100K影像課堂測(cè)驗(yàn)

、選擇題1、物聯(lián)網(wǎng)的發(fā)展使得數(shù)據(jù)生成方式得以徹底的改變，其屬于（）。A被動(dòng)式生成數(shù)據(jù)B主動(dòng)式生成數(shù)據(jù)C感知式生成數(shù)據(jù)D半主動(dòng)式生成數(shù)據(jù)2、從數(shù)據(jù)庫(kù)技術(shù)誕生以來(lái)，產(chǎn)生大數(shù)據(jù)的方式主要經(jīng)過(guò)了三個(gè)發(fā)展階段，分別是（）、主動(dòng)式生成數(shù)據(jù)、感知式生成數(shù)據(jù)。A被動(dòng)式生成數(shù)據(jù)B網(wǎng)絡(luò)式生成數(shù)據(jù)C傳感器生成數(shù)據(jù)D半主動(dòng)式生成數(shù)據(jù)3、大數(shù)據(jù)的數(shù)據(jù)類型包括結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和（）A半結(jié)構(gòu)化數(shù)據(jù)B無(wú)結(jié)構(gòu)數(shù)據(jù)C關(guān)系數(shù)據(jù)庫(kù)數(shù)據(jù)D網(wǎng)頁(yè)4、大數(shù)據(jù)的數(shù)據(jù)類型包括結(jié)構(gòu)化數(shù)據(jù)、（）和半結(jié)構(gòu)化數(shù)據(jù)A非結(jié)構(gòu)化數(shù)據(jù)B無(wú)結(jié)構(gòu)數(shù)據(jù)C關(guān)系數(shù)據(jù)庫(kù)數(shù)據(jù)D網(wǎng)頁(yè)5、大數(shù)據(jù)的數(shù)據(jù)類型包括（）、非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)A結(jié)構(gòu)化數(shù)據(jù)B無(wú)結(jié)構(gòu)數(shù)據(jù)C關(guān)系數(shù)據(jù)庫(kù)數(shù)據(jù)D網(wǎng)頁(yè)6、 常見(jiàn)的網(wǎng)絡(luò)信息系統(tǒng)包括電子商務(wù)系統(tǒng)和（）A社交網(wǎng)絡(luò)B社會(huì)媒體C搜索引擎D以上三個(gè)選項(xiàng)都是7、下列與大數(shù)據(jù)密切相關(guān)的技術(shù)是（）A藍(lán)牙B云計(jì)算C博弈論Dwifi8、大數(shù)據(jù)應(yīng)用依托的新技術(shù)是（）A大規(guī)模存儲(chǔ)與計(jì)算B數(shù)據(jù)分析C智能化D以上三個(gè)選項(xiàng)都是9、下列不屬于數(shù)據(jù)抽取和集成引擎的是（）。A基于物化或ETL方法的引擎B基于中間件的引擎C基于空間數(shù)據(jù)的引擎D基于數(shù)據(jù)流方法的引擎10、 大數(shù)據(jù)呈現(xiàn)出“4V1O”的特征，下列描述正確的是（）AVolume、Variety、vacation、Velocity、On-LineBVolume、Variety、Value、Velocity、On-LineCVolume、Variety、Value、vehicle>On-LineDVolume、violence>Value、vehicle>On-Line11、 大數(shù)據(jù)“4V1O”的特征中，表示大數(shù)據(jù)種類和來(lái)源多樣化的是（）AVolumeBVarietyCValueDVelocity12、 大數(shù)據(jù)“4V1O”的特征中，表示大數(shù)據(jù)價(jià)值密度相對(duì)較低，需要很多的過(guò)程才能挖掘出來(lái)的是（）AVolumeBVarietyCValueDVelocity13、 大數(shù)據(jù)“4V1O”的特征中，表示時(shí)效性要求高的是（）AVolumeBVarietyCValueDVelocity14、 大數(shù)據(jù)“4V1O”的特征中，表示數(shù)據(jù)量大的是（）AVolumeBVarietyCValueDVelocityD基本研究與人類資源15、 美國(guó)信息高速公路計(jì)劃HPCC（高性能計(jì)算與通信）中包含的BRHR是指（）A高性能計(jì)算機(jī)系統(tǒng)B國(guó)家科研與教育網(wǎng)格C先進(jìn)軟件技術(shù)與算法D基本研究與人類資源16、 大數(shù)據(jù)分析的典型工具中，屬于實(shí)時(shí)計(jì)算系統(tǒng)的是（）AHPCCBRapidMinerCApacheDrillDStorm17、 大數(shù)據(jù)分析的典型工具中，屬于數(shù)據(jù)挖掘解決方案的是（）AHPCCBRapidMinerCApacheDrillDStorm18、 大數(shù)據(jù)管理平臺(tái)所必須考慮的要素是（）A自動(dòng)化和分布式B智能化和開(kāi)放式C并行化和分布式D并行化和開(kāi)放式19、 大數(shù)據(jù)采集一般分為（）和基礎(chǔ)支撐層A基礎(chǔ)架構(gòu)層B智能感知層C數(shù)據(jù)處理層D數(shù)據(jù)挖掘?qū)?0、 Hadoop是一個(gè)能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行（）處理的軟件框架A分布式B一體化C集成化D綜合化21、 Hadoop是一個(gè)能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行分布式處理的（）框架A系統(tǒng)B傳感C硬件D軟件22、 EDC系統(tǒng)在臨床試驗(yàn)中的應(yīng)用可以有效解決紙質(zhì)CRF存在的問(wèn)題，EDC是一種數(shù)據(jù)（）系統(tǒng)。A歸檔B采集C分析D聚類23、 大數(shù)據(jù)的三大主要來(lái)源為（）數(shù)據(jù)。A商業(yè)、互聯(lián)網(wǎng)與傳感器B商業(yè)、科研文獻(xiàn)與視頻C文字、圖片與視頻D商業(yè)、互聯(lián)網(wǎng)與多媒體24、 ETL：即數(shù)據(jù)（）的過(guò)程，是構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)的重要環(huán)節(jié)。A擦寫(xiě)、轉(zhuǎn)換、列表B抽取、轉(zhuǎn)換、列表C擦寫(xiě)、轉(zhuǎn)換、裝載D抽取、轉(zhuǎn)換、裝載25、 以安全為目標(biāo)的HTTP通道英文縮寫(xiě)是（）AHTTPSBODMCERPDRFID26、 網(wǎng)絡(luò)數(shù)據(jù)采集的四個(gè)主要模塊是：網(wǎng)絡(luò)爬蟲(chóng)、數(shù)據(jù)處理、（）和數(shù)據(jù)。AHTML隊(duì)列BURL隊(duì)列CAPP隊(duì)列DWEB隊(duì)列27、 網(wǎng)絡(luò)數(shù)據(jù)處理的四個(gè)主要模塊是：（）和數(shù)據(jù)A網(wǎng)絡(luò)爬蟲(chóng)、分詞、排重B分詞、排重、整合C分詞、排重、處理D網(wǎng)絡(luò)爬蟲(chóng)、排重、處理28、 大數(shù)據(jù)建模是為了理解事物而對(duì)事物做出的一種（），是對(duì)事物的一種無(wú)歧義的書(shū)面描述。A模型B整合C處理D抽象29、 CURE是一種針對(duì)大型數(shù)據(jù)庫(kù)的高效的（）算法A回歸B關(guān)系C神經(jīng)網(wǎng)絡(luò)D聚類30、 數(shù)據(jù)挖掘中的建模是由（）驅(qū)動(dòng)的A事實(shí)B機(jī)制C數(shù)據(jù)D關(guān)系31、 以下關(guān)于數(shù)據(jù)模型的描述正確的是（）A再大的隨機(jī)抽樣都不如局部抽樣有代表性B統(tǒng)計(jì)學(xué)隨機(jī)抽樣不具有代表性C“大樣本=總體”的思想是錯(cuò)誤的D“大樣本=總體”的思想是正確的32、 大數(shù)據(jù)建模的核心問(wèn)題是海量數(shù)據(jù)（）問(wèn)題A隨機(jī)抽樣B大樣本調(diào)查C挖掘D隨機(jī)對(duì)照試驗(yàn)33、 Web挖掘任務(wù)可以被劃分為三種主要類型：（）挖掘A結(jié)構(gòu)、內(nèi)容和使用B結(jié)構(gòu)、網(wǎng)頁(yè)和后臺(tái)數(shù)據(jù)庫(kù)C網(wǎng)頁(yè)、后臺(tái)數(shù)據(jù)庫(kù)和使用D網(wǎng)頁(yè)、內(nèi)容和使用34、 Web數(shù)據(jù)挖掘是一項(xiàng)綜合性技術(shù)，指Web從文檔結(jié)構(gòu)和使用的集合C中發(fā)現(xiàn)隱含的模式P，如果將C看作是輸入，P看作是輸出，那么Web挖掘過(guò)程就可以看作是從輸入到輸出的一個(gè)（）過(guò)程。A發(fā)現(xiàn)B映射C輸入D輸出35、 Hadoop是一個(gè)基于（）的分布式密集數(shù)據(jù)處理和數(shù)據(jù)分析的軟件框架AJavaBC++CC#DVFP36、 大數(shù)據(jù)分析模式根據(jù)實(shí)時(shí)性可分為（）兩類A在線和離線B內(nèi)存和海量C算法和模型D離線和海量37、 以下關(guān)于大數(shù)據(jù)建模應(yīng)遵循的規(guī)律中，正確的是（）A數(shù)據(jù)挖掘減弱了對(duì)業(yè)務(wù)的認(rèn)知B預(yù)測(cè)提高了信息作用能力C模式不因業(yè)務(wù)變化而變化D試驗(yàn)對(duì)尋找解決方案不是必要的38、 以下關(guān)于大數(shù)據(jù)建模應(yīng)遵循的規(guī)律中，錯(cuò)誤的是（）A以業(yè)務(wù)目標(biāo)作為實(shí)現(xiàn)目標(biāo)B數(shù)據(jù)中總含有模式C大數(shù)據(jù)建模的價(jià)值在于預(yù)測(cè)的準(zhǔn)確率D預(yù)測(cè)提高了信息作用能力A聯(lián)機(jī)分析處理B機(jī)器學(xué)習(xí)C模式識(shí)別D分布式計(jì)算39、 數(shù)據(jù)可視化是關(guān)于數(shù)據(jù)（）表現(xiàn)形式的科學(xué)技術(shù)研究A聽(tīng)覺(jué)B嗅覺(jué)C感覺(jué)D視覺(jué)40、 數(shù)據(jù)可視化技術(shù)是指運(yùn)用計(jì)算機(jī)（）和圖像處理技術(shù)A語(yǔ)言B圖形學(xué)C程序D代碼41、 下列不屬于數(shù)據(jù)可視化技術(shù)特點(diǎn)的是（）A交互性B分析性C可視性D多維性42、 數(shù)據(jù)可視化流程中，操作控制所對(duì)應(yīng)的流程是（）A獲取

43、44454647、48495051、B分析C過(guò)濾D交互數(shù)據(jù)可視化流程中，清晰易讀所對(duì)應(yīng)的流程是（）A表述B交互C過(guò)濾D修飾數(shù)據(jù)可視化流程中，視覺(jué)模型所對(duì)應(yīng)的流程是（）A表述B分析C過(guò)濾D挖掘數(shù)據(jù)可視化流程中，統(tǒng)計(jì)辨析所對(duì)應(yīng)的流程是（）A獲取B分析C過(guò)濾D挖掘數(shù)據(jù)可視化技術(shù)的數(shù)據(jù)分析是指對(duì)（）數(shù)據(jù)進(jìn)行切片、塊、旋轉(zhuǎn)等動(dòng)作剖析數(shù)據(jù)A一維B圖片C影像D多維時(shí)間可視化是指通過(guò)時(shí)間的維度來(lái)查看事物值的變化情況，一般通過(guò)增加時(shí)間軸的形式，也就是（）圖A柱形B散點(diǎn)C圓環(huán)D趨勢(shì)（）圖適用于四維以上的多維數(shù)據(jù)，且每個(gè)維度必須可以排序A雷達(dá)B氣泡C散點(diǎn)D直方（）適用于三維數(shù)據(jù)集，并且其中有兩維數(shù)據(jù)需要比較A雷達(dá)B氣泡C散點(diǎn)D直方（）適合多個(gè)二維數(shù)據(jù)集的比較A雷達(dá)B氣泡C折線D散點(diǎn)下列屬于數(shù)據(jù)可視化工具特性的是（）

A實(shí)時(shí)性B更豐富的展現(xiàn)C多種數(shù)據(jù)集成支持方式D以上都是52、 下列可視化工具中的統(tǒng)計(jì)分析工具是（）ARBNodeBoxCProcessingDPolyMaps53、 下列可視化工具中的地圖工具是（）ARBNodeBoxCProcessingDOpenLayers54、 Nodebox是一個(gè)建立在（）語(yǔ)言基礎(chǔ)上的開(kāi)源圖形軟件APythonBC#CJavaDSQL55、 OpenGL是一個(gè)功能強(qiáng)大，調(diào)用方便的（）A圖標(biāo)格式B查詢開(kāi)發(fā)庫(kù)C計(jì)算機(jī)程序設(shè)計(jì)語(yǔ)言D圖形程序接口56、 下列不屬于Hadoop架構(gòu)核心內(nèi)容的是（）AHDFSBMapReduceCCommonDSpark57、 下列內(nèi)容中，不屬于Hadoop優(yōu)點(diǎn)的是（）A可擴(kuò)展B高成本C高效率D可靠58、 下列內(nèi)容中，不屬于Hadoop優(yōu)點(diǎn)的是（）A可擴(kuò)展B低成本C低效率D可靠59、 下列關(guān)于HDFS的說(shuō)法正確的是（）AHDFS是一個(gè)高度容錯(cuò)的系統(tǒng)BHDFS在高成本的通用硬件上運(yùn)行CHDFS不遵循文件的一致性模型DHDFS不適合帶有大型數(shù)據(jù)集的應(yīng)用程序60、 下列關(guān)于HDFS的說(shuō)法錯(cuò)誤的是（）AHDFS是一個(gè)高度容錯(cuò)的系統(tǒng)BHDFS在低成本的昂貴硬件上運(yùn)行CHDFS遵循文件的一致性模型DHDFS適合帶有大型數(shù)據(jù)集的應(yīng)用程序61、 HDFS系統(tǒng)能檢測(cè)和應(yīng)對(duì)硬件故障，用于在（）硬件上運(yùn)行A低成本、通用B高成本、通用C低成本、特殊D高成本、特殊62、 HDFS采用（）結(jié)構(gòu)模型A通用B主從C并行D串行63、 MapReduce中的Reduce對(duì)中間結(jié)果中（）的所有值進(jìn)行規(guī)約A所有鍵B相同鍵C不同鍵D中間鍵64、 MapReduce是一種（）模型A架構(gòu)B存儲(chǔ)C編程D優(yōu)化65、 YARN是一個(gè)資源管理系統(tǒng)，其基本設(shè)計(jì)思想是將MapReduce中的（）拆分成了兩個(gè)獨(dú)立的服務(wù)AResourceManagerBApplicationMasterCJobTrackerDApache66、 YARN中的ResourceManager負(fù)責(zé)（）系統(tǒng)的資源管理和分配，ApplicationMaster則負(fù)責(zé)（）應(yīng)用程序的管理。A整個(gè)、整個(gè)B單個(gè)、單個(gè)C整個(gè)、單個(gè)D單個(gè)、整個(gè)67、 下列有關(guān)Hive與關(guān)系型數(shù)據(jù)庫(kù)（RDBMS）的對(duì)比，說(shuō)法正確的是（）AHive查詢實(shí)時(shí)性強(qiáng)BRDBMS查詢實(shí)時(shí)性差CHive存儲(chǔ)文件系統(tǒng)是HDFSDHive與RDBMS都有索引68、 下列關(guān)于Hive的說(shuō)法錯(cuò)誤的是（）AHive是一個(gè)數(shù)據(jù)倉(cāng)庫(kù)工具BHive使用的計(jì)算模型是MapReduceCHive有專門(mén)的數(shù)據(jù)存儲(chǔ)格式DHive沒(méi)有為數(shù)據(jù)建立索引69、 下列關(guān)于Hive的說(shuō)法正確的是（）AHive是一個(gè)數(shù)據(jù)倉(cāng)庫(kù)工具BHive不提供類SQL查詢功能CHive有專門(mén)的數(shù)據(jù)存儲(chǔ)格式DHive有為數(shù)據(jù)建立索引70、 Hive最早是由Facebook設(shè)計(jì)，基于Hadoop的一個(gè)（）工具A關(guān)系數(shù)據(jù)庫(kù)B列數(shù)據(jù)庫(kù)C數(shù)據(jù)倉(cāng)庫(kù)D操作系統(tǒng)71、 下列有關(guān)HBase的說(shuō)法錯(cuò)誤的是（）AHBase是一個(gè)適合于存儲(chǔ)結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)庫(kù)BHBase是基于列而不是基于行的模式CHBase表示疏松的數(shù)據(jù)DHBase是一個(gè)開(kāi)源數(shù)據(jù)庫(kù)72、 下列有關(guān)HBase與Hive的關(guān)系說(shuō)法正確的是（）AHBase執(zhí)行效率不如HiveBHBase與Hive都用Hadoop作為底層存儲(chǔ)CHive是物理表DHBase是純邏輯表73、 HBase是一個(gè)分布式、面向（）的開(kāi)源數(shù)據(jù)庫(kù)A列B鍵值C網(wǎng)狀D二維表74、 下列屬于對(duì)大型數(shù)據(jù)集進(jìn)行分析和評(píng)估的平臺(tái)是（）AHBaseBAvroCChukwaDPig75、 下列用于監(jiān)控和分析大型分布式系統(tǒng)的平臺(tái)是（）AHBaseBAvroCChukwaDPig76、 Spark是一個(gè)（）的通用（）計(jì)算框架A開(kāi)源、并行分布式B開(kāi)源、并行集群式C不開(kāi)源、并行分布式D不開(kāi)源、并行集群式77、 以下關(guān)于Spark的說(shuō)法錯(cuò)誤的是（）ASpark不適用需要迭代的MapReduce算法BSpark基于MapReduce算法實(shí)現(xiàn)的分布式計(jì)算C彈性分布式數(shù)據(jù)集是Spark中最核心的模塊和類DSpark支持兩種分布式存儲(chǔ)系統(tǒng)：HDFS和AWSS3n78、 下列說(shuō)法中，不屬于Spark優(yōu)點(diǎn)的是（）A重量級(jí)快速處理B支持多語(yǔ)言C支持復(fù)雜查詢D實(shí)時(shí)的流處理79、 GFS是（）A一個(gè)可擴(kuò)展的分布式文件系統(tǒng)B一個(gè)開(kāi)放源碼的分布式應(yīng)用程序協(xié)調(diào)服務(wù)C建立在應(yīng)用層和傳輸層基礎(chǔ)上的安全協(xié)議D一種多范式的編程語(yǔ)言80、 下列關(guān)于HDFS異構(gòu)軟硬件平臺(tái)間的可移植性描述正確的是（）AHDFS適用低延遲數(shù)據(jù)訪問(wèn)BHDFS適用大量的小文件CHDFS適用多用戶寫(xiě)入修改文件DHDFS關(guān)注數(shù)據(jù)的吞吐量81、 關(guān)于對(duì)HDFS的設(shè)計(jì)目標(biāo)描述錯(cuò)誤的是（）AHDFS是一個(gè)高度容錯(cuò)性的系統(tǒng)BHDFS能提供較高的數(shù)據(jù)傳輸帶寬CHDFS上的一個(gè)典型文件大小一般都在KB至MBD運(yùn)行在HDFS上的應(yīng)用需要流式訪問(wèn)它們的數(shù)據(jù)集82、 下列關(guān)于HDFS架構(gòu)描述正確的是（）ADataNode是HDFS系統(tǒng)中的管理者BNameNode會(huì)定期將自己的負(fù)載情況通過(guò)心跳信息向NameNode匯報(bào)CDataNode是HDFS文件系統(tǒng)中保存數(shù)據(jù)的結(jié)點(diǎn)DClient是HDFS文件系統(tǒng)的管理者83、 HDFS的4類源代碼包括（）A基礎(chǔ)包、實(shí)體實(shí)現(xiàn)包、應(yīng)用包、WebHDFS相關(guān)包B基礎(chǔ)包、實(shí)體實(shí)現(xiàn)包、應(yīng)用包、數(shù)據(jù)挖掘包C基礎(chǔ)包、虛擬實(shí)現(xiàn)包、應(yīng)用包、數(shù)據(jù)挖掘包D基礎(chǔ)包、虛擬實(shí)現(xiàn)包、應(yīng)用包、WebHDFS相關(guān)包84、 Hadoop提供了一個(gè)統(tǒng)一的遠(yuǎn)程過(guò)程調(diào)用機(jī)制來(lái)處理通信，該遠(yuǎn)程過(guò)程調(diào)用機(jī)制稱為（）。ARPCBClientProtocolCBMPDInterDataNodeProtocol85、 下列關(guān)于HDFS和MapReduce的關(guān)系說(shuō)法錯(cuò)誤的是（）AMapReduce在集群上實(shí)現(xiàn)了分布式計(jì)算BHDFS在集群上實(shí)現(xiàn)了任務(wù)處理CHDFS在MapReduce任務(wù)處理過(guò)程中提供了對(duì)文件操作和存儲(chǔ)的支持DMapReduce在HDFS的基礎(chǔ)上實(shí)現(xiàn)任務(wù)的分發(fā)、跟蹤、執(zhí)行等工作，并收集結(jié)果86、 下列關(guān)于MapReduce技術(shù)特征的說(shuō)法錯(cuò)誤的是（）A易于使用B良好的伸縮性C分布式存儲(chǔ)D大規(guī)模數(shù)據(jù)處理87、 下列關(guān)于MapReduce工作機(jī)制的說(shuō)法錯(cuò)誤的是（）AMapReduce的實(shí)現(xiàn)采用了Master/Slave結(jié)構(gòu)BMapReduce的整個(gè)工作機(jī)制包含了2個(gè)獨(dú)立的實(shí)體CMapReduce將運(yùn)行作業(yè)所需要的資源文件復(fù)制到HDFS上DMapReduce在客戶端啟動(dòng)一個(gè)作業(yè)，在作業(yè)提交之前，需要對(duì)作業(yè)進(jìn)行配置88、 下列關(guān)于MapReduce執(zhí)行流程的說(shuō)法正確的是（）A向MapReduce框架提交一個(gè)計(jì)算作業(yè)時(shí)，它會(huì)首先將文件分配為多個(gè)數(shù)據(jù)片段BMap的數(shù)目通常是由輸入數(shù)據(jù)的多少?zèng)Q定的CReduce的輸入就是Map已經(jīng)排好序的輸入DReduce的數(shù)目建議是任務(wù)處理最小值與系數(shù)的乘積89、 Map（映射）和Reduce（化簡(jiǎn)）是MapReduce的主要思想，Map負(fù)責(zé)將數(shù)據(jù)（），Reduce負(fù)責(zé)對(duì)數(shù)據(jù)進(jìn)行（）A聚集、打散B打散、聚集C化簡(jiǎn)、打散D化簡(jiǎn)、聚集90、 下列MapReduce技術(shù)特征描述錯(cuò)誤的是（）A易于使用B良好的伸縮性C大規(guī)模數(shù)據(jù)處理D大規(guī)模文件存儲(chǔ)91、 關(guān)于MapReduce接口的說(shuō)法錯(cuò)誤的是（）AMapReduce接口模型位于應(yīng)用程序?qū)雍蚆apReduce執(zhí)行器之間BMapReduce接口可以把海量數(shù)據(jù)的計(jì)算人工并發(fā)和分布執(zhí)行CMapReduce工具層可以方便用戶編寫(xiě)復(fù)雜的MapReduce程序D實(shí)現(xiàn)Map和Reduce方法有4個(gè)參數(shù)，分別為Key、Value、OuputCollector和Reporter92、 Common為Hadoop的其他模塊提供了一些常用工具程序包，主要包括系統(tǒng)配置工具（）、遠(yuǎn)程過(guò)程調(diào)用（）、序列化機(jī)制和Hadoop抽象文件系統(tǒng)等。AFileSystem、RPCBconfiguration、RPCCFileSystem、configurationDRPC、configuration93、 （）是重復(fù)反饋過(guò)程的活動(dòng)，其目的通常是為了逼近所需目標(biāo)或結(jié)果A系統(tǒng)優(yōu)化B迭代C任務(wù)調(diào)度D排序算法94、 大數(shù)據(jù)的一致性策略CAP,即（）、Availability和PartitionToleranceAcentimetreBConsistencyCconcentrationDconnection95、 下列不屬于數(shù)據(jù)分區(qū)算法的是（）A范圍分區(qū)B列表分區(qū)C動(dòng)態(tài)分區(qū)D哈希分區(qū)96、 下列不屬于NoSQL數(shù)據(jù)庫(kù)種類的是（）A鍵值存儲(chǔ)B列存儲(chǔ)C關(guān)系存儲(chǔ)D圖形存儲(chǔ)97、 為解決海量數(shù)據(jù)的放置問(wèn)題，涌現(xiàn)了很多數(shù)據(jù)放置的算法，其中隨機(jī)放置策略通常是基于某一（）函數(shù)來(lái)實(shí)現(xiàn)對(duì)數(shù)據(jù)的放置的，A范圍B列表C動(dòng)態(tài)D哈希98、 以下關(guān)于大數(shù)據(jù)分布式緩存技術(shù)說(shuō)法正確的是（）A分布式緩存將普通U盤(pán)作為數(shù)據(jù)對(duì)象的存儲(chǔ)介質(zhì)B分布式緩存通過(guò)手工分配增加或減少結(jié)點(diǎn)應(yīng)對(duì)變化的數(shù)據(jù)訪問(wèn)負(fù)載C分布式緩存基于冗余機(jī)制實(shí)現(xiàn)高可用性，但不支持故障的自動(dòng)發(fā)現(xiàn)D分布式緩存提供單一的數(shù)據(jù)與管理視圖99、 Bigtable屬于哪一種類型NoSQL的典型產(chǎn)品A鍵值存儲(chǔ)B列存儲(chǔ)C文檔存儲(chǔ)D圖形存儲(chǔ)100、 列存儲(chǔ)是按列對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)的，在（）效率上有很大的提升A統(tǒng)計(jì)B數(shù)據(jù)分析C存儲(chǔ)D查詢101、 以下關(guān)于面向文檔存儲(chǔ)的描述正確的是（）A面向文檔的數(shù)據(jù)庫(kù)中存在表、行、列或關(guān)系B面向文檔數(shù)據(jù)庫(kù)是由一系列非自包含的文檔組成的C面向文檔數(shù)據(jù)庫(kù)中，文檔被看作是數(shù)據(jù)處理的基本單位。D面向文檔數(shù)據(jù)庫(kù)中，數(shù)據(jù)段被看作是數(shù)據(jù)處理的基本單位。102、 下列面向文檔存儲(chǔ)數(shù)據(jù)庫(kù)與傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)區(qū)別描述正確的是（）A文檔數(shù)據(jù)庫(kù)不支持?jǐn)?shù)據(jù)的共享B面向文檔數(shù)據(jù)庫(kù)不支持連接C文檔數(shù)據(jù)庫(kù)可以完全替代關(guān)系數(shù)據(jù)庫(kù)D博客適合使用關(guān)系數(shù)據(jù)庫(kù)103、 下列關(guān)于Bigtable描述正確的是（）ABigtable是一個(gè)分布式非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)系統(tǒng)BBigtable運(yùn)用按列存儲(chǔ)數(shù)據(jù)的方法CBigtable是一個(gè)開(kāi)源的系統(tǒng)DBigtable支持完整的關(guān)系數(shù)據(jù)模型104、 以下不屬于Bigtable數(shù)據(jù)庫(kù)特點(diǎn)的是（）A適合大規(guī)模海量數(shù)據(jù)，PB級(jí)數(shù)據(jù)B適用于廉價(jià)設(shè)備。C適合于讀操作，不適合寫(xiě)操作。D適用于傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)。105、 以下關(guān)于CouchDB數(shù)據(jù)管理系統(tǒng)的說(shuō)法正確的是（）ACouchDB是一個(gè)非開(kāi)源的面向文檔的數(shù)據(jù)管理系統(tǒng)BCouchDB提供了高可用性和高可靠性CCouchDB不可以安裝在Linux和MacOSX操作系統(tǒng)上DCouchDB是一個(gè)傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)106、 以下關(guān)于CouchDB特點(diǎn)描述錯(cuò)誤的是（）ACouchDB是分布式的數(shù)據(jù)庫(kù)BCouchDB是面向文檔的數(shù)據(jù)庫(kù)CCouchDB支持RESTfulAPIDCouchDB存儲(chǔ)結(jié)構(gòu)化的數(shù)據(jù)107、 以下關(guān)于CouchDB的工作原理說(shuō)法正確的是（）ACouchDB構(gòu)建在強(qiáng)大的B-樹(shù)引擎上BCouchDB的數(shù)據(jù)結(jié)構(gòu)具有固定模式CCouchDB的文檔更新模型是有鎖的DCouchDB與傳統(tǒng)的SQL相同108、 下列關(guān)于Neo4j的描述正確的是（）ANeo4j是一個(gè)高性能的NoSQL鍵值存儲(chǔ)數(shù)據(jù)庫(kù)BNeo4j將結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在表中CNeo4j可以被看作是一個(gè)高性能的圖引擎DNeo4j不具備大規(guī)?？蓴U(kuò)展性109、 （）是一個(gè)經(jīng)加密后形成的憑證文檔，包括文件的摘要Digest、收到文件的日期和時(shí)間及數(shù)字簽名三部分組成。A時(shí)間戳B原子性C并發(fā)鎖DB-樹(shù)110、 （）把任意長(zhǎng)度的輸入通過(guò)散列算法，變換成固定長(zhǎng)度的輸出A分區(qū)鍵BB-樹(shù)C哈希函數(shù)D并發(fā)鎖111、 （）是一套具有可擴(kuò)充能力的機(jī)器學(xué)習(xí)類庫(kù)APigBFlumeCZookeeperDMahout112、 （）是一個(gè)基于Hadoop并運(yùn)用MapReduce和HDFS實(shí)現(xiàn)大規(guī)模數(shù)據(jù)分析的平臺(tái)APigBFlumeCZookeeperDMahout113、 （）是一個(gè)高可用、高可靠性、分布式的海量日志采集、聚合和傳輸?shù)南到y(tǒng)APigBFlumeCZookeeperDMahout114、 SearchAPI是（）A應(yīng)用編程接口B搜索接口C商業(yè)智能D實(shí)時(shí)應(yīng)用集群115、 （）數(shù)據(jù)雜亂無(wú)章，同一主題的數(shù)據(jù)既可來(lái)自于同一網(wǎng)站眾多不同的網(wǎng)絡(luò)用戶，也可來(lái)自不同的網(wǎng)站A區(qū)域衛(wèi)生信息平臺(tái)B自我量化C醫(yī)院醫(yī)療大數(shù)據(jù)D網(wǎng)絡(luò)大數(shù)據(jù)116、 傳統(tǒng)意義上的數(shù)據(jù)分析主要針對(duì)（）數(shù)據(jù)展開(kāi)，且已經(jīng)形成了一整套行之有效的分析體系A(chǔ)半結(jié)構(gòu)化B關(guān)系C結(jié)構(gòu)化D非結(jié)構(gòu)化117、 人為因素可能導(dǎo)致?lián)?/p>