《大數(shù)據(jù)基礎(chǔ)與應(yīng)用》期末試卷及答案2套

…………………………密…………封…………………線………………………系部_______系部_________________________專業(yè)_______________________班級(jí)_________________________姓名______________________學(xué)號(hào)___________________序號(hào)__________________……………………密………………封………………線……………………第4頁（共4頁）第3頁（共4頁）系部系部___________________專業(yè)____________________班級(jí)___________________姓名___________________學(xué)號(hào)___________________序號(hào)__________________……………密…………封………………線……………………第1頁（共4頁）《大數(shù)據(jù)基礎(chǔ)》（課程代碼：）得分評(píng)卷人單項(xiàng)選擇題（每題2分，共20分）1、當(dāng)前大數(shù)據(jù)技術(shù)的基礎(chǔ)是由（）首先提出的。。A：微軟B：百度C：谷歌D：阿里巴巴2、大數(shù)據(jù)的起源是（）。A：金融B：電信C：互聯(lián)網(wǎng)D：公共管理3、大數(shù)據(jù)的最顯著特征是（）。A：數(shù)據(jù)規(guī)模大B：數(shù)據(jù)類型多樣C：數(shù)據(jù)處理速度快D：數(shù)據(jù)價(jià)值密度高4、美國海軍軍官莫里通過對(duì)前人航海日志的分析，繪制了新的航海路線圖，標(biāo)明了大風(fēng)與洋流可能發(fā)生的地點(diǎn)。這體現(xiàn)了大數(shù)據(jù)分析理念中的（）。A：在數(shù)據(jù)基礎(chǔ)上傾向于全體數(shù)據(jù)而不是抽樣數(shù)據(jù)B：在分析方法上更注重相關(guān)分析而不是因果分析C：在分析效果上更追究效率而不是絕對(duì)精確D：在數(shù)據(jù)規(guī)模上強(qiáng)調(diào)相對(duì)數(shù)據(jù)而不是絕對(duì)數(shù)據(jù)5、下列關(guān)于舍恩伯格對(duì)大數(shù)據(jù)特點(diǎn)的說法中，錯(cuò)誤的是（）。A：數(shù)據(jù)規(guī)模大B：數(shù)據(jù)類型多樣C：數(shù)據(jù)處理速度快D：數(shù)據(jù)價(jià)值密度高6、當(dāng)前社會(huì)中，最為突出的大數(shù)據(jù)環(huán)境是（）。A：互聯(lián)網(wǎng)B：物聯(lián)網(wǎng)C：綜合國力D：自然資源7、在數(shù)據(jù)生命周期管理實(shí)踐中，（）是執(zhí)行方法。A：數(shù)據(jù)存儲(chǔ)和備份規(guī)范B：數(shù)據(jù)管理和維護(hù)C：數(shù)據(jù)價(jià)值發(fā)覺和利用D：數(shù)據(jù)應(yīng)用開發(fā)和管理8、下列國家的大數(shù)據(jù)發(fā)展行動(dòng)中，集中體現(xiàn)“重視基礎(chǔ)、首都先行”的國家是（）。A：美國B：日本C：中國D：韓國9、下列關(guān)于大數(shù)據(jù)的分析理念的說法中，錯(cuò)誤的是（）。A：在數(shù)據(jù)基礎(chǔ)上傾向于全體數(shù)據(jù)而不是抽樣數(shù)據(jù)B：在分析方法上更注重相關(guān)分析而不是因果分析C：在分析效果上更追究效率而不是絕對(duì)精確D：在數(shù)據(jù)規(guī)模上強(qiáng)調(diào)相對(duì)數(shù)據(jù)而不是絕對(duì)數(shù)據(jù)10、萬維網(wǎng)之父是（）。A：彼得·德魯克B：舍恩伯格C：蒂姆·伯納斯－李D：斯科特·布朗得分評(píng)卷人填空題（每空2分，共10分）IBM公司用3個(gè)V來描述大數(shù)據(jù)的三個(gè)基本特征，這3V是、、.大數(shù)據(jù)環(huán)境下的隱私擔(dān)憂，主要表現(xiàn)為。當(dāng)前大數(shù)據(jù)技術(shù)的基礎(chǔ)包括、、.數(shù)據(jù)倉庫的最終目的是按照涉及自變量的多少，可以將回歸分析分為、.得分評(píng)卷人判斷題（每題2分，共20分）1、在噪聲數(shù)據(jù)中，波動(dòng)數(shù)據(jù)比離群點(diǎn)數(shù)據(jù)偏離整體水平更大。（）2、對(duì)于大數(shù)據(jù)而言，最基本、最重要的要求就是減少錯(cuò)誤、保證質(zhì)量。因此，大數(shù)據(jù)收集的信息量要盡量精確。（）3、一般而言，分布式數(shù)據(jù)庫是指物理上分散在不同地點(diǎn)，但在邏輯上是統(tǒng)一的數(shù)據(jù)庫。因此分布式數(shù)據(jù)庫具有物理上的獨(dú)立性、邏輯上的一體性、性能上的可擴(kuò)展性等特點(diǎn)。（）4、具備很強(qiáng)的報(bào)告撰寫能力，可以把分析結(jié)果通過文字、圖表、可視化等多種方式清晰地展現(xiàn)出來，能夠清楚地論述分析結(jié)果及可能產(chǎn)生的影響，從而說服決策者信服并采納其建議，是數(shù)據(jù)分析能力對(duì)大數(shù)據(jù)人才的基本要求。（）5、谷歌流感趨勢(shì)充分體現(xiàn)了數(shù)據(jù)重組和擴(kuò)展對(duì)數(shù)據(jù)價(jià)值的重要意義。（）6、決策樹是一種基于樹形結(jié)構(gòu)的預(yù)測(cè)模型，每一個(gè)樹形分叉代表一個(gè)分類條件，葉子節(jié)點(diǎn)代表最終的分類結(jié)果，其優(yōu)點(diǎn)在于易于實(shí)現(xiàn)，決策時(shí)間短，并且適合處理非數(shù)值型數(shù)據(jù)。（）7、信息生命周期管理是據(jù)生命周期管理的來源，最早由英國企業(yè)提出。（）8、簡(jiǎn)單隨機(jī)抽樣，是從總體N個(gè)對(duì)象中任意抽取n個(gè)對(duì)象作為樣本，最終以這些樣本作為調(diào)查對(duì)象。在抽取樣本時(shí)，總體中每個(gè)對(duì)象被抽中為調(diào)查樣本的概率可能會(huì)有差異。（）9、啤酒與尿布的經(jīng)典案例，充分體現(xiàn)了實(shí)驗(yàn)思維在大數(shù)據(jù)分析理念中的重要性。（）10、對(duì)于企業(yè)來說，給用戶進(jìn)行各種促銷或者實(shí)施運(yùn)營策略的時(shí)機(jī)也比較重要，而且對(duì)不同興趣偏好的用戶最好集中處理。（）得分評(píng)卷人簡(jiǎn)答題（每題10分，共40分）1、搜索引擎的產(chǎn)生和發(fā)展經(jīng)歷了哪幾個(gè)階段？試簡(jiǎn)述各階段的特點(diǎn)。2、大數(shù)據(jù)時(shí)代數(shù)據(jù)的存儲(chǔ)與管理與傳統(tǒng)數(shù)據(jù)存儲(chǔ)方式有何區(qū)別？3、常用的數(shù)據(jù)整理技術(shù)有哪些？4、簡(jiǎn)述大數(shù)據(jù)存儲(chǔ)的概念?！洞髷?shù)據(jù)基礎(chǔ)》（課程代碼：）得分評(píng)卷人單項(xiàng)選擇題（每題2分，共20分）1、搜索引擎中用戶查詢所得的信息是（）。A.直接在互聯(lián)網(wǎng)中獲取的B.存儲(chǔ)在網(wǎng)絡(luò)數(shù)據(jù)庫中的C.來自某個(gè)網(wǎng)站的D.與網(wǎng)頁連接顯示的2、對(duì)于搜索引擎蜘蛛（Google稱之為機(jī)器人）程序來講有三種頁面非常重要，以下哪種頁面不屬于其中？（）A.從未抓取過的新頁面B.頁面內(nèi)容之前被采集過但有所改動(dòng)的頁面C.已被刪除掉的之前被采集過的頁面D.搜索引擎蜘蛛的起始頁面3、以下不屬于搜索引擎評(píng)價(jià)指標(biāo)的是（）。A.查全率B.查準(zhǔn)率C.響應(yīng)速度D.下載速度4、不屬于大數(shù)據(jù)主要的存儲(chǔ)模型的是（）。A.關(guān)系型數(shù)據(jù)庫B.列式數(shù)據(jù)庫C.鍵值存儲(chǔ)D.視頻數(shù)據(jù)庫5、不屬于關(guān)系型數(shù)據(jù)庫的是（）。A.OracleB.

SybaseC.DB2D.MicrosoftSQLServer6、數(shù)據(jù)存儲(chǔ)方式有（）。A.在線存儲(chǔ)B.近線存儲(chǔ)C.異地備份D.以上皆對(duì)7.以下不屬于大數(shù)據(jù)基本特征的是（）。A.數(shù)據(jù)規(guī)模龐大B.數(shù)據(jù)的形式多樣化C.數(shù)據(jù)的獲取及處理速度快D.數(shù)據(jù)的處理具有實(shí)時(shí)性8.數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則分析最典型的算法是（）。A.KNN算法B.Na?veBayes算法C.k-means算法D.Aprior算法9、不屬于數(shù)據(jù)可視化展現(xiàn)方式（）。A.魚骨圖B.柏拉圖C.回歸圖D.直方圖10、大數(shù)據(jù)可視化分析工具有（）。A.WordB.PPTC.ExcelD.GooglePinyin得分評(píng)卷人填空題（每空2分，共10分）1、MapReduce的架構(gòu)分為、、和這四個(gè)組件。2、威脅數(shù)據(jù)安全的主要因素有：、和。3、在數(shù)據(jù)挖掘的分類算法中比較典型的算法是_______算法和________算法。4、.搜索引擎工作工程主要包括三個(gè)階段，分別是網(wǎng)頁搜集階段，和用戶查詢服務(wù)階段。得分評(píng)卷人判斷題（每題2分，共20分）決策樹是一種基于樹形結(jié)構(gòu)的預(yù)測(cè)模型，每一個(gè)樹形分叉代表一個(gè)分類條件，葉子節(jié)點(diǎn)代表最終的分類結(jié)果，其優(yōu)點(diǎn)在于易于實(shí)現(xiàn)，決策時(shí)間短，并且適合處理非數(shù)值型數(shù)據(jù)。（）大數(shù)據(jù)可以分析與挖掘前之前人們不知道或者滑注意到的模式，可以從海量數(shù)據(jù)中發(fā)展趨勢(shì)，雖然也有不精準(zhǔn)的時(shí)候，但并不能因此而否定大數(shù)據(jù)挖掘的價(jià)值（）信息生命周期管理是據(jù)生命周期管理的來源，最早由英國企業(yè)提出。（）在大數(shù)據(jù)的蕩疇內(nèi)，應(yīng)該把用戶視為互聯(lián)網(wǎng)中的數(shù)據(jù)分子，獨(dú)立、細(xì)致地對(duì)其行為進(jìn)行（）大數(shù)據(jù)可以分析與挖掘前之前人們不知道或者滑注意到的模式，可以從海量數(shù)據(jù)中發(fā)展趨勢(shì)，雖然也有不精準(zhǔn)的時(shí)候，但并不能因此而否定大數(shù)據(jù)挖掘的價(jià)值（）當(dāng)前，企業(yè)提供的大數(shù)據(jù)解決方案大多基于Hadoop開源項(xiàng)目（）大數(shù)據(jù)可以分析與挖掘前之前人們不知道或者滑注意到的模式，可以從海量數(shù)據(jù)中發(fā)展趨勢(shì)，雖然也有不精準(zhǔn)的時(shí)候，但并不能因此而否定大數(shù)據(jù)挖掘的價(jià)值（）在噪聲數(shù)據(jù)中，波動(dòng)數(shù)據(jù)比離群點(diǎn)數(shù)據(jù)偏離整體水平更大。（）9、第三方數(shù)據(jù)處理模式表現(xiàn)為：服務(wù)商通過軟件即服務(wù)或平臺(tái)即服務(wù)形式主義為用戶提供自己的數(shù)據(jù)上服務(wù)商的平臺(tái)上，由平臺(tái)進(jìn)行分析處理，用戶可以在線查看相應(yīng)的結(jié)果（）10、簡(jiǎn)單隨機(jī)抽樣，是從總體N個(gè)對(duì)象中任意抽取n個(gè)對(duì)象作為樣本，最終以這些樣本作為調(diào)查對(duì)象。在抽取樣本時(shí)，總體中每個(gè)對(duì)象被抽中為調(diào)查樣本的概率可能會(huì)有差異。（）得分評(píng)卷人簡(jiǎn)答題（每題10分，共40分）1、根據(jù)自己的理解畫出HDFS文件系統(tǒng)中文件讀取的流程，并解釋其中的各個(gè)步驟。2、簡(jiǎn)述搜索引擎索引系統(tǒng)的形成過程。3、大數(shù)據(jù)分析中重要的五個(gè)方面分別指什么？它們各自完成的任務(wù)有哪些？4、大數(shù)據(jù)的安全機(jī)制可從哪些方面提高？A卷答案單項(xiàng)選擇題（每題2分共20分）題號(hào)12345678910答案ccabdabcdb填空題（每空2分共20分）體量，速度，多樣性個(gè)人信息的被識(shí)別與暴露分布式文件系統(tǒng)，分布式并行計(jì)算，分布式數(shù)據(jù)庫為用戶和業(yè)務(wù)部門提供決策支持多元回歸分析，一元回歸分析三、判斷題（每個(gè)2分，共20分）FFTFFTFFFF四、簡(jiǎn)答題（每題10分共40分）1搜索引擎的產(chǎn)生和發(fā)展經(jīng)歷了哪幾個(gè)階段？試簡(jiǎn)述各階段的特點(diǎn)。答：早期出現(xiàn)的搜索引擎只是檢索FTP網(wǎng)站文件的程序，隨后的搜索引擎開始收錄網(wǎng)絡(luò)地址形成分類目錄，后續(xù)的發(fā)展中搜索引擎開始收錄標(biāo)題，目前的搜索引擎，已經(jīng)發(fā)展到抓取網(wǎng)頁全文階段。2大數(shù)據(jù)時(shí)代數(shù)據(jù)的存儲(chǔ)與管理與傳統(tǒng)數(shù)據(jù)存儲(chǔ)方式有何區(qū)別？答：傳統(tǒng)數(shù)據(jù)管理方法的局限性及大數(shù)據(jù)的現(xiàn)實(shí)條件促使新的數(shù)據(jù)庫設(shè)計(jì)的出現(xiàn)，在新的數(shù)據(jù)庫設(shè)計(jì)中，原本數(shù)據(jù)庫模式中存在的記錄和預(yù)設(shè)場(chǎng)域（成規(guī)數(shù)據(jù)的整齊排列）的規(guī)律被替代。大數(shù)據(jù)為適應(yīng)信息發(fā)展的需要，運(yùn)用非關(guān)系型數(shù)據(jù)庫作為一種新型數(shù)據(jù)庫設(shè)，它不需要預(yù)先設(shè)定記錄結(jié)構(gòu)，同時(shí)允許處理規(guī)模龐大、結(jié)構(gòu)復(fù)雜的數(shù)據(jù)。3常用的數(shù)據(jù)整理技術(shù)有哪些？回退模型可視化相關(guān)性變化分析差異分析預(yù)測(cè)群集技術(shù)決策樹神經(jīng)網(wǎng)絡(luò)4簡(jiǎn)述大數(shù)據(jù)存儲(chǔ)的概念。數(shù)據(jù)存儲(chǔ)是指數(shù)據(jù)流在加工過程中產(chǎn)生的臨時(shí)文件或需要查找的信息的存儲(chǔ)。數(shù)據(jù)以某種格式記錄在計(jì)算機(jī)內(nèi)部或外部存儲(chǔ)介質(zhì)上。數(shù)據(jù)存儲(chǔ)要命名，這種命名要反映信息特征的組成含義。數(shù)據(jù)流反映了系統(tǒng)中流動(dòng)的數(shù)據(jù)，表現(xiàn)出動(dòng)態(tài)數(shù)據(jù)的特征；數(shù)據(jù)存儲(chǔ)反映系統(tǒng)中靜止的數(shù)據(jù)，表現(xiàn)出靜態(tài)數(shù)據(jù)的特征。B卷答案單項(xiàng)選擇題（每題2分共20分）題號(hào)12345678910答案BBDDBDDDCC填空題（每空2分共20分）1、客戶端、JobTracker、TaskTracker、分布式文件系統(tǒng)2、網(wǎng)絡(luò)黑客和病毒攻擊威脅、信息資源泄露威脅、網(wǎng)絡(luò)漏洞威脅3、Na?veBayes算法，KNN算法。4、檢索信息生成階段。三、判斷題（每個(gè)2分，共20分）TTFFTTTFFF四、簡(jiǎn)答題（每題10分共40分）1、根據(jù)自己的理解畫出HDFS文件系統(tǒng)中文件讀取的流程，并解釋其中的各個(gè)步驟。如上圖所示，HDFS客戶端首先要訪問NameNode，并告訴它所要讀取的文件，在這之前，HDFS會(huì)對(duì)客戶的身份信息進(jìn)行驗(yàn)證。驗(yàn)證的方式有兩種：一種是通過信任的客戶端，由其指定用戶名；第二種方式是通過諸如Kerberos等強(qiáng)制驗(yàn)證機(jī)制來完成。接下來還需要檢查文件的所有者及其設(shè)置的訪問權(quán)限。當(dāng)文件確實(shí)存在，且該用戶對(duì)其有訪問權(quán)限時(shí)，NameNode會(huì)告訴HDFS客戶端這個(gè)文件的第一個(gè)數(shù)據(jù)塊的標(biāo)號(hào)及保存有該數(shù)據(jù)塊的DataNode列表。這個(gè)列表是DataNode與HDFS客戶端間的距離進(jìn)行的排序。有了數(shù)據(jù)塊標(biāo)號(hào)和DataNode的主機(jī)名，HDFS客戶端便可以直接訪問最合適的DataNode，讀取所需要的數(shù)據(jù)塊。這個(gè)過程會(huì)一直重復(fù)直到該文件的所有數(shù)據(jù)塊讀取完成或HDFS客戶端主動(dòng)關(guān)閉了文件流。2、簡(jiǎn)述搜索引擎索引系統(tǒng)的形成過程。答：1）提取關(guān)鍵詞：通過結(jié)構(gòu)化、消噪去除掉網(wǎng)頁中所有的格式代碼，同時(shí)去除非正文關(guān)鍵詞或停用詞，網(wǎng)頁的主文字內(nèi)容后應(yīng)用自身的分詞系統(tǒng)，將此文分成一個(gè)分詞列表，然后存儲(chǔ)在數(shù)據(jù)庫中，并與此文的URL進(jìn)行一一對(duì)應(yīng)2）倒排文件建立索引：在不同索引詞組成的索引表中記錄索引詞ID號(hào)，表明匹配該索引詞的文檔數(shù)量，并匹配文檔在記錄文件內(nèi)的偏移量，通過這偏移量就可以讀取記錄文件對(duì)應(yīng)區(qū)域的信息。3）對(duì)網(wǎng)頁完成重要度分析并完成排名3、大數(shù)據(jù)分析中重要的五個(gè)方面分別指什么？它們各自完成的任務(wù)有哪些？答：1）可視化分析：運(yùn)用一些數(shù)據(jù)分析的工具將數(shù)據(jù)轉(zhuǎn)化為圖的形式，達(dá)到“看圖說話”的效果。2）數(shù)據(jù)挖掘算法：運(yùn)用挖掘算法處理海量的數(shù)據(jù)并更加科學(xué)地呈現(xiàn)出數(shù)據(jù)本身具備的特點(diǎn)。3）預(yù)測(cè)性分析能力：作用是讓數(shù)據(jù)分析員可以根據(jù)數(shù)據(jù)可視化分析和數(shù)據(jù)挖掘計(jì)算所得結(jié)果對(duì)未來的相關(guān)事物做出一些預(yù)測(cè)性的判斷。4）語義引擎：借助語義引擎，可從用戶的搜索關(guān)鍵詞、標(biāo)簽關(guān)鍵詞或其他輸入語義，分析、判斷用戶需求5）數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理：高質(zhì)量的數(shù)據(jù)和有效的數(shù)據(jù)管理，無論是在學(xué)術(shù)研究還是在商業(yè)應(yīng)用領(lǐng)域，都能夠保證分析結(jié)果的真實(shí)和有價(jià)值。4大數(shù)據(jù)的安全機(jī)制可從哪些方面提高？答：大數(shù)據(jù)的安全機(jī)制可從網(wǎng)絡(luò)安全、數(shù)據(jù)安全、應(yīng)用安全、終端安全等各個(gè)管理角度加強(qiáng)大數(shù)據(jù)的安全防范。（1）網(wǎng)絡(luò)安全網(wǎng)絡(luò)是輸送大數(shù)據(jù)資源的主要途徑，通過強(qiáng)化網(wǎng)絡(luò)基礎(chǔ)設(shè)施安全保障，可以提高大數(shù)據(jù)環(huán)境的安全?？蓮娜缦滤膫€(gè)方面加強(qiáng)網(wǎng)絡(luò)安全的保障措施：一是通過訪問控制，以用戶身份認(rèn)證為前提，實(shí)施各種策略來控制和規(guī)范用戶在系統(tǒng)中的行為，從而達(dá)到維護(hù)系統(tǒng)安全和保護(hù)網(wǎng)絡(luò)資源的目的；二是通過鏈路加密，建立虛擬專用網(wǎng)絡(luò)，隔離公用網(wǎng)絡(luò)上的其他數(shù)據(jù)，防止數(shù)據(jù)被截?。蝗峭ㄟ^隔離技術(shù)，對(duì)數(shù)據(jù)中心內(nèi)、外網(wǎng)絡(luò)區(qū)域之間的數(shù)據(jù)流量進(jìn)行分析、檢測(cè)、管理和控制，從而保護(hù)目標(biāo)數(shù)據(jù)源免受外部非法用戶的侵入訪問；四是通過網(wǎng)絡(luò)審計(jì)，監(jiān)聽捕獲并分析網(wǎng)絡(luò)數(shù)據(jù)包，準(zhǔn)確記錄網(wǎng)絡(luò)訪問的關(guān)鍵信息，通過統(tǒng)一的策略設(shè)置的規(guī)則，智能地判斷出網(wǎng)絡(luò)異常行為，并對(duì)異常行為進(jìn)行記錄、報(bào)警和阻斷，保護(hù)業(yè)務(wù)的正常運(yùn)行。（2）虛擬化安全虛擬化技術(shù)是大數(shù)據(jù)概念的一個(gè)基礎(chǔ)組成部分，它加強(qiáng)了基礎(chǔ)設(shè)施、軟件平臺(tái)、業(yè)務(wù)系統(tǒng)的擴(kuò)展能力，同時(shí)也使得傳統(tǒng)物理安全邊界逐漸缺失。加強(qiáng)虛擬環(huán)境中的安全機(jī)制與傳統(tǒng)物理環(huán)境中的安全措施，才能更好地保障在虛擬化基礎(chǔ)之上為大數(shù)據(jù)提供的各類應(yīng)用和服務(wù)的安全?？蓮娜缦聝蓚€(gè)方面加強(qiáng)虛擬化安全的保障措施：一是在虛擬化軟件層面建立必要