUC.物联网、云计算和大数据D.个人计算机正确答案：C你选对了3单选(2分)在Flink中哪个是基于批处理的图计算库：A.SQL&Table库B.CEPC. GellyD. FlinkML正确答案：C你选对了4单选(2分)Hadoop的两大核心是和A.MapReduce; HBaseB. HDFS; HBaseC.HDFS; MapReduceD.GFS; MapReduce正确答案：C你选对了5单选(2分)HDFS默认的一个块大小是A.64MBB.8KBC. 32KBD.16KB正确答案：A你选对了6单选(2分)在分布式文件系统HDFS中，负责数据的存储和读取:A.数据节点B.第二名称节点C.名称节点D.主节点正确答案：A你选对了7单选(2分)上传当前目录下的本地文件file.txt到分布式文件系统HDFS的“/path”目录下的Shell命令是：A.hdfs dfs -put /path file.txtB.hadoop dfs -put /path file.txtC.hdfs fs -put file.txt /pathD.hdfs dfs -put file.txt /path正确答案：D你选对了8单选(2分)在HDFS根目录下创建一个文件夹/test，且/test文件夹内还包含一个文件夹dir，正确的shell命令是:A.hadoop fs -mkdir -p /test/dirB.hdfs fs -mkdir -p /test/dirC.hadoop dfs -mkdir /test/dirD.hdfs dfs *mkdir -p /test/dir正确答案：A你选对了9单选(2分)下列有关HBase的说法正确的是：A.在向数据库中插入记录时，HBase和关系数据库一样，每次都是以“行”为单位把整条记录插入数据库B.HBase是针对谷歌BigTable的开源实现，是高可靠、高性能的图数据库C.HBase是一种NoSQL数据库。
(完整版)hadoop习题册
第一章大数据概述1.互联网的发展分为______个阶段。
A．一 B.三 C.二 D.四2.下列不属于大数据特点的是（）。
A.种类和来源多样化B.数据量巨大C.分析处理速度快D.价值密度高3.互联网发展的第_____个时代为智能互联网。
A.3.0B.4.0C.1.0D.2.04.关于大数据叙述不正确的一项是（）。
A.大数据=“海量数据”+“复杂类型的数据”B.大数据是指在一定时间对内容抓取、管理和处理的数据集合C.大数据可以及时有效的分析海量的数据D.数据包括结构化数据、半结构化数据、结构化数据。
5.下列数据换算正确的一项为（）。
A.1YB=1024EBB.1TB=1024MBC.1PB==1024EBD.1024ZB=1EB6.结构化数据的表现形式为______。
A.文本B.视图C.二维表D.查询7.结构化的数据，先有________,再有_________.A.数据结构B.结构数据C.内容结构D.结构内容8.结构化的数据，先有________,再有_________.A.数据结构B.结构数据C.内容结构D.结构内容9.软件是大数据的_________。
A.核心B.部件C.引擎D.集合10.大数据技术不包括( )。
A.数据计算B.数据存储C.数据冗余D.数据采集11.大数据的特点不包括（）。
A.数量大B.类型少C.速度快D.价值高第二章Hadoop简介1.下列对云栈架构层数不正确的一项为________。
A.三层云栈架构B.四层云栈架构C.五层云栈架构D.六层云栈架构2.下列______不是云计算三层架构的概括。
A.IaaSB.PaaSC.SaaPD.SaaS3.IaaS基础设施及服务可以称为______。
A.弹性计算B.效用计算C.有效计算D.随需应用4.四层云栈模式，是将三层模式中的_________进行分解，分为两层，一层为硬件层，一层为虚拟资源层。
A.硬件部分B.虚拟化部分C.基础设施D.平台5.五层云栈模式，第五层为______。
《大数据技术原理与操作应用》第1章习题答案
第一章单选题1、下列选项中，最早提出“大数据”这一概念的是（）。
•A、贝恩•B、麦肯锡•C、吉拉德•D、杰弗逊参考答案:B答案解析:暂无解析2、下列选项中，哪一项是研究大数据最重要的意义（）。
•A、分析•B、统计•C、测试•D、预测参考答案:D答案解析:研究大数据，最重要的意义是预测。
3、Hadoop1.0中，Hadoop内核的主要组成是（）。
•A、HDFS和MapReduce•B、HDFS和Yarn•C、Yarn•D、MapReduce和Yarn参考答案:A答案解析:Hadoop1.0中，Hadoop内核的主要是由HDFS和MapReduce两个系统组成。
4、在HDFS中，用于保存数据的节点是（）。
•B、datanode•C、secondaryNode•D、yarn参考答案:B答案解析:暂无解析多选题1、下列选项中，属于Google提出的处理大数据的技术手段有（）。
•A、MapReduce•B、MySQL•C、BigTable•D、GFS参考答案:A,C,D答案解析:Google提出了三个处理大数据的技术手段，分别是MapReduce、BigTable和G FS。
2、下列选项中，属于Hadoop优势的有（）。
•A、扩容能力强•B、可靠性•C、低效率•D、高容错性参考答案:A,B,D答案解析:Hadoop具有扩展能力强、成本低、高效率、可靠性、高容错性的优势。
3、下列选项中，属于Hadoop版本系列的有（）。
•A、Hadoop4•B、Hadoop2•C、Hadoop1参考答案:B,C,D答案解析:Hadoop主要分为Hadoop1、Hadoop2、Hadoop3三个系列的多个版本。
判断题1、大数据提供的是一些描述性的信息，而创新还是需要人类自己实现。
•对•错参考答案:对答案解析:暂无解析2、JobTracker只负责执行TaskTracker分配的计算任务。
•对•错参考答案:错答案解析:TaskTracker只负责执行JobTracker分配的计算任务。
Hadoop基础(习题卷3)
Hadoop基础(习题卷3)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。
1.[单选题]大数据的简单算法与小数据的复杂算法相比（）A)更有效B)相当C)不具备可比性D)无效答案:A解析:2.[单选题]下列选项中，不是CouchDB的复制中的特点是：A)使用优先列表B)复制过程是逐步进行C)允许分区复制D)支持智能文档模式答案:A解析:3.[单选题]从HDFS下载文件，正确的shell命令是（）。
A)-getB)-appendToFileC)-putD)-copyFromLocal答案:A解析:4.[单选题]关于HDFS集群中的DataNode的描述不正确的是?A)存储客户端上传的数据的数据块B)一个DataNode上存储的所有数据块可以有相同的C)DataNode之间可以互相通信D)响应客户端的所有读写数据请求,为客户端的存储和读取数据提供支撑答案:B解析:5.[单选题]在Java中，一个线程如果调用了sleep()方法，能唤醒它的方法是A)notify()B)resume()C)run()D)以上都不是，时间到了会自动继续执行答案:D解析:6.[单选题]软件是大数据的_________。
A)核心解析:7.[单选题]_______模式，只适合于Hive简单试用及单元测试。
A)单用户模式B)多用户模式C)多用户远程模式D)单用户远程模式答案:A解析:8.[单选题]下列关于Hive描述错误的是（）。
A)hive学习成本低，支持标准的SQL语法B)hive运行效率低，延迟高C)HQL的表达能力有限D)Hive支持迭代计算答案:D解析:9.[单选题]下面哪个选项不是我们需要Hadoop的主要原因（）A)我们需要处理PB级别的数据B)为每个应用建立一个可靠的系统是很昂贵的C)几乎每天都有结点坏掉D)把一个任务分割成多个子任务的方式是不好的答案:D解析:10.[单选题]为了让集群中的机器能够正常通信，所有集群的IP必须设置成静态IP，防止机器重启之后而找不到机器的情况，那么IP地址配置需要修改那个文件（）A)ifcfg-loB)network-functionsC)ifcfg-ens33D)network-functions-ipv6答案:C解析:11.[单选题]Spark生态系统组件Spark Streaming的应用场景是？A)基于历史数据的数据挖掘B)图结构数据的处理C)基于历史数据的交互式查询D)基于实时数据流的数据处理答案:D解析:12.[单选题]关于HDFS集群中的DataNode的描述不正确的是？A)DataNode之间都是独立的，相互之间不会有通信B)存储客户端上传的数据的数据块C)响应客户端的所有读写数据请求，为客户端的存储和读取数据提供支撑13.[单选题]Hadoop2.x版本中的数据块大小默认是多少? ()A)64MB)128MC)256MD)512M答案:B解析:14.[单选题]HDFS分布式文件系统的特点为____________。
hadoop大数据技术与应用考试题
1、Hadoop生态系统中的分布式存储系统是什么？A. HDFSB. HBaseC. HiveD. Mahout（答案：A，HDFS是Hadoop Distributed File System的缩写，是Hadoop的分布式存储系统）2、Hadoop集群中的NameNode主要负责什么功能？A. 数据存储B. 数据处理C. 元数据管理D. 资源调度（答案：C，NameNode负责Hadoop集群中的元数据管理）3、以下哪个工具常用于Hadoop集群的资源管理和作业调度？A. YARNB. HDFSC. ZookeeperD. Sqoop（答案：A，YARN是Yet Another Resource Negotiator的缩写，用于Hadoop集群的资源管理和作业调度）4、Hadoop中的MapReduce编程模型主要包括哪两个阶段？A. Map和ShuffleB. Map和ReduceC. Reduce和SortD. Sort和Combine（答案：B，MapReduce包括Map和Reduce两个阶段）5、HBase是Hadoop生态系统中的哪个组件？A. 分布式文件系统B. 分布式数据库C. 数据仓库D. 机器学习库（答案：B，HBase是Hadoop生态系统中的分布式数据库）6、以下哪个组件通常用于在Hadoop中进行大规模数据处理和分析？A. PigB. SqoopC. FlumeD. Zookeeper（答案：A，Pig是一个高级平台，用于在Hadoop中进行大规模数据处理和分析）7、Hadoop集群中的DataNode主要负责什么？A. 存储和管理数据块B. 处理数据计算C. 管理集群元数据D. 监控集群状态（答案：A，DataNode主要负责存储和管理数据块）8、以下哪个是Hadoop生态系统中的数据挖掘和机器学习库？A. MahoutB. HiveC. PigD. Oozie（答案：A，Mahout是Hadoop生态系统中的数据挖掘和机器学习库）。
云计算与大数据技术课后习题
第一章云计算与大数据基础1.在信息产业的发展历程中。
硬件驱动力，网络驱动力，作为两个重要的内在动力在不同的时期起着重要的作用6．MapReduce思想来源LISP语言7。
按照资源封装层次，云计算分为 Iaas paas saas三种8。
教材P2 1。
1.210。
教材P8 1。
2。
211. 教材P10 1.2.3第二章云计算与大数据相关技术1。
一致性hash算法原理:哈希算法是一种从稀疏值到紧密值范围的映射方法，在存储和计算定位时可以被看做是一种路由算法。
通过这种路与哦算法文件块能被唯一的定位到一个节点的位置.传统的hash算法容错性和扩展性都不好，无法有效的适应面向数据系统节点的动态变化。
意思就是当集群需要增加节点，传统的hash算法不容易检测到新增加的节点,此为扩展性不好，而一致性hash算法增加一个节点只会影响增加的这个节点到前一个节点之间的数据.容错性就是如果不幸一个机器C宕机了，那么机器B和C之间的数据都会被D执行，那么受影响的数据只是机器B和C之间的数据。
当然,容错性和扩展性对于节点数较多的集群是比较有意义的，对于节点较少的集群似乎这两个特性并没有什么诱惑力。
一致性hash的实际目的就是解决节点频繁变化时的任务分配问题,一致性hash将整个hash值空间组织成一个虚拟圆环，我们这里假设某hash函数H值空间为0~（2^32—1），即32位无符号整形。
下面简述一下一致性hash的原理：这是一致性hash的整个值空间0～（2^32-1）下一步将各个服务器使用Hash进行一个哈希，具体可以选择服务器的ip或主机名作为关键字进行哈希,这样每台机器就能确定其在哈希环上的位置，假设使用四台机器进行hash：将数据key使用相同的函数Hash计算出哈希值，并确定此数据在环上的位置，从此位置沿环顺时针“行走”，第一台遇到的服务器就是其应该定位到的服务器。
例如我们有Object A、Object B、Object C、Object D四个数据对象,经过哈希计算后，在环空间上的位置如下：根据一致性哈希算法，数据A会被定为到Node A上，B被定为到Node B上，C被定为到Node C上，D被定为到Node D上下面我们看看当集群机器比较少的情况例如系统中只有两台服务器，其环分布如下，此时必然造成大量数据集中到Node A上，而只有极少量会定位到Node B上。
《大数据技术原理及应用》题目
大数据技术原理与应用第一卷一:判断题（每小题5分）1:对于大数据而言，最基本、最重要的要求就是减少错误、保证质量。
因此，大数据收集的信息量要尽量精确。
A:对B:错答案：B2:Spark是一个高效的分布式计算系统，它有MapReduce所有优点，同时性能与Hadoop一样高。
A:对B:错答案：B3:信息生命周期管理是据生命周期管理的来源，最早由英国企业提出。
A:对B:错答案：B4:简单随机抽样，是从总体N 个对象中任意抽取n 个对象作为样本，最终以这些样本作为调查对象。
在抽取样本时，总体中每个对象被抽中为调查样本的概率可能会有差异。
A:对B:错答案：B5:大数据预测能够分析和挖掘出人们不知道或没有注意到的模式，确定判断事件必然会发生。
A:对B:错答案：B二:单选题（每小题5分）6:数据清洗的方法不包括______A缺失值处理B噪声数据清除C一致性检查D重复数据记录处理答案：D7:大数据的基本特征不包括______A数据量大B数据类型繁多C处理速度快D价值密度高答案：D8:HDFS中当前block大小为128M，如果当前要上传到HDFS中的文件大小为300M，那么在存储时会分配_______个block进行存储A1 B2 C3 D4答案：C9:下列______程序通常与NameNode在一个节点启动A SecondNameNodeB DataNodeC TaskTrackerD JobTracker答案：D10:配置Hadoop时，JAVA_HOME包含在______配置文件中A hadoop-default.xmlB hadoop-env.shC hadoop-site.xmlD configuration.xs答案：B11: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答案：B12:HBase系统基本架构中主服务器Master的作用是______A包含访问HBase的接口，同时在缓存中维护着已经访问过的Region位置信息，用来加快后续数据访问过程B可以帮助选举出一个Master作为集群的总管，并保证在任何时刻总有唯一一个Master在运行C主要负责表和Region的管理工作D是HBase中最核心的模块，负责维护分配给自己的Region，并响应用户的读写请求答案：C13:Hadoop具有特性不包括______A高可靠性B高效性C高可扩展性D低容错性，答案：D14:YARN的http端口默认是______A80 B8080 C 8090 D8088答案：D15:大数据时代，数据使用的关键是______A数据收集B数据存储C数据分析D数据再利用答案：D三:多选题（每小题5分）16:大数据人才整体上需要具备______等核心知识A数学与统计知识B计算机相关知识C马克思主义哲学知识D市场运营管理知识E在特定业务领域的知识答案：ABE17:下列关于数据生命周期管理的核心认识中，正确的是______A数据从产生到被删除销毁的过程中，具有多个不同的数据存在阶段B在不同的数据存在阶段，数据的价值是不同的C根据数据价值的不同应该对数据采取不同的管理策略D数据生命周期管理旨在产生效益的同时，降低生产成本答案：ABC18:数据研究经历了几种范式，包括______A实验B理论C计算D数据答案：ABCD19:按照涉及自变量的多少，可以将回归分析分为______A线性回归分析B非线性回归分析C一元回归分析D多元回归分析答案：CD20:大数据产业发展特点______A规模较大B规模较小C增速较快D增速缓慢E多产业交叉融合答案：ACE第二卷一:判断题（每小题5分）1:HDFS能提供高吞吐量的数据访问，非常适合于大规模数据集上的应用。
大数据技术原理与应用_厦门大学中国大学mooc课后章节答案期末考试题库2023年
大数据技术原理与应用_厦门大学中国大学mooc课后章节答案期末考试题库2023年1.数据产生方式的变革主要经历了三个阶段，以下哪个不属于这三个阶段：答案:数据流阶段2.第三次信息化浪潮的发生标志是以下哪种技术的普及：答案:物联网、云计算和大数据3.在Flink中哪个是基于批处理的图计算库：答案:Gelly4.Hadoop的两大核心是和答案:HDFS; MapReduce5.HDFS默认的一个块大小是答案:64MB6.在分布式文件系统HDFS中，负责数据的存储和读取:答案:数据节点7.上传当前目录下的本地文件file.txt到分布式文件系统HDFS的“/path”目录下的Shell命令是：答案:hdfs dfs -put file.txt /path8.在HDFS根目录下创建一个文件夹/test，且/test文件夹内还包含一个文件夹dir，正确的shell命令是:答案:hadoop fs -mkdir -p /test/dir9.下列有关HBase的说法正确的是：答案:HBase是一种NoSQL数据库10.已知一张表student存储在HBase中，向表中插入一条记录{id:2015001,name:Mary,{score:math}:88}，其id作为行键，其中，在插入数学成绩88分时，正确的命令是:答案:put 'student','2015001','score:math','88'11.NoSQL数据库的三大理论基石不包括:答案:ACID12.在设计词频统计的MapReduce程序时，对于文本行“hello bigdata hellohadoop”，经过map函数处理后直接输出的结果应该是（没有发生combine 和merge操作）:<"hello",1>、<"hello",1>、<"bigdata",1>和<"hadoop",1>13.假设已经配置好PATH环境变量，启动Hadoop的命令是:答案:start-dfs.sh14.下列说法错误的是：答案:第二名称节点是热备份，而HDFS HA不是热备份15.RDD操作包括转换（Transformation）和动作(Action)两种类型，下列RDD操作属于动作（Action）类型的是:答案:collect16.下列关于Hive的说法正确的是:Hive支持批量导入17.大数据的特点包括:答案:数据种类繁多数据量大价值密度低处理速度快18.下列适用于批处理计算的框架有哪些：答案:SparkMapReduce19.下列适用于流计算的框架有哪些:答案:StormSpark Streaming20. Flink核心组件栈分为哪三层：答案:API&Libraries层物理部署层Runtime核心层21.从技术架构上来看，物联网可以分为哪几层:答案:网络层应用层处理层感知层22.HBase需要根据哪些属性来唯一地确定一个单元格(cell)中的某个版本数据:答案:列限定符列族时间戳23.典型的NoSQL数据库的类型包括：答案:图数据库键值数据库列族数据库文档数据库24.CAP是指：答案:一致性可用性分区容忍性25.云计算主要包括哪3种类型：答案:SaaSIaaS26.以下属于流计算的应用有哪些：答案:购物网站的广告推荐实时交通路线推荐27.下列关于图计算产品Pregel的说法正确的是：答案:Pregel是一种基于BSP模型实现的并行图处理系统在每个超步中，每个顶点会根据其接收消息的最大值和自身值比较，来确定自己状态作何种改变当多个顶点的操作请求发生冲突时，Pregel采用局部有序和Handler来解决冲突28.下列哪些是图计算框架Pregel的应用:答案:二分匹配单源最短路径PageRank29.关于Spark的特性说法正确的是:答案:Spark的计算模式也属于MapReduce，但编程模型比Hadoop MapReduce 更灵活Spark基于DAG的任务调度执行机制，要优于Hadoop MapReduce的迭代执行机制Scala是Spark的主要编程语言，但Spark还支持Java、Python、R作为编程语言Spark提供了内存计算，可将中间结果放到内存中，对于迭代运算效率更高30.BASE的基本含义是：答案:基本可用最终一致性软状态31.Hadoop是Apache软件基金会旗下的一个开源分布式计算平台，是基于Java语言开发的，具有很好的跨平台特性。
大数据技术与应用习题答案完整共9章
1）请阐述什么是大数据？大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
2）大数据对当今世界有哪些影响？大数据是一种新兴的产业，从提出概述至今不断在推动着世界经济的转型和进一步的发展。
如法国政府在2013年投入近1150万欧元，用于7个大数据市场研发项目。
目的在于通过发展创新性解决方案，并将其用于实践，来促进法国在大数据领域的发展。
法国政府在《数字化路线图》中列出了五项将大力支持的战略性高新技术，大数据就是其中一项。
综上所述，从各种各样的大数据中，快速获得有用的信息的能力，就是大数据技术。
这种技术已经对人们的产生和生活方式有了极大的影响，并且还在快速的发展中，不会停下来。
3）大数据有哪些框架？按照对所处理的数据形式和得到结果的时效性分类，大数据处理框架可以分为三类：批处理系统、流处理系统和混合处理系统。
4）企业应当如何应对大数据时代的挑战？大数据在许多企业应用程序中的确扮演着相当重要的角色，大数据的应用对于企业带来的好处有以下几点：（1）结合各种传统企业数据对大数据进行分析和提炼，带给企业更深入透彻的洞察力。
它可以带来更高的生产力，更大的创新和更强的竞争地位。
（2）正确的数据分析可以帮助企业做出明智的业务经营决策的工具。
这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据，以及来自企业所处的其他外部环境中的各种数据。
而商业智能能够辅助的业务经营决策既可以是作业层的，也可以是管理层和策略层的决策。
（3）促进企业决策流程：增进企业的资讯整合与资讯分析的能力，汇总公司内、外部的资料，整合成有效的决策资讯，让企业经理人大幅增进决策效率与改善决策品质，很大程度上影响了企业的经营和绩效。
5）大数据和云计算的联系和区别是什么？如果将云计算与大数据进行一些比较，最明显的区分在两个方面：第一，在概念上两者有所不同，云计算改变了IT，而大数据则改变了业务。
2022知到答案 Hadoop大数据技术与项目实战 最新知到
2022知到答案 Hadoop大数据技术与项目实战最新知到绪论单元测试1、单选题：下列对大数据的特点描述不正确的是（）选项：A:价值密度高B:数据体量巨大C:速度要求快D:数据类型多样答案:【价值密度高】第一章单元测试1、判断题：云主机和物理机的寿命都是永久性的。
（）选项：A:错B:对答案:【错】2、判断题：对于实时性要求高的应用，需要应用实时处理架构。
（）选项：A:错B:对答案:【对】3、判断题：数据仓库是用来存储数据的而不是分析数据的。
（）选项：A:错B:对答案:【错】4、判断题：在DWS层中，用户行为日志数据分为公共字段和事件字段。
（）选项：A:对B:错答案:【对】5、单选题：项目实施流程中没有（）选项：A:数据仓库设计开发B:数据访问C:下载数据D:数据导出答案:【下载数据】6、单选题：数据分析在企业中的作用（）选项：A:帮助企业经营者平衡企业的收益B:干预经营者的决策C:帮助企业经营者减少投入D:直接的获取经营的利润答案:【直接的获取经营的利润】7、单选题：数据结构中哪项不是页面入口的来源（）选项：A:详情页C:应用首页D:push答案:【登录页】8、多选题：Hadoop的三大发行版本是（）选项：A:ApacheB:CDHC:JavaD:HDP答案:【Apache；CDH；HDP】9、多选题：流量分析常见指标有哪些方面（）选项：A:转化路径分析B:受访分析D:访客分析答案:【转化路径分析；受访分析；来源分析；访客分析】10、多选题：网站流量数据分析的意义有哪些（）选项：A:从多方面提供网站分析的数据依据B:帮助网站运营人员获取网站流量信息C:帮助提高网站流量D:提升网站用户体验答案:【从多方面提供网站分析的数据依据；帮助网站运营人员获取网站流量信息；帮助提高网站流量；提升网站用户体验】第二章单元测试1、判断题：Hadoop是一种分布式系统基础架构，主要解决海量数据存储和海量数据计算两大问题。
《大数据技术与应用》考核试题及答案
大数据技术与应用考核试题一、选择题（每小题2分，共20分）1、大数据的定义是（）A. 数据量大B. 数据质量高C. 数据结构复杂D. 数据价值高答案：A2、大数据的特点是（）A. 存储量大B. 运算速度快C. 结构复杂D. 可视化好答案：A3、Hadoop是一个（）A. 数据库B. 操作系统C. 编程语言D. 分布式计算框架答案：D4、MapReduce是一个（）A. 数据库B. 操作系统C. 编程语言D. 分布式计算框架答案：D5、HBase是一个（）A. 关系型数据库B. 非关系型数据库C. 搜索引擎D. 分布式文件系统答案：B二、填空题（每小题2分，共20分）1、Hadoop的核心是________ 和________ 。
答案：HDFS、MapReduce2、MapReduce的两个阶段是________ 和________ 。
答案：Map、Reduce3、HBase是一个________ 的分布式数据库。
答案：非关系型4、Hive是一个________ 的分布式数据仓库。
答案：基于Hadoop5、Spark是一个________ 的分布式内存计算框架。
答案：内存密集型三、问答题（共60分）1、请介绍大数据的定义及特点。
答：大数据是指海量、高速生成和处理的数据，它的特点有存储量大、运算速度快、结构复杂、可视化好。
大数据不仅仅是数量上的海量，还包含了数据的多样性、复杂性和动态性。
大数据可以带来新的商业价值，可以帮助企业做出正确的决策。
2、请介绍Hadoop的特点以及应用场景。
答：Hadoop是一个开源的分布式计算框架，它的特点有：1、可扩展性强，可以通过增加节点来扩展集群的规模；2、容错性强，可以在出现故障时保证数据的安全性和可靠性；3、低成本，使用Hadoop可以节省成本。
Hadoop的应用场景包括：1、大数据存储和分析；2、机器学习和人工智能；3、实时流处理和事件处理；4、图形计算和图形处理。
大数据技术原理与应用知到章节答案智慧树2023年青岛滨海学院
大数据技术原理与应用知到章节测试答案智慧树2023年最新青岛滨海学院第一章测试1.大数据的起源是（）。
参考答案:互联网2.美国海军军官莫里通过对前人航海日志的分析，绘制了新的航海路线图，标明了大风与洋流可能发生的地点。
这体现了大数据分析理念中的:（）。
参考答案:相关分析而非因果分析3.当前社会中，最为突出的大数据环境是（）。
参考答案:互联网4.大数据时代，数据使用的关键是（）。
参考答案:数据再利用5.智慧城市的智慧之源是（）。
参考答案:大数据6.万物皆可连，任何事物之间逻辑上都有可能存在联系，这是（）思维的表现。
参考答案:相关7.对于大数据而言，最基本、最重要的要求就是减少错误、保证质量。
因此，大数据收集的信息量要尽量精确。
（）参考答案:错8.“大数据”并不等同于“大规模数据”。
（）参考答案:对9.大数据的价值是数据本身。
( )参考答案:错10.非结构化数据即行数据，存储在数据库里。
( )参考答案:错第二章测试1.下列关于Hadoop说法正确的是（）。
参考答案:Hadoop是一个能够对大量数据进行分布式处理的软件框架2.Hadoop生态系统中开源的数据分析集群计算框架是（）。
参考答案:Pig3.在初次启动Hadoop集群时，必须对主节点HDFS进行格式化处理，具体指令为（）。
参考答案:hdfs namenode -format4.查看hadoop进程在主节点master的Terminal终端执行（）命令。
Jps5.Hadoop的安装模式不包括（）。
参考答案:安全模式6.对称加密算法中需要有两个不同的密钥：公钥和私钥。
（）参考答案:错7.RSA是目前最有影响力的公钥加密算法，它能够抵抗到目前为止已知的所有密码攻击，已被ISO推荐为公钥数据加密标准。
（）参考答案:对8.Hadoop 集群正常启动后，默认开放18088端口，用于监控YARN集群。
（）参考答案:对9.Hadoop 默认模式为非分布式模式（本地模式），无需进行其他配置即可运行。
习题答案-大数据技术与应用-微课视频版-肖政宏-清华大学出版社
习题答案：第一章：1. 简述大数据的概念。
答：自2012年以来，“大数据”一词越来越引起人们的关注。
但是，目前为止，在学术研究领域和产业界中，大数据并没有一个标准的定义。
在维克托·迈尔-舍恩伯格编写的《大数据时代》一书中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。
而麦肯锡全球研究所则定义大数据为一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
通常来说，大数据是指数据量超过一定大小，无法用常规的软件在规定的时间范围内进行抓取、管理和处理的数据集合。
2. 简述大数据的基本特征。
答：大数据的主要特征可用“5V+1C”来进行概括，分别是：数据量大（Volume）、数据类型多（Variety）、数据时效性强（Velocity）、价值密度低（Value）、准确性高（Veracity）、复杂性高（Complexity），如下图所示。
图大数据特征图3.简述大数据的分析处理过程。
答：大数据的处理流程基本可划分为数据采集、数据处理与集成、数据分析和数据解释４个阶段。
即经数据源获取的数据，因为其数据结构不同（包括结构、半结构和非结构数据），用特殊方法进行数据处理和集成，将其转变为统一标准的数据格式方便以后对其进行处理；然后用合适的数据分析方法将这些数据进行处理分析，并将分析的结果利用可视化等技术展现给用户，这就是整个大数据处理的流程如下图所示。
图大数据的处理流程详细的分析处理过程参见《大数据技术与应用》第5章第2节4.简述大数据的存储方式。
答：存储系统作为数据中心最核心的数据基础，不再仅是传统分散的、单一的底层设备。
除了要具备高性能、高安全、高可靠等基于大数据应用需求，“应用定义存储”概念被提出。
主要有以下几种存储方式：1、分布式系统2、NoSQL数据库3、云数据库4、大数据存储技术路线1) 采用MPP架构的新型数据库集群2) 基于Hadoop的技术扩展和封装3) 大数据一体机5.简述大数据的商业价值和社会价值。
大学生mooc大数据技术原理与应用(林子雨)题库答案
作者：解忧书店 JieYouBookshop 第1章大数据概述1单选(2分)第三次信息化浪潮的标志是：A.个人电脑的普及B.云计算、大数据、物联网技术的普及C.虚拟现实技术的普及D.互联网的普及正确答案：B你选对了2单选(2分)就数据的量级而言，1PB数据是多少TB？A.2048B.1000C.512D.1024正确答案：D你选对了3单选(2分)以下关于云计算、大数据和物联网之间的关系，论述错误的是：A.云计算侧重于数据分析B.物联网可以借助于云计算实现海量数据的存储C.物联网可以借助于大数据实现海量数据的分析D.云计算、大数据和物联网三者紧密相关，相辅相成正确答案：A你选对了4单选(2分)以下哪个不是大数据时代新兴的技术：A.SparkB.HadoopC.HBaseD.MySQL正确答案：D你选对了每种大数据产品都有特定的应用场景，以下哪个产品是用于批处理的：A.MapReduceB.DremelC.StormD.Pregel正确答案：A你选对了6单选(2分)每种大数据产品都有特定的应用场景，以下哪个产品是用于流计算的：A.GraphXB.S4C.ImpalaD.Hive正确答案：B你选对了7单选(2分)每种大数据产品都有特定的应用场景，以下哪个产品是用于图计算的：A.PregelB.StormC.CassandraD.Flume正确答案：A你选对了8单选(2分)每种大数据产品都有特定的应用场景，以下哪个产品是用于查询分析计算的：A.HDFSB.S4C.DremelD.MapReduce正确答案：C你选对了9多选(3分)数据产生方式大致经历了三个阶段，包括：A.运营式系统阶段B.感知式系统阶段C.移动互联网数据阶段正确答案：ABD你选对了10多选(3分)大数据发展的三个阶段是：A.低谷期B.成熟期C.大规模应用期D.萌芽期正确答案：BCD你选对了11多选(3分)大数据的特性包括：A.价值密度低B.处理速度快C.数据类型繁多D.数据量大正确答案：ABCD你选对了12多选(3分)图领奖获得者、著名数据库专家Jim Gray博士认为，人类自古以来在科学研究上先后经历了哪几种范式：A.计算科学B.数据密集型科学C.实验科学D.理论科学正确答案：ABCD你选对了13多选(3分)大数据带来思维方式的三个转变是：A.效率而非精确B.相关而非因果C.精确而非全面D.全样而非抽样正确答案：ABD你选对了14多选(3分)大数据主要有哪几种计算模式：。
Hadoop大数据技术基础与应用 第1章 Hadoop技术概述
2.Hadoop是什么
Hadoop是由一系列软件库组成的框架。这些软件库各自负责Hadoop的一部分 功能，其中最主要的是HDFS、MapReduce和YARN。HDFS负责大数据的存储、 MapReduce负责大数据的计算、YARN负责集群资源的调度。
Mahout
Flume
Sqoop
4.Hadoop发展历程
• 第三阶段
✓ Hadoop商业发行版时代（2011-2020） ✓ 商业发行版、CDH、HDP等等，云本，云原生商业版如火如荼
4.Hadoop报导过的Expedia也在其中。
2.Hadoop的应用领域
• 诈骗检测 这个领域普通用户接触得比较少，一般只有金融服务或者政府机构会用到。利用Hadoop来存
储所有的客户交易数据，包括一些非结构化的数据，能够帮助机构发现客户的异常活动， 预防欺诈行为。
• 医疗保健 医疗行业也会用到Hadoop，像IBM的Watson就会使用Hadoop集群作为其服务的基础，包括语
✓ 国产化开源发行版时代（2021开始） ✓ USDP ✓ 标准的发行版纷纷收费，国产化开源发行版势在必行
5.Hadoop名字起源
Hadoop这个名字不是一个缩写，而是一个虚构的名字。该项目的创建者， Doug Cutting解释Hadoop的得名：“这个名字是我孩子给一个棕黄色的大象 玩具命名的。我的命名标准就是简短，容易发音和拼写，没有太多的意义， 并且不会被用于别处。小孩子恰恰是这方面的高手。”
✓ 后Hadoop时代（2008-2014） ✓ Hadoop、HBase、Hive、Pig、Sqoop等百花齐放，眼花缭乱 ✓ 各个组件层出不穷，相互之间的兼容性管理混乱，虽然选择性多，但是很乱
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第一章
一、单选题
1、下面哪个选项不属于Google的三驾马车？（C ）
A、GFS
B、MapReduce
C、HDFS
D、BigTable
2、大数据的数据量现在已经达到了哪个级别？（C ）
A、GB
B、TB
C、PB
D、ZB
3、2003年，Google公司发表了主要讲解海量数据的可靠存储方法的论文是？（ A ）
A、“The Google File System”
B、“MapReduce: Simplified Data Processing on Large Clusters”
C、“Bigtable: A Distributed Storage System for Structured Data”
D、“The Hadoop File System”
4、下面哪个选项不是HDFS架构的组成部分？（ C ）
A、NameNode
B、DataNode
C、Jps
D、SecondaryNameNode
5、Hadoop能够使用户轻松开发和运行处理大数据的应用程序，下面不属于Hadoop特性的是（C ）
A、高可靠性、高容错性
B、高扩展性
C、高实时性
D、高效性
6、2004年，Google公司发表了主要讲解海量数据的高效计算方法的论文是？（ B ）
A、“The Google File System”
B、“MapReduce: Simplified Data Processing on Large Clusters”
C、“Bigtable: A Distributed Storage System for Structured Data”
D、“The Hadoop File System”
7、建立在Hadoop文件系统之上的分布式的列式数据库？（A ）
A、HBase
B、Hive
C、YARN
D、Mahout
二、判断题
1、海量数据就是大数据。
( ×)
2、Google公司的GFS、MapReduce、BigTable是开源的。
( ×)
3、MapReduce是的最早提出是Google为了解决PageRank的问题( √)
4、Apache Hadoop的HDFS、MapReduce、HBase是开源的。
( √)
5、Hbase是非关系型数据库，是面向列的。
( √)
6、Hadoop的发行版除了社区的Apache Hadoop外，Cloudera、Hortonworks、MapR、EMC、IBM、Intel、华为等公司都提供了自己的商业版本。
( √)
三、填空题
1、MapReduce采用“分而治之”的思想，简而言之，MapReduce就是“分散任务，汇总结果”。
2、2006年，Google公司发表了论文“Bigtable: A Distributed Storage System for Structured Data”是用来处理海量数据的一种非关系型数据库。
3、Hadoop源自始于2002年的Apache Nutch项目，创始人是Doug Cutting 。
四、多选题
1、Hadoop大数据有哪两大核心技术？（ AD ）
A、分布式存储
B、数据采集
C、可视化
D、分布式处理
2、大数据有哪些特性？（ ABCD ）
A、数据量大
B、数据种类繁多
C、计算速度快
D、价值密度低
3、块副本位置选择的策略服务两大目标（ AC ）
A、最大化数据可靠性
B、最大化计算可靠性
C、最大化数据高效性
D、最大化计算高效性
4、下列关于HDFS对文件分块存储的作用描述正确的是（ABCD）
A、有利于负载均衡
B、便于并行处理
C、最小化寻址开销
D、支持大规模文件存储。