暨南大學(xué)《大型數(shù)據(jù)庫(kù)》2023-2024學(xué)年第一學(xué)期期末試卷

自覺遵守考場(chǎng)紀(jì)律如考試作弊此答卷無(wú)效密自覺遵守考場(chǎng)紀(jì)律如考試作弊此答卷無(wú)效密封線第1頁(yè)，共3頁(yè)暨南大學(xué)《大型數(shù)據(jù)庫(kù)》

2023-2024學(xué)年第一學(xué)期期末試卷院(系)_______班級(jí)_______學(xué)號(hào)_______姓名_______題號(hào)一二三四總分得分一、單選題（本大題共15個(gè)小題，每小題1分，共15分．在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的．）1、大數(shù)據(jù)在醫(yī)療健康領(lǐng)域的應(yīng)用包括疾病預(yù)測(cè)、醫(yī)療影像分析、健康管理等，以下關(guān)于大數(shù)據(jù)在醫(yī)療健康領(lǐng)域應(yīng)用的描述中，錯(cuò)誤的是（）。A.大數(shù)據(jù)可以用于疾病預(yù)測(cè)和預(yù)防，提高醫(yī)療服務(wù)的質(zhì)量和效率B.大數(shù)據(jù)可以用于醫(yī)療影像分析，提高診斷的準(zhǔn)確性和速度C.大數(shù)據(jù)可以用于健康管理，幫助人們更好地管理自己的健康D.大數(shù)據(jù)在醫(yī)療健康領(lǐng)域的應(yīng)用只局限于醫(yī)院內(nèi)部，不能與其他機(jī)構(gòu)進(jìn)行數(shù)據(jù)共享2、在大數(shù)據(jù)時(shí)代，數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市的概念仍然重要。假設(shè)一個(gè)企業(yè)需要為不同部門提供數(shù)據(jù)分析支持。以下關(guān)于數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市的選擇，正確的是：（）A.建立一個(gè)大型的數(shù)據(jù)倉(cāng)庫(kù)，所有部門共享使用B.為每個(gè)部門分別建立數(shù)據(jù)集市，滿足個(gè)性化需求C.先建立數(shù)據(jù)倉(cāng)庫(kù)，再根據(jù)部門需求從倉(cāng)庫(kù)中抽取數(shù)據(jù)建立數(shù)據(jù)集市D.數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市都不適合大數(shù)據(jù)環(huán)境，應(yīng)采用新的技術(shù)架構(gòu)3、在大數(shù)據(jù)存儲(chǔ)中，分布式存儲(chǔ)系統(tǒng)的節(jié)點(diǎn)之間通常通過(guò)網(wǎng)絡(luò)進(jìn)行通信。以下哪種網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)在數(shù)據(jù)傳輸效率和可靠性方面表現(xiàn)較好？（）A.星型拓?fù)銪.環(huán)形拓?fù)銫.總線拓?fù)銬.樹形拓?fù)?、在大數(shù)據(jù)應(yīng)用中，推薦系統(tǒng)被廣泛使用。如果一個(gè)推薦系統(tǒng)主要基于用戶的歷史購(gòu)買行為進(jìn)行推薦，這屬于哪種推薦方法？（）A.基于內(nèi)容的推薦B.協(xié)同過(guò)濾推薦C.基于知識(shí)的推薦D.混合推薦5、在大數(shù)據(jù)分析中，數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的結(jié)合越來(lái)越緊密。以下關(guān)于兩者結(jié)合的優(yōu)勢(shì)和應(yīng)用，哪項(xiàng)描述不準(zhǔn)確？（）A.數(shù)據(jù)挖掘可以為機(jī)器學(xué)習(xí)提供有價(jià)值的數(shù)據(jù)特征和預(yù)處理方法B.機(jī)器學(xué)習(xí)算法可以幫助數(shù)據(jù)挖掘發(fā)現(xiàn)更復(fù)雜和深入的模式C.兩者結(jié)合在欺詐檢測(cè)、市場(chǎng)細(xì)分和推薦系統(tǒng)等領(lǐng)域取得了顯著成果D.數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)是完全獨(dú)立的領(lǐng)域，沒有相互交叉和融合的部分6、大數(shù)據(jù)在物流領(lǐng)域有重要的應(yīng)用價(jià)值，以下關(guān)于大數(shù)據(jù)在物流中的應(yīng)用描述，哪一項(xiàng)是不正確的？（）A.可以優(yōu)化物流路徑規(guī)劃，降低運(yùn)輸成本B.有助于實(shí)現(xiàn)庫(kù)存的精準(zhǔn)管理和預(yù)測(cè)C.大數(shù)據(jù)在物流中的應(yīng)用主要依賴人工經(jīng)驗(yàn)，自動(dòng)化程度較低D.能夠?qū)崟r(shí)跟蹤貨物運(yùn)輸狀態(tài)，提高物流服務(wù)的透明度7、隨著大數(shù)據(jù)技術(shù)的發(fā)展，數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市的應(yīng)用越來(lái)越廣泛。對(duì)于一個(gè)大型企業(yè)來(lái)說(shuō)，以下關(guān)于數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市的描述，哪一項(xiàng)是不準(zhǔn)確的？（）A.數(shù)據(jù)倉(cāng)庫(kù)通常存儲(chǔ)整個(gè)企業(yè)的歷史數(shù)據(jù)，數(shù)據(jù)集市則側(cè)重于特定部門或主題的數(shù)據(jù)B.數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)更新頻率相對(duì)較低，而數(shù)據(jù)集市的數(shù)據(jù)更新可能更頻繁C.數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)成本通常高于數(shù)據(jù)集市，但其數(shù)據(jù)質(zhì)量和一致性更有保障D.數(shù)據(jù)集市可以獨(dú)立于數(shù)據(jù)倉(cāng)庫(kù)存在，不需要從數(shù)據(jù)倉(cāng)庫(kù)獲取數(shù)據(jù)8、對(duì)于一個(gè)需要進(jìn)行實(shí)時(shí)數(shù)據(jù)分析和可視化的大數(shù)據(jù)應(yīng)用，以下哪種技術(shù)組合通常是最佳選擇？（）A.Spark+Kafka+FlinkB.Hadoop+Hive+MySQLC.Spark+HBase+RedisD.Kafka+MongoDB+TensorFlow9、在大數(shù)據(jù)存儲(chǔ)中，分布式數(shù)據(jù)庫(kù)系統(tǒng)具有很多優(yōu)點(diǎn)。假設(shè)一個(gè)應(yīng)用需要處理高并發(fā)的讀寫請(qǐng)求，并且數(shù)據(jù)量巨大。以下哪種分布式數(shù)據(jù)庫(kù)系統(tǒng)可能是合適的選擇？（）A.MySQLClusterB.TiDBC.CockroachDBD.Alloftheabove（以上皆是）10、在大數(shù)據(jù)的數(shù)據(jù)庫(kù)選擇中，NoSQL數(shù)據(jù)庫(kù)因其靈活的數(shù)據(jù)模型而受到關(guān)注。假設(shè)一個(gè)應(yīng)用需要存儲(chǔ)大量的非結(jié)構(gòu)化數(shù)據(jù)，并且對(duì)數(shù)據(jù)的讀寫性能要求較高。以下哪種NoSQL數(shù)據(jù)庫(kù)最適合？（）A.文檔數(shù)據(jù)庫(kù)B.鍵值數(shù)據(jù)庫(kù)C.列族數(shù)據(jù)庫(kù)D.圖數(shù)據(jù)庫(kù)11、在大數(shù)據(jù)處理框架中，Spark支持多種數(shù)據(jù)源的讀取和寫入。假設(shè)有一個(gè)需求是從關(guān)系型數(shù)據(jù)庫(kù)中讀取數(shù)據(jù)，并在Spark中進(jìn)行處理。以下哪種方式是可行的？（）A.使用JDBC連接數(shù)據(jù)庫(kù)讀取數(shù)據(jù)B.將數(shù)據(jù)庫(kù)中的數(shù)據(jù)導(dǎo)出為CSV文件，再由Spark讀取C.使用ODBC連接數(shù)據(jù)庫(kù)讀取數(shù)據(jù)D.Alloftheabove（以上皆是）12、在大數(shù)據(jù)處理框架中，Hadoop和Spark都有廣泛的應(yīng)用。假設(shè)一個(gè)企業(yè)需要處理大量的歷史數(shù)據(jù)，并進(jìn)行復(fù)雜的數(shù)據(jù)分析和機(jī)器學(xué)習(xí)任務(wù)。以下關(guān)于Hadoop和Spark的特點(diǎn)和適用場(chǎng)景，哪一項(xiàng)是錯(cuò)誤的？（）A.Hadoop適合處理大規(guī)模的靜態(tài)數(shù)據(jù)，批處理任務(wù)B.Spark適合處理實(shí)時(shí)流數(shù)據(jù)，迭代計(jì)算和交互式查詢C.Hadoop的計(jì)算速度通常比Spark快，尤其對(duì)于小數(shù)據(jù)量的計(jì)算D.Spark可以在內(nèi)存中進(jìn)行計(jì)算，提高了數(shù)據(jù)處理的效率13、在大數(shù)據(jù)存儲(chǔ)中，分布式存儲(chǔ)系統(tǒng)具有高可靠性和高擴(kuò)展性。以下關(guān)于分布式存儲(chǔ)系統(tǒng)的描述，不正確的是（）A.數(shù)據(jù)被分散存儲(chǔ)在多個(gè)節(jié)點(diǎn)上，提高了數(shù)據(jù)的安全性B.節(jié)點(diǎn)之間通過(guò)網(wǎng)絡(luò)進(jìn)行通信和數(shù)據(jù)同步C.當(dāng)某個(gè)節(jié)點(diǎn)出現(xiàn)故障時(shí)，系統(tǒng)能夠自動(dòng)恢復(fù)數(shù)據(jù)，不會(huì)造成數(shù)據(jù)丟失D.分布式存儲(chǔ)系統(tǒng)的性能不受節(jié)點(diǎn)數(shù)量的影響14、在大數(shù)據(jù)存儲(chǔ)系統(tǒng)中，為了提高數(shù)據(jù)的訪問(wèn)速度，通常會(huì)使用緩存技術(shù)。以下關(guān)于緩存策略的描述，正確的是？（）A.最近最少使用（LRU）策略總是最優(yōu)的B.先進(jìn)先出（FIFO）策略適用于數(shù)據(jù)訪問(wèn)模式穩(wěn)定的情況C.隨機(jī)替換策略在所有情況下性能最差D.緩存策略的選擇取決于數(shù)據(jù)的訪問(wèn)模式15、當(dāng)處理大數(shù)據(jù)中的文本數(shù)據(jù)時(shí)，自然語(yǔ)言處理技術(shù)經(jīng)常被應(yīng)用。假設(shè)要從大量的新聞文章中提取關(guān)鍵信息和主題。以下哪種自然語(yǔ)言處理技術(shù)最適合這個(gè)任務(wù)？（）A.詞法分析B.句法分析C.語(yǔ)義理解D.文本分類二、簡(jiǎn)答題（本大題共4個(gè)小題，共20分)1、（本題5分）說(shuō)明大數(shù)據(jù)在企業(yè)文化建設(shè)中的應(yīng)用。2、（本題5分）說(shuō)明大數(shù)據(jù)在游戲作弊檢測(cè)中的應(yīng)用。3、（本題5分）解釋大數(shù)據(jù)在旅游目的地營(yíng)銷中的應(yīng)用。4、（本題5分）簡(jiǎn)述大數(shù)據(jù)在氣象數(shù)據(jù)融合中的作用。三、編程題（本大題共5個(gè)小題，共25分)1、（本題5分）使用Hive對(duì)一個(gè)大規(guī)模的用戶瀏覽商品圖片數(shù)據(jù)集進(jìn)行圖像特征提取和分類。2、（本題5分）利用Kafka，構(gòu)建一個(gè)分布式的智能推薦系統(tǒng)，根據(jù)用戶的實(shí)時(shí)行為數(shù)據(jù)提供實(shí)時(shí)的個(gè)性化推薦。3、（本題5分）基于Storm，實(shí)現(xiàn)一個(gè)實(shí)時(shí)的物流配送數(shù)據(jù)處理程序，跟蹤貨物的運(yùn)輸狀態(tài)，計(jì)算每個(gè)運(yùn)輸批次的預(yù)計(jì)到達(dá)時(shí)間和實(shí)際到達(dá)時(shí)間的偏差。4、（本題5分）使用Python語(yǔ)言和Storm實(shí)時(shí)處理框架，處理實(shí)時(shí)的股票交易數(shù)據(jù)流，計(jì)算每只股票的每分鐘成交量和成交金額，并將結(jié)果實(shí)時(shí)展示。5、（本題5分）用Python編寫一個(gè)程序，使用Hadoop生態(tài)系統(tǒng)中的SparkSQL對(duì)大規(guī)模的用戶消費(fèi)行為數(shù)據(jù)進(jìn)行分析，找出用戶的消費(fèi)偏好和消費(fèi)習(xí)慣。四、綜合分析題（本大題共4個(gè)小題，共40分)1、（本題10分）綜合研究大