奇安信2020数据分析及应用（二）-公司真题-面试哥

题型	单选题	多选题	简答题
数量	45	15	3

1.

Mapreduce擅长哪个领域的计算

问题详情

Mapreduce 擅长哪个领域的计算

A. 离线批计算
B. DAG计算
C. 流式计算
D. 实时计算

2.

哪个不属于HDFS架构组成部分

问题详情

A. NameNode
B. Secondary NameNode
C. DataNode
D. TaskTracker

3.

关于Mapduce原理，下面说法错误的是

问题详情

A. 分为Map和Reduce两个阶段
B. Map阶段由一系统Map任务组成
C. Reduce阶段由一系统Reduce任务组成
D. Map阶段与Reduce阶段没有任何依赖关系

4.

关于Block和Split两个概念，下面说话错误的是

问题详情

A. Block是HDFS中最小的数据存储单位
B. Split是MapReduce中最小的计算单元
C. Block是Split是一一对应关系
D. Block和Split之间对应关系是任意的，可由用户控制

5.

哪个属于大数据中Hadoop的组成部分

问题详情

A. Storm
B. MapReduce
C. Spark
D. Flink

6.

哪个不属于HBase中的术语

问题详情

A. Column
B. Column Family
C. RowKey
D. Meta

7.

与NN在一个节点启动

问题详情

A. SecondaryNameNode
B. DataNode
C. TaskTracker
D. Jobtracker

8.

与HDFS类似是

问题详情

与 HDFS 类似是

A. NTFS
B. FAT32
C. GFS
D. EXT3

9.

cluster的最主要瓶颈

问题详情

A. CPU
B. network
C. disk IO
D. memory

10.

下列正确的去重语句是

问题详情

A. delete from tableName where tableName.key not in (select max(key) from tableName group by field_1,field_2 having count(1) > 1)
B. delete from tableName where tableName.key in (select max(key) from tableName group by field_1,field_2 having count(1) > 1)
C. delete from tableName where tableName.key not in (select min(key) from tableName group by field_1,field_2 having count(1) > 1)
D. delete from tableName t1 where t1.key not in (select max(key) from tableName group by field_1,field_2 having count(1) > 1) and exists ( select 1 from tableName where tableName.key=t1.key group by field_1,field_2 having count(1) > 1)

11.

delete与truncate语句，下列说法正确是

问题详情

A. 其余说法都不正确
B. 都是删除语句，无区别
C. delete语句需要提交，truncate语句不一定需要
D. truncate可以指定条件删除，delete不可以

12.

假如tableName_2表有30亿条数据，下列哪条语句执行效率最快

问题详情

A. 以下回答都正确
B. insert into tableName_1 select * from tableName_2，tableName_1表ID字段为主键
C. create table tableName_1 select * from tableName_2
D. delete from tableName_2

13.

表1有5亿条数据，给ID字段增加索引，对下列产生负面影响较大的是

问题详情

A. insert into 表1 select * from 表2
B. select * from 表1 where id = '1'
C. create table 表2 select * from 表1 where id = '1'
D. 所有回答都不正确

14.

以下语句错误的是

问题详情

A. select * from tableName1 join tableName2
B. select * from tableName1 join tableName2 on 1=2
C. select * from tableName1 join tableName2 on tableName1.id=3
D. select * from tableName1 join tableName2 on tableName2.id=3

15.

以下对象哪些不能使用plsql批量导出

问题详情

A. view
B. table
C. job
D. 所有说法均不正确

16.

以下对象不能直接从select语句引用的是

问题详情

A. table
B. sequence
C. view
D. index

17.

以下描述正确的是

问题详情

A. 数据库是一个独立的系统，不需要操作系统的支持
B. 数据库设计是指设计数据库管理系统
C. 数据库系统中，数据的物理结构必须与逻辑结构一致
D. 数据库技术的根本目标是要解决数据共享的问题

18.

以下语句错误的是

问题详情

A. alter table tableName add column addcolumn int
B. alter table tableName delete column addcolumn char(10)
C. alter table tableName modify column addcolumn char(10)
D. alter table tableName change addcolumn addcolumn int

19.

事务中途执行失败，下列说法正确的

问题详情

A. 提交执行成功的部分
B. 部分数据丢失
C. 数据状态不变
D. 数据状态丢失

20.

YARN和MapReduce的关系是

问题详情

A. YARN依赖MapReduce执行任务
B. YARN是一个计算框架，可运行在MapReduce之上
C. MapReduce和YARN无直接关系
D. 所有回答均不正确

21.

Presto与Hive相比主要优势是

问题详情

A. MPP架构，全内存计算
B. 利用MapReduce进行分布式计算，更加高效
C. 完全分布式计算，可以充分利用集群资源
D. 有很强的容错性

22.

HDFS(配置的block大小为128MB)，上有一个目录/home/da...

问题详情

HDFS(配置的block大小为128MB)，上有一个目录/home/data，其下有三个文本文件大小分别为：1MB,100MB,和150MB，如果采用MapReduce处理该目录，默认会启动几个Map Task

A. 1
B. 2
C. 3
D. 4

23.

关于Spark与MapReuce的性能，说法正确的是

问题详情

A. Spark性能一定比MapReduce高
B. Spark与MapReudce的性能是一样的
C. MapReduce一定比Spark高效
D. 以上说法均不正确

24.

关于RDD，说法错误的是

问题详情

A. 每个RDD是由若干个partition构成的
B. RDD是只读的，不可修改
C. RDD是分布式
D. 所有说法均不正确

25.

下面哪个RDD的算子与其他算子不同

问题详情

A. map
B. reduce
C. filter
D. reduceByKey

26.

下面哪个不属于Spark的运行模式

问题详情

A. YARN
B. local
C. standalone
D. HDFS

27.

数据库DB、数据库系统DBS和数据库管理系统DBMS三者之间的关系

问题详情

A. DBMS包括DB和DBS
B. DB包括DBS和DBMS
C. DBS就是DB，也就是DBMS
D. DBS包括DB和DBMS

28.

设mysql数据库中一个表t_score的结构为：t_score(SN,C...

问题详情

设mysql数据库中一个表t_score的结构为：t_score(SN,CN,grade)，其中SN为学生名，CN为课程名.若要更正王二的化学成绩为85分，则可用

A. UPDATE t_score MODIFY grade=85 WHERE SN='王二'AND CN='化学'
B. UPDATE t_score SET grade='85' WHERE SN='王二'AND CN='化学'
C. UPDATE t_score SET grade='85 WHERE SN='王二'AND CN='化学'
D. UPDATE t_score SET grade=85 WHERE SN='王二'AND CN='化学'

29.

流水表（流水号，账号，商品，地区代号，日期）中流水号为主键，删除流水表中前...

问题详情

流水表（流水号，账号，商品，地区代号，日期）中流水号为主键，删除流水表中前五年以前的信息

A. delete from 流水表 where 日期<DATEADD(yy,5,getdate())
B. delete from 流水表 where 日期<getdate()-5
C. elete from 流水表 where 日期<getdate()+5
D. delete from 流水表 where 日期<DATEADD(yy,-5,getdate())

30.

查询"学号char(10)"尾字符是1的错误命令是

问题详情

查询"学号 char(10)"尾字符是1的错误命令是

A. SELECT * FROM 学生 WHERE 学号 LIKE '%[1]'
B. SELECT * FROM 学生 WHERE 学号 LIKE '?1'
C. SELECT * FROM 学生 WHERE 学号 LIKE '%1'
D. SELECT * FROM 学生 WHERE RIGHT(学号,1)='1'

31.

一次显示一页的内容，命令是

问题详情

A. pause
B. cat
C. grep
D. more

32.

修改文件权限

问题详情

C. file
D. chmod
A. attrib
B. change

33.

export命令在bash中使用是

问题详情

A. 在子shell中运行命令
B. 使在子shell中可以使用命令历史记录
C. 为其它应用程序设置环境变量
D. 提供NFS分区给网络中的其它系统使用

34.

删除用户与用户主目录

问题详情

A. rmuser -r
B. deluer -r
C. userdel -r
D. usermgr -r

35.

查找所有以*开头的行

问题详情

查找所有以 * 开头的行

A. grep '^\*' file
B. grep -n * file
C. find \* file
D. grep * file

36.

ps命令显示所有用户的进程参数是

问题详情

A. b
B. a
C. u
D. x

37.

快速查找linux注册的用户数

问题详情

A. wc --lines /etc/passwd
B. account -l
C. nl /etc/passwd | head
D. wc --users /etc/passwd | head

38.

删除非空子目录/tmp

问题详情

删除非空子目录/tmp

A. rm -rf /tmp
B. del /tmp/*
C. rmr -rf /tmp
D. rm -rf /tmp/*

39.

通过某分类器对样本数据进行判断，其中对于正样本预测准确的为90个，预测错误...

问题详情

通过某分类器对样本数据进行判断，其中对于正样本预测准确的为90个，预测错误为30个；对于负样本，预测准确的为60个，预测错误为60个。由此我们可知，此模型的查准率和查全率分别是：

A. 75%，60%
B. 60%，75%
C. 75%，62.5%
D. 62.5%，75%

40.

分析某一样本，其中正样本为60个，负样本为30个。针对样本的某个特征X，当...

问题详情

分析某一样本，其中正样本为60个，负样本为30个。针对样本的某个特征X，当其为A时对应36个正样本，18个负样本；当其为B时对应24个正样本，12个负样本。请计算基于特征X分类的信息增益是：

A. 0.23300000000000001
B. 0.76700000000000002
C. 0
D. 1
E. 0.2

41.

一个图14条边，4个度数为4的定点，其它顶点度数不超过2，则此图中至少有多...

问题详情

一个图14条边，4个度数为4的定点，其它顶点度数不超过2，则此图中至少有多少个顶点？

A. 7
B. 8
C. 9
D. 10
E. 11

42.

设事件A在一次实验中出现的概率1/3,请问三次独立实验，A至少出现一次的概率是

问题详情

A. 26/27
B. 19/27
C. 3.7037037037037035E-2
D. 0.29629629629629628

43.

为A=求特征值

问题详情

为 A=

求特征值

A. λ1=3 λ2=1
B. λ1=3 λ2=-1
C. λ1=-3 λ2=1
D. λ1=-3 λ2=-1

44.

判断该偏微分方程为什么类型3(∂^2u)/(∂x^2)+4(∂^2u)/∂...

问题详情

判断该偏微分方程为什么类型
3(∂^2 u)/(∂x^2 )+4(∂^2 u)/∂x∂y+1 (∂^2 u)/(∂y^2 )+2 ∂u/∂x-4 ∂u/∂y+5=0

A. 椭圆型
B. 双曲型
C. 抛物型
D. 其余答案均不正确

45.

f(x+y)=f(x)f(y),且f`(0)=1,求f`(x)

问题详情

A. e^x
B. cos(x)
C. sin(x)
D. ln（x^2)

46.

关于SparkContext，说法正确的是

问题详情

A. 它内部包含了调度器，容错机制等实现
B. 它运行在Driver中
C. 它运行在Executor中
D. 每个应用程序有且仅有一个

47.

关于以下代码，说法错误的是:line1:valrdd=sc.textFil...

问题详情

关于以下代码，说法错误的是:
line1: val rdd = sc.textFile("hdfs:///home/data")
line2: rdd.count()
line3: rdd.reduce(_+_)
line4: rdd.collect()

A. 语法存在错误，没有结束符
B. 整个应用程序仅会生成1个Job
C. 如果/home/data大小为10TB，该程序不会导致内存溢出
D. 这段代码不可以分布式执行的

48.

sparksql支持哪些数据格式的读写

问题详情

spark sql支持哪些数据格式的读写

A. csv
B. parquet
C. josn
D. text

49.

下面关于sparkstreaming的原理，说法正确的是

问题详情

下面关于 spark streaming的原理，说法正确的是

A. spark streaming 是将流式计算转移为微批处理
B. spark streaming 能够很容易实现毫秒级数据处理延迟
C. spark streaming 中每个批处理作用运行在Driver/Executor构成的分布式环境中
D. spark streaming 对数据流的抽象是DStream

50.

Hive底层计算框架有哪些

问题详情

A. MR
B. YARN
C. HDFS
D. Spark

51.

存储元数据，下列哪些适合

问题详情

A. Hbase
B. Hive
C. Green plum
D. Mysql

52.

下列语句错误的是

问题详情

A. select * from tableName where ordername !<>null
B. select * from tableName where ordername not is null
C. select * from tableName where ordername is null
D. select * from tableName where ordername is not null

53.

以下可正确的执行是

问题详情

A. drop table holiday
B. delete from holiday
C. drop databases holiday
D. truncate table test2

54.

下面哪些不适合OLAP操作

问题详情

A. Oracle
B. Green plum
C. Mysql
D. Hive

55.

SQL语言数据定义包括

问题详情

A. TPL
B. DML
C. DDL
D. DCL

56.

关于HDFS，说法正确是

问题详情

A. 一个集群可存在多个NameNode对外提供服务
B. HDFS HA 和Federation 是它的两大特色
C. NameNode不是单点，不存在单点问题
D. 不能存储小文件

57.

关于Kafka，说法正确的是

问题详情

A. 由produce、broker和consumer等角色构成
B. 通过zookeeper进行服务协调
C. 消息可以存成多个副本以达到容错的目标
D. 是一个分布式key/value存储系统

58.

对于PCA说法正确的是：

问题详情

A. 变量表示成各公因子的线性组合
B. 可以解决多重共线性
C. 业务不可解释性
D. 基于主元方向的样本方差最大

59.

根据医疗记录构建癌症预测模型，说法正确的是

问题详情

A. 可通过penalized-SVM解决类不平衡问题
B. 可通过SMOTE解决类不平衡问题
C. 梯度下降法将不适用
D. 模型优先考虑其查准率

60.

以下概念正确的是

问题详情

A. 分类正确的样本数与样本总数之比是查准率
B. 被正确检索的样本数与被检索到样本总数之比是准确率
C. 被正确检索的样本数与应当被检索到的样本数之比是查全率
D. 查全率又被称为召回率，追求高查全率通俗来讲就是宁可错杀不可漏掉

61.

简单概括安装hadoop的步骤

问题详情

62.

现有access.log文件，内容格式如下：503,66,c.html40...

问题详情

现有access.log文件，内容格式如下：
503,66,c.html
404,17,a.html
503,56,c.html
200,14,d.html
503,11,c.html
503,48,c.html
要求：使用Spark-core完整的编码实现以下要求：
要求：1）计算404、200出现的数次；
2）计算503、200、404三类出现总次数，最终打印出来；

63.

统计1千张表数据量，并打印出对应表的数据量

问题详情

奇安信2020数据分析及应用（二）

题型介绍

Mapreduce擅长哪个领域的计算

哪个不属于HDFS架构组成部分

关于Mapduce原理，下面说法错误的是

关于Block和Split两个概念，下面说话错误的是

哪个属于大数据中Hadoop的组成部分

哪个不属于HBase中的术语

与NN在一个节点启动

与HDFS类似是

cluster的最主要瓶颈

下列正确的去重语句是

delete与truncate语句，下列说法正确是

假如tableName_2表有30亿条数据，下列哪条语句执行效率最快

表1有5亿条数据，给ID字段增加索引，对下列产生负面影响较大的是

以下语句错误的是

以下对象哪些不能使用plsql批量导出

以下对象不能直接从select语句引用的是

以下描述正确的是

以下语句错误的是

事务中途执行失败，下列说法正确的

YARN和MapReduce的关系是

Presto与Hive相比主要优势是

HDFS(配置的block大小为128MB)，上有一个目录/home/da...

关于Spark与MapReuce的性能，说法正确的是

关于RDD，说法错误的是

下面哪个RDD的算子与其他算子不同

下面哪个不属于Spark的运行模式

数据库DB、数据库系统DBS和数据库管理系统DBMS三者之间的关系

设mysql数据库中一个表t_score的结构为：t_score(SN,C...

流水表（流水号，账号，商品，地区代号，日期）中流水号为主键，删除流水表中前...

查询"学号char(10)"尾字符是1的错误命令是

一次显示一页的内容，命令是

修改文件权限

export命令在bash中使用是

删除用户与用户主目录

查找所有以*开头的行

ps命令显示所有用户的进程参数是

快速查找linux注册的用户数

删除非空子目录/tmp

通过某分类器对样本数据进行判断，其中对于正样本预测准确的为90个，预测错误...

分析某一样本，其中正样本为60个，负样本为30个。针对样本的某个特征X，当...

一个图14条边，4个度数为4的定点，其它顶点度数不超过2，则此图中至少有多...

设事件A在一次实验中出现的概率1/3,请问三次独立实验，A至少出现一次的概率是

为A=求特征值

判断该偏微分方程为什么类型3(∂^2u)/(∂x^2)+4(∂^2u)/∂...

f(x+y)=f(x)f(y),且f`(0)=1,求f`(x)

关于SparkContext，说法正确的是

关于以下代码，说法错误的是:line1:valrdd=sc.textFil...

sparksql支持哪些数据格式的读写

下面关于sparkstreaming的原理，说法正确的是

Hive底层计算框架有哪些

存储元数据，下列哪些适合

下列语句错误的是

以下可正确的执行是

下面哪些不适合OLAP操作

SQL语言数据定义包括

关于HDFS，说法正确是

关于Kafka，说法正确的是

对于PCA说法正确的是：

根据医疗记录构建癌症预测模型，说法正确的是

以下概念正确的是

简单概括安装hadoop的步骤

现有access.log文件，内容格式如下：503,66,c.html40...

统计1千张表数据量，并打印出对应表的数据量