2025 睿抗 CAIP 大数据应用开发赛项省赛真题

• 满分： 210
• 及格分： 126

单选题

题目 1

ECharts 中，若要配置图表提示框（Tooltip）的显示内容和样式，应修改以下哪个属性？

• A. tooltip
• B. legend
• C. xAxis
• D. yAxis

题目 2

Spark 中用于创建弹性分布式数据集（RDD）的核心方法是？

• A. collect
• B. parallelize
• C. filter
• D. map

题目 3

在基于国产操作系统环境下搭建大数据平台的容器环境时，以下哪个工具常用于容器化部署与管理？

• A. Docker
• B. Tomcat
• C. Nginx
• D. Maven

题目 4

在 Hive 数据仓库中，某分析师创建了一个分区表用于存储不同地区的销售数据。随着数据量增长，查询特定地区数据时速度变得极慢。已知表的分区字段为 “地区”，以下优化方案合理的是

• A. 将静态分区改为动态分区
• B. 对表进行桶分区，桶字段设置为 “销售金额”
• C. 增加分区字段，采用复合分区，新增 “销售时间” 作为分区字段
• D. 删除分区，将数据存储为非分区表

题目 5

Docker 中用于创建容器的命令是？

• A. docker run
• B. docker create
• C. docker start
• D. docker stop

题目 6

以下哪种机器学习算法不属于监督学习？

• A. 决策树
• B. 支持向量机
• C. 聚类算法
• D. 线性回归

题目 7

在 Redis 缓存应用中，某电商网站将热门商品信息存储在 Redis 中。当商品库存发生变化时，需要及时更新 Redis 中的数据。以下更新策略最合适的是

• A. 定时批量更新 Redis 中的商品库存数据
• B. 在商品库存数据写入数据库后，立即同步更新 Redis 中的数据
• C. 在用户查询商品时，检查数据库和 Redis 数据一致性，不一致则更新 Redis
• D. 不主动更新 Redis 数据，当 Redis 数据过期后，从数据库重新加载

题目 8

在数据可视化中，使用 Vue.js 开发数据可视化页面时，若要实现页面组件的动态加载，应使用以下哪种技术？

• A. Vue Router
• B. Vuex
• C. 动态 import
• D. 过滤器（Filter）

题目 9

在大数据技术的综合分析中，撰写技术分析报告时，不应该包含的内容是

• A. 数据处理流程与算法介绍
• B. 实验结果与性能评估
• C. 个人生活经历
• D. 技术难点与解决方案

题目 10

某互联网公司使用 Kafka 作为消息队列处理用户行为数据，消费者组消费速度逐渐跟不上生产者生产速度，导致消息积压严重。在排除生产者生产异常的情况下，以下对该问题的分析及解决方案正确的是

• A. 分析：消费者组的消费者实例数量过少；解决方案：增加消费者组中的消费者实例数量
• B. 分析：Kafka 分区数量过多，导致消费者处理效率降低；解决方案：减少 Kafka 分区数量
• C. 分析：消费者的消费线程数设置过高，导致资源浪费；解决方案：降低消费者的消费线程数
• D. 分析：Kafka 的消息保留时间设置过长，占用大量磁盘空间；解决方案：缩短消息保留时间

题目 11

在 Hive 数据仓库中，以下哪种分区方式是根据数据的某一列值进行分区存储？

• A. 静态分区
• B. 动态分区
• C. 桶分区
• D. 复合分区

题目 12

在实时计算中，Flink 平台的流式处理模型具有的特点是

• A. 只能处理有界数据流
• B. 仅支持批处理
• C. 能够处理无界数据流，具有低延迟、高吞吐等特性
• D. 不支持事件时间处理

题目 13

在国产操作系统容器环境中搭建 Hadoop 大数据平台时，Hadoop 配置文件中用于指定 HDFS 副本数的参数是

• A. dfs.replication
• B. mapreduce.job.reduces
• C. yarn.nodemanager.resource.memory-mb
• D. fs.defaultFS

题目 14

某物联网企业采用 Flink 进行实时数据处理，结合 Kafka 采集设备数据。在运行过程中，发现 Flink 作业的反压现象严重，导致数据处理延迟不断增加。经过排查，Kafka 端数据生产速度正常，Flink 作业的并行度设置也合理。进一步分析可知，问题出在 Flink 作业内部数据处理逻辑上。以下哪项分析及解决措施最为合理？

• A. 分析：窗口聚合操作过于复杂，导致数据处理速度跟不上数据输入速度；解决措施：简化窗口聚合逻辑，减少不必要的计算
• B. 分析：Flink 作业的 Checkpoint 间隔设置过短，频繁触发 Checkpoint 影响数据处理；解决措施：增大 Checkpoint 间隔
• C. 分析：Flink 作业与 Kafka 的连接不稳定，存在数据传输中断；解决措施：优化网络连接，增加重连机制
• D. 分析：Flink 作业的状态后端存储性能不足；解决措施：更换高性能的状态后端存储

题目 15

数据挖掘中，以下哪个是用于评估聚类算法效果的常用指标？

• A. 准确率
• B. 召回率
• C. 轮廓系数
• D. F1 值

题目 16

以下关于 Redis 的描述，错误的是

• A. Redis 是一个基于内存的高性能键值对数据库
• B. Redis 不支持数据持久化
• C. Redis 可以用作缓存数据库
• D. Redis 支持多种数据结构

题目 17

某企业使用 Hive 构建数据仓库处理销售数据，在执行复杂的多表关联查询时，查询耗时极长。已知表数据量较大，且表之间存在多种关联关系。以下对查询效率低的原因分析及优化策略错误的是

• A. 原因：未对关联字段建立索引；优化策略：对关联字段创建索引
• B. 原因：数据倾斜严重，部分关联操作数据量过大；优化策略：使用分桶表或调整关联顺序
• C. 原因：Hive 采用 MapReduce 作为计算引擎，性能本身有限；优化策略：更换为 Spark 作为计算引擎
• D. 原因：查询语句编写不规范，存在冗余操作；优化策略：优化查询语句，减少不必要的计算

题目 18

关于 Hadoop 平台，以下说法正确的是

• A. Hadoop 仅支持 Java 语言进行开发
• B. HDFS 是 Hadoop 的分布式文件系统，不具备容错能力
• C. MapReduce 是 Hadoop 的计算模型，适用于离线数据处理
• D. Hadoop 无法处理大规模数据集

题目 19

在 Redis 中，以下哪种数据结构适用于实现消息队列，并且支持阻塞式读取操作？

• A. String
• B. Hash
• C. List
• D. Set

题目 20

关于 Spark Streaming，以下说法正确的是

• A. Spark Streaming 只能处理实时数据流，不能处理离线数据
• B. Spark Streaming 采用微批次处理模型，将实时数据流分割为小的批次进行处理
• C. Spark Streaming 不支持与其他 Spark 组件（如 Spark SQL）集成
• D. Spark Streaming 处理实时数据的延迟比 Flink 更高

题目 21

Kafka 集群中，负责维护主题（Topic）分区副本状态，并在主副本故障时进行选举新主副本的组件是？

• A. Broker
• B. Zookeeper
• C. Producer
• D. Consumer

题目 22

当使用 Hive 进行数据查询时，若要查询表中某列的非空值数量，应使用以下哪个函数？

• A. COUNT ()
• B. COUNT(col_name)
• C. SUM(col_name)
• D. AVG(col_name)

题目 23

以下哪种常见的机器学习分类算法是基于概率统计的？

• A. 决策树
• B. 支持向量机
• C. 朴素贝叶斯
• D. K - 近邻算法

题目 24

在大数据平台搭建中，若要实现容器的资源隔离与限制，以下哪种技术常用于 Docker 容器？

• A. cgroups（控制组）
• B. SELinux（安全增强型 Linux）
• C. iptables（防火墙）
• D. NFS（网络文件系统）

题目 25

在数据挖掘中，K - Means 聚类算法的核心步骤不包括

• A. 初始化聚类中心
• B. 计算数据点到聚类中心的距离
• C. 根据距离重新分配数据点到聚类中心
• D. 计算数据点之间的相关系数

题目 26

在 Hive 中，用于创建表的语句关键字是？

• A. CREATE TABLE
• B. ALTER TABLE
• C. DROP TABLE
• D. SELECT TABLE

题目 27

在 Kafka 集群中，某消费者组中有多个消费者实例。当一个新的消费者实例加入该消费者组时，会发生

• A. 该消费者实例会重新消费所有已存在的消息
• B. Kafka 会重新进行分区分配，部分消费者实例的消费分区会发生变化
• C. 新消费者实例不会影响其他消费者实例的消费，独立消费新消息
• D. 所有消费者实例会暂停消费，等待新消费者实例初始化完成

题目 28

以下关于 MySQL 在大数据场景中的应用，说法错误的是

• A. MySQL 适合存储结构化数据
• B. 当数据量过大时，MySQL 可通过分库分表提高性能
• C. MySQL 完全不适合大数据实时计算场景
• D. MySQL 可以作为大数据分析结果的存储数据库

题目 29

在国产操作系统环境下搭建大数据平台时，常用来管理容器编排的工具是？

• A. Docker
• B. Kubernetes
• C. Jenkins
• D. Git

题目 30

措施评估题：针对大数据平台中数据挖掘模型训练时间过长的问题，以下优化措施中，效果最差的是

• A. 对训练数据进行特征选择，去除冗余特征
• B. 采用分布式计算框架，如 Spark，并行训练模型
• C. 增加训练数据的样本数量
• D. 优化模型算法，选择更高效的实现方式

题目 31

在大数据平台搭建中，使用 Docker 部署 Hadoop、Spark 等组件。启动容器后，发现 Hadoop 的 NameNode 无法正常启动，报错显示端口被占用。经检查，主机上确实存在其他服务占用了 NameNode 的默认端口。以下关于解决该问题的分析正确的是

• A. 直接停止占用端口的服务，无需其他操作
• B. 修改 Hadoop 配置文件中 NameNode 的端口号，重新启动容器
• C. 重新选择其他主机部署 Hadoop 组件
• D. 调整 Docker 容器的网络模式，避免端口冲突

题目 32

某数据可视化团队使用 Vue.js 和 ECharts 开发销售数据可视化页面。在展示年度销售趋势折线图时，发现图表数据更新不及时，存在延迟。已知数据接口返回数据正常，以下优化措施正确的是

• A. 增加 ECharts 图表的渲染层级
• B. 使用 Vue 的 watch 监听数据变化，数据更新时重新渲染 ECharts 图表
• C. 更换更高效的 ECharts 图表类型
• D. 增加页面的 CSS 样式复杂度，提升页面美观度

题目 33

在 Hive 中对一张包含海量用户数据的表进行查询，查询条件涉及多个字段的过滤和聚合操作。为提高查询性能，以下操作不合理的是

• A. 对查询涉及的字段建立索引
• B. 启用 Hive 的并行查询功能
• C. 将大表进行分区和分桶
• D. 增加 Hive 客户端的内存分配

题目 34

某数据挖掘团队使用决策树算法对客户信用风险进行分类预测，在训练模型时发现，模型在训练集上准确率高达 98%，但在测试集上准确率仅为 60%。以下最可能导致该问题的原因是

• A. 训练数据量过少
• B. 决策树未进行剪枝操作，导致过拟合
• C. 测试数据与训练数据分布不一致
• D. 特征选择不合理，遗漏重要特征

题目 35

在大数据实时计算场景中，Flink 作业需要从 Kafka 读取数据，经过复杂的实时计算后，将结果写入 MySQL 数据库。运行一段时间后，发现 MySQL 数据库写入速度逐渐变慢，最终导致 Flink 作业反压。在 Kafka 数据输入正常的情况下，以下分析及解决措施正确的是

• A. 分析：Flink 作业写入 MySQL 的并行度设置过高，超过数据库承受能力；解决措施：降低 Flink 作业写入 MySQL 的并行度
• B. 分析：MySQL 数据库未进行优化，索引缺失或表结构不合理；解决措施：对 MySQL 数据库进行优化，添加必要索引，调整表结构
• C. 分析：Flink 作业的计算逻辑过于复杂，导致输出数据量过大；解决措施：简化 Flink 作业的计算逻辑
• D. 分析：Kafka 与 Flink 之间的数据传输存在延迟；解决措施：优化 Kafka 与 Flink 之间的连接

题目 36

假设某数据挖掘任务中使用 K - Means 算法进行聚类，设定聚类数 K=3，初始随机选择的三个聚类中心分别为 C1(1,1)，C2(5,5)，C3(10,10)。现有一个数据点 P(3,3)，根据欧几里得距离公式 ，该数据点会被划分到哪个聚类中心所在的簇？

• A. C1
• B. C2
• C. C3
• D. 无法确定

题目 37

对于一个简单的线性回归模型 y=ax+b，已知数据点 (1,3)，(2,5)，(3,7)，使用最小二乘法计算得到 a=2，b=1。现在有一个新的数据点 x=4，预测其对应的 y 值是多少？

• A. 7
• B. 8
• C. 9
• D. 10

题目 38

场景匹配题：将下列大数据应用场景与对应的最佳技术方案进行匹配，正确的是（ ） 场景 描述 可选项 场景一 对电商平台用户的历史购买数据进行深度分析，挖掘用户购买偏好，用于精准推荐 ① 使用 Flink + Kafka 实现实时数据处理与传输 场景二 实时采集物联网设备产生的海量数据，并进行实时分析，及时发现设备异常 ② 使用 Hadoop + Hive 构建数据仓库进行离线分析 场景三 构建一个支持高并发读写的用户行为日志存储系统，用于后续的数据分析 ③ 使用 Redis 作为缓存数据库，MySQL 存储全量数据

• A. 场景一 - ①，场景二 - ②，场景三 - ③
• B. 场景一 - ②，场景二 - ①，场景三 - ③
• C. 场景一 - ③，场景二 - ①，场景三 - ②
• D. 场景一 - ②，场景二 - ③，场景三 - ①

题目 39

某银行利用大数据技术进行客户信用评估，使用逻辑回归算法构建评估模型。在模型训练过程中，发现模型收敛速度极慢，迭代多次后损失函数仍未达到理想值。以下对该问题的分析及改进措施错误的是

• A. 分析：数据未进行归一化处理，特征值范围差异大影响模型收敛；改进措施：对数据进行归一化处理
• B. 分析：学习率设置过大，导致模型在迭代过程中无法准确找到最优解；改进措施：降低学习率
• C. 分析：逻辑回归算法本身不适合处理客户信用评估数据；改进措施：更换为神经网络算法
• D. 分析：训练数据存在噪声或异常值，干扰模型训练；改进措施：对数据进行清洗，去除噪声和异常值

题目 40

在 Flink 中对一个实时数据流进行窗口计算，设置滚动窗口大小为 5 分钟，每 1 分钟统计一次窗口内数据的总和。假设在某一时刻，窗口内接收到的数据分别为 10、15、20、25、30（单位：秒），那么该窗口此次统计的总和是多少？

• A. 100
• B. 150
• C. 200
• D. 250

题目 41

Redis 支持的数据结构不包括以下哪一个？

• A. 数组
• B. 字符串
• C. 哈希
• D. 有序集合

题目 42

在数据可视化项目中，使用 Vue.js 和 ECharts 展示数据。页面加载时，ECharts 图表闪烁且数据显示不完整。经检查，数据接口返回数据正常，网络连接稳定。以下对该问题的分析及解决方法合理的是

• A. 分析：ECharts 图表初始化代码位置错误，在数据未完全加载时就进行渲染；解决方法：将图表初始化代码放在数据加载完成的回调函数中
• B. 分析：Vue.js 组件的生命周期函数调用混乱；解决方法：重新梳理组件生命周期函数，确保数据加载和图表渲染顺序正确
• C. 分析：ECharts 版本过低，存在兼容性问题；解决方法：升级 ECharts 到最新版本
• D. 分析：浏览器缓存导致图表显示异常；解决方法：清除浏览器缓存

题目 43

某大数据平台采用 Docker 容器部署服务，在高并发请求场景下，部分容器出现资源争抢导致服务响应缓慢。为优化资源分配，应如何调整 Docker 容器的 cgroups 设置？

• A. 增加所有容器的 CPU 份额，提高整体处理能力
• B. 根据服务重要性和资源需求，为不同容器设置合理的 CPU、内存等资源限制和份额
• C. 减少容器的内存限制，让容器可以占用更多内存
• D. 关闭 cgroups 资源限制，让容器自由竞争资源

题目 44

在数据可视化中，基于 Vue.js 前端框架和 REST 风格的数据接口，使用 JavaScript 语言绘制图表时，以下哪个库常用于数据可视化展示？

• A. React
• B. jQuery
• C. ECharts
• D. Bootstrap

题目 45

以下关于 Hadoop 生态组件功能匹配正确的是？

• A. HBase - 分布式列式数据库，适合海量结构化数据随机读写
• B. Pig - 基于内存的计算框架，用于快速数据处理
• C. Hive - 分布式消息队列，实现数据高效传输
• D. Sqoop - 用于数据可视化展示，提供丰富图表类型

题目 46

下列哪项是 Spark Streaming 处理数据的最小时间单位？

• A. 批次（Batch）
• B. 窗口（Window）
• C. 事件（Event）
• D. 分区（Partition）

题目 47

Scala 语言中定义函数的关键字是？

• A. function
• B. def
• C. func
• D. define

题目 48

案例分析题：某制造企业搭建大数据平台用于分析生产设备运行数据，在容器环境中部署了 Hadoop、Spark 等组件。运行一段时间后，技术人员发现 Hadoop 的 MapReduce 任务执行效率越来越低，经检查发现 YARN 资源调度存在瓶颈。以下优化措施中，最合理的组合是（ ） ① 调整 yarn.scheduler.minimum - allocation - mb 和 yarn.scheduler.maximum - allocation - mb 参数，优化内存分配 ② 增加 Hadoop 集群的节点数量，扩充硬件资源 ③ 启用 YARN 的公平调度器，根据任务优先级分配资源 ④ 减少 Spark 应用程序的并行度，降低资源竞争

• A. ①②③
• B. ①②④
• C. ①③④
• D. ②③④

题目 49

以下关于 Flume 的 Channel 组件，说法正确的是

• A. Memory Channel 数据存储在内存中，不会丢失数据
• B. File Channel 数据存储在磁盘上，可靠性较低
• C. JDBC Channel 可直接将数据存储到关系型数据库中
• D. Kafka Channel 可以将数据直接发送到 Kafka 主题中

题目 50

某数据挖掘团队使用随机森林算法对客户流失数据进行分析，模型在训练集上的准确率达到 90%，但在测试集上准确率仅为 65%，模型出现明显的过拟合现象。以下对过拟合原因分析及改进措施正确的是

• A. 原因：树的数量过多，模型过于复杂；改进措施：减少随机森林中树的数量
• B. 原因：训练数据特征维度太高，存在噪声；改进措施：进行特征选择，去除冗余和噪声特征
• C. 原因：未对数据进行标准化处理；改进措施：对训练和测试数据进行标准化
• D. 原因：随机森林算法本身不适合处理客户流失数据；改进措施：更换为支持向量机算法

多选题

题目 1

以下哪些工具可以用于大数据的实时分析

• A. Flink，支持高吞吐、低延迟的实时计算
• B. Spark Streaming，通过微批次处理实现实时分析
• C. Hive，主要用于离线数据处理，不支持实时分析
• D. Kafka Streams，可在 Kafka 内部进行流处理，实现实时分析

题目 2

数据仓库与数据库的差异体现在

• A. 数据仓库用于数据分析，数据库用于事务处理
• B. 数据仓库数据更新频繁，数据库相对稳定
• C. 数据仓库采用维度建模，数据库遵循范式设计
• D. 数据仓库存储历史集成数据，数据库存储当前实时数据

题目 3

Redis 中，以下数据结构适合用于缓存热门商品信息的是

• A. String，可存储商品基本信息的字符串
• B. Hash，适合存储商品详细属性的键值对集合
• C. List，用于按热度顺序存储商品 ID 列表
• D. Set，可实现商品去重及快速查找

题目 4

关于 MySQL 数据库查询效率与索引的关系，以下说法正确的是

• A. 对查询字段创建索引可能减少扫描记录数
• B. 若查询语句执行时间与扫描记录数成正比，减少记录数可缩短时间
• C. 索引创建后一定能提高查询效率（需考虑索引维护成本等）
• D. 统计特定条件数据时，合适的索引可加快查询速度

题目 5

关于数据仓库的分层架构，常见的层次有

• A. 原始数据层（ODS），直接存储从数据源抽取的原始数据
• B. 数据仓库层（DW），对原始数据进行清洗、转换和集成
• C. 数据集市层（DM），针对特定业务需求，提供定制化的数据服务
• D. 应用层（APP），为前端应用提供数据支持，直接从原始数据层获取数据

题目 6

以下对 Spark SQL 的描述，准确的有

• A. 支持将 SQL 语句转换为 Spark 作业执行，实现对结构化数据的处理
• B. 可以操作多种数据源，如 Parquet、JSON、JDBC 数据源等
• C. 通过 Catalyst 优化器对 SQL 进行优化，提高执行效率
• D. 只能在 Scala 语言环境下使用，不支持 Java 和 Python

题目 7

云计算为大数据处理提供的支持有

• A. 弹性计算资源，按需分配和扩展
• B. 分布式存储，存储海量数据
• C. 数据安全防护，保障数据安全
• D. 数据可视化模板，直接生成图表

题目 8

以下关于 Docker 镜像和容器的关系，描述正确的是

• A. 镜像是容器的模板，容器基于镜像创建
• B. 一个镜像可以创建多个容器实例
• C. 容器运行时的修改不会影响镜像，除非提交更改
• D. 镜像删除后，基于该镜像创建的容器将无法运行

题目 9

数据挖掘的数据预处理环节包括

• A. 数据清洗，处理缺失值、异常值和重复值
• B. 数据集成，合并不同数据源的数据
• C. 数据转换，进行归一化、标准化等操作
• D. 数据加密，保护数据安全

题目 10

关于 Zookeeper 在分布式系统中的作用，正确的是

• A. 实现分布式锁，保证多个节点对共享资源的互斥访问
• B. 进行服务注册与发现，帮助客户端找到可用的服务节点
• C. 维护配置信息，当配置发生变化时通知相关节点
• D. 替代数据库存储业务数据，提高数据读写性能

题目 11

在 Vue.js 开发中，组件间通信的方式有

• A. props 和 $emit，用于父子组件之间的通信
• B. Vuex，实现多组件之间的状态共享和管理
• C. eventBus（事件总线），可用于非父子组件之间的通信
• D. a t t r s 和 listeners，方便组件的嵌套通信

题目 12

Flink 与 Spark Streaming 的区别在于

• A. Flink 是流式处理，Spark Streaming 是微批次处理
• B. Flink 窗口操作支持事件时间语义，更灵活
• C. Spark Streaming 状态管理能力优于 Flink
• D. Flink 容错基于检查点，Spark Streaming 则不同

题目 13

Docker 容器技术的优势包括

• A. 资源隔离，实现容器间资源限制和独立运行
• B. 环境一致性，保证应用在不同环境的运行一致性
• C. 快速部署，可快速创建、启动和删除容器
• D. 性能远超物理机，提供更强大的计算能力

题目 14

在 Hive 中进行数据查询优化，可采取的措施有

• A. 对频繁查询的字段建立索引，加快查询速度
• B. 根据数据特点合理使用分区表，减少数据扫描范围
• C. 避免使用 JOIN 操作，防止降低查询性能
• D. 优化 GROUP BY 操作，结合分桶技术提升聚合效率

题目 15

以下哪些场景适合使用大数据技术

• A. 电商平台分析用户购买行为，进行精准营销
• B. 医疗行业处理大量的病历数据，辅助疾病诊断和研究
• C. 个人电脑存储和处理少量的家庭照片和视频
• D. 交通部门分析交通流量数据，优化交通管理

题目 16

关于 Spark 的 RDD，下列理解正确的有

• A. RDD 是弹性分布式数据集，具备分区特性以实现数据并行处理
• B. RDD 的转换操作是惰性求值，只有遇到行动操作才会触发计算
• C. 缓存 RDD 到内存时，无需考虑内存容量，不会出现内存溢出
• D. RDD 的血统关系用于容错，能在数据丢失时重新计算恢复数据

题目 17

Hadoop HA 架构中，实现高可用的关键组件有

• A. Zookeeper，用于 NameNode 主备选举
• B. Quorum Journal Manager，保证主备 NameNode 数据一致
• C. DataNode，存储数据块并参与主备切换
• D. YARN，负责资源调度和任务分配

题目 18

关于 Kafka 的 Topic 和 Partition，下列理解正确的是

• A. Topic 是消息的逻辑分类，一个 Topic 可包含多个 Partition
• B. Partition 实现了消息的分区存储，提高并发处理能力
• C. 消费者组消费 Topic 时，一个 Partition 可以被多个消费者同时消费
• D. Partition 的数量在创建 Topic 时确定，后期不可更改

题目 19

在 ECharts 中，配置图表时可设置的交互功能有

• A. 数据提示（Tooltip），鼠标悬浮时显示数据详细信息
• B. 数据缩放（DataZoom），支持对图表数据进行缩放查看
• C. 图例切换（Legend），控制不同系列数据的显示与隐藏
• D. 图表动画，为图表添加各种动画效果，增强可视化展示

题目 20

在 Flink 滚动窗口计算中，以下说法正确的是

• A. 滚动窗口大小决定了统计数据的时间范围
• B. 若窗口内数据单位不同，计算前需统一单位
• C. 每 1 分钟统计一次窗口内数据总和，统计间隔不影响窗口大小
• D. 窗口内数据总和的计算与具体数据值相关

判断题

题目 1

Vue.js 组件间通信只能通过 props 和 $emit 实现父子组件通信。

• A. 正确
• B. 错误

题目 2

分布式文件系统中，所有节点的读写性能完全一致，不存在性能差异。

• A. 正确
• B. 错误

题目 3

因为聚类算法无需标注数据就能进行数据分组，所以在使用 K - Means 算法时，不需要考虑数据的特征分布和数据量大小。

• A. 正确
• B. 错误

题目 4

一旦对数据进行了高强度的加密处理，就无需再设置复杂的访问控制策略，数据安全就能得到充分保障。

• A. 正确
• B. 错误

题目 5

Flink 在处理有界数据流时，不需要使用状态计算。

• A. 正确
• B. 错误

题目 6

Spark SQL 只能处理结构化数据，无法处理半结构化和非结构化数据。

• A. 正确
• B. 错误

题目 7

在 Scala 编程中，由于函数可以作为参数和返回值，所以函数式编程和使用普通变量进行编程不能同时存在于一个程序中。

• A. 正确
• B. 错误

题目 8

HBase 的 Region 会随着数据量的增长自动分裂，因此在任何情况下，RegionServer 的存储和处理压力都能始终保持均衡。

• A. 正确
• B. 错误

题目 9

通过 Zookeeper 实现的分布式锁具有高可靠性和强一致性，因此在所有分布式锁应用场景中，Zookeeper 方案的性能都是最优的。

• A. 正确
• B. 错误

题目 10

Redis 支持 RDB 和 AOF 两种持久化方式，因此在所有数据存储场景下，Redis 都可以完全替代传统的关系型数据库。

• A. 正确
• B. 错误

题目 11

Spark SQL 在处理 JSON 格式的半结构化数据时，必须提前定义 Schema 才能进行高效查询。

• A. 正确
• B. 错误

题目 12

Hadoop 的 MapReduce 计算模型中，Map 阶段只能将输入数据分割成键值对，不能进行初步聚合操作。

• A. 正确
• B. 错误

题目 13

只要数据量达到 TB 级别，并且数据产生速度较快，就一定符合大数据的定义范畴。

• A. 正确
• B. 错误

题目 14

在数据清洗过程中，对于存在缺失值的数据集，直接删除所有含有缺失值的记录是最简便且有效的处理方式。

• A. 正确
• B. 错误

题目 15

只要一个系统能够快速处理大规模数据，就可以认定该系统属于大数据应用系统。

• A. 正确
• B. 错误

题目 16

Zookeeper 可以替代数据库来存储大量的业务数据。

• A. 正确
• B. 错误

题目 17

ECharts 配置图表时，数据提示（Tooltip）功能只能显示固定的文本信息，不能动态展示数据。

• A. 正确
• B. 错误

题目 18

Hive 的 HQL 语言与标准 SQL 高度相似，因此 Hive 中编写的查询语句可以直接在 MySQL 数据库中运行。

• A. 正确
• B. 错误

题目 19

Docker 容器运行时对文件系统的修改会直接影响到镜像。

• A. 正确
• B. 错误

题目 20

数据库和数据仓库虽然都用于存储数据，但数据库主要面向事务处理，数据仓库主要用于数据分析，二者的数据存储结构和查询方式存在明显差异。

• A. 正确
• B. 错误

案例分析题

题目 1

注意：本题目总分 100 分，在计算选手比赛总分时占比 30%

基于医疗大数据的智能诊断与健康管理平台建设

背景：

随着医疗信息化的快速发展，医院积累了海量的电子病历、影像数据、检验检查报告等医疗数据。然而，这些数据存在格式多样、结构复杂、数据孤岛等问题，难以有效利用。某三甲医院希望通过大数据技术，整合院内医疗数据资源，搭建一个智能诊断与健康管理平台，辅助医生进行疾病诊断，为患者提供个性化的健康管理方案，同时实现医疗数据的高效利用和安全存储。

任务要求：

请参赛选手根据上述背景，提出该智能诊断与健康管理平台的建设技术思路与方案，包括但不限于数据采集与预处理、数据存储与管理、数据分析与挖掘、智能诊断模型构建、健康管理服务设计以及数据安全保障等方面。