大数据考试题

分布式存储系统为了提高读写性能，通常会采用________技术。

在 HDFS 中，文件的元数据存储在________节点上。

批处理计算适合处理_______数据。

根据对数据处理的时效分类：实时产生的新数据先被存储起来，在未来的某个时间一批批地处理的方式是_______；实时产生的新数据会被实时地一条条处理的方式是______。

HDFS 中，Secondary NameNode 的主要作用是_______。

分布式计算的核心思想是_____。

HDFS 的架构采用了______架构模式。

分布式计算中，把大任务分解成小任务并分配到不同节点执行的过程称为_______。

数据产生的三个阶段是：_____、_____和______。

大数据时代需要的技术支撑有_____、_________和_________。

第 3 次信息化时代到来的时间是：________。

从 “商品编号” 字段（如 “30101”）中截取前 3 位作为 “品类” 信息，可使用 Pandas 的字符串方法_______。

数据分组是根据数据分析对象的特征，按照一定指标将数据划分为______，以揭示数据内在联系。

使用 requests 库发送 GET 请求后，返回的_________对象包含了服务器响应的所有信息。

常用的分布式日志数据采集工具包括 Flume、Kafka 和_________。

线上行为数据是按数据________划分的类别，包括页面数据、交互数据等。

数据预处理的核心环节包括数据清洗、数据集成、数据变换和_____。

处理 DataFrame 中的缺失值时，_______方法用于填充缺失值，_________方法用于删除包含缺失值的行或列。

HTTP 响应状态码中，4xx 系列表示______错误，5xx 系列表示_____错误。；