阿里云大数据ACA及ACP复习题(531~540)

本文涉及的产品
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 本人备考阿里云大数据考试时自行收集准备的题库,纯手工整理的,因为是纯手工整理解析所以可能出现答案打错的情况,题库是能够覆盖到今年7月份,应该是目前最新的,发成文章希望大家能一起学习,不要花冤枉钱去买题库背了,也希望大家能够顺利通关ACA和ACP考试(自己整理解析也需要时间,可能有更新不及时的情况哈)

531.QuickBl是阿里云提供的数据可视化服务,以下哪个不是QuickBl在大数据方案中可以承担的角色?( A )
A:离线数仓
B:数据展示
C:即席查询
D:报表分析

解析:quickbI是做数据展示报表分析的,支持即席查询,离线数仓是通过maxcompute实现的

532.下列关于MaxCompute的用户管理,说法正确的是?( C )
A:移除一个用户之前,如果该用户已被赋予某些角色,还是可以直接删除
B:当一个用户被移除后,与该用户有关的授权页会被删除
C:MaxCompute目前不支持在项目空间中彻底移除一个用户及其所有权限数据
D:移除用户的命令是:delete user

解析:需要先收回赋予的角色才能被删除;policy授权用户移除后会保留;删除用户是remove user

533.某商城周末促销,运用去年会员客户的商城消费记录,结合会员的注册信息,构建客户画像,客户画像过程中,采用K-Means对客户分群,K-Means算法的优点有( AB )。(正确2个)
A:原理简单,容易实现
B:聚类结果容易解释理解
C:采用的迭代算法可以保证在循环次数足够的情况下,每次都能达到全局最优
D:k值的指定对结果无影响,只要循环的次数足够多,每次聚类都会收敛到相同的k值

解析:每次都能全局最优表述绝对;k值对结果是有影响的

534.下列选项中,关于数据可视化图表类型,属于数据分布型的是?( ACDE )
A:点状条带图
B:散点直线图
C:条带编码图
D:带误差线柱形图
E:金字塔图

解析:数据分布图标包括: 统计直方图、核密度曲线图、 蜂巢图、点阵图、点状条带图、 条带编码图、带误差线的柱形图、 带误差线的散点图、带误差线的曲线图、 箱形图、瓶状图、小提琴图、 豆状图、复合图、二维统计直方图、 二维核密度估计图、二位核密度曲面图、 三维统计直方图、金字塔图、 扇形预测图、带置信区间图

535.阿里云大数据产品的主要类别有智能搜索、推荐产品、__?(ABCD)
A:计算与分析产品
B:开发与治理产品
C:工具与服务产品
D:弹性伸缩ECS产品
E:开发模型产品

解析:阿里云大数据产品可以更快速地解决海量数据计算问题,主要有Dataworks,maxcompute、quickbi、datav、Hologres等等;
其中Dataworks 开发与治理产品、工具与服务产品
maxcompute、Hologre计算与分析产品
quickbi、datav分析与可视化产品 弹性伸缩ECS产品 是基础服务,硬件设施 实时计算不属于产品的概念

536.在进行数据采集时需要注意,数据量足够并具有分析价值、数据面足够支撑分析需求,采集更高效、更有针对性。以上说的是数据采集的哪些要点( AC )
A:全面性
B:多维性
C:高效性
D:扩展性

解析:数据采集的三大要点: 全面性:数据量足够具有分析价值、数据面足够支撑分析需求。 多维性:数据更重要的是能满足分析需求。 高效性:包含技术执行的高效性、团队内部成员协同的高效性以及数据分析需求和目标实现的高效性。

537.云计算能作为一种商品,可以在互联网上流通,就像水、电、煤气一样,可以方便地取用,体现了云计算的特点是(C)
A:通用性
B:动态扩展
C:按需服务
D:虚拟化

解析:云计算能作为一种商品,可以在互联网上流通,就像水、电、煤气一样,可以方便地取用,体现了云计算的按需服务

538.在数据可视化的图表选择中,哪些属于数据关系型图表?( BD )
A:统计直方图
B:散点图
C:雷达图
D:曲线图

解析:数据关系型图表包括散点图和曲线图

539.Divisive聚类算法中,基于层次的概念说法正确的是?( B )
A:通过稀疏区域来刻分高密度区域以发现明显的聚类和孤立点,主要用于空间型数据的聚类
B:使用一个距离矩阵作为输入,经过聚类后得到一个反映该数据集分布状况的聚类层次结构图
C:通过构造一个迭代过程来优化目标函数,当优化到目标函数的最小值或极小值时,可以得到数据集的一些不相交的子集,通常认为此时得到的每个子集就是一个聚类
D:一种基于网格的具有多分辨率的聚类方法

解析:层次聚类方法使用一个距离矩阵作为输入,经过聚类后得到一个反映该数据集分布状况的聚类层次结构图

540.下列哪种图表属于地理空间型图表?( AB )
A:点状地图
B:简化示意图
C:坡度图
D:三维柱形地图

解析:地理空间型图表主要展示数据中的精确位置和地理分布规律,包括等值区间地图、带气泡的地图、带散点的地图等。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1天前
|
机器学习/深度学习 人工智能 分布式计算
我的阿里云社区年度总结报告:Python、人工智能与大数据领域的探索之旅
我的阿里云社区年度总结报告:Python、人工智能与大数据领域的探索之旅
56 35
|
18天前
|
存储 人工智能 数据管理
|
11天前
|
存储 人工智能 数据管理
媒体声音|专访阿里云数据库周文超博士:AI就绪的智能数据平台设计思路
在生成式AI的浪潮中,数据的重要性日益凸显。大模型在实际业务场景的落地过程中,必须有海量数据的支撑:经过训练、推理和分析等一系列复杂的数据处理过程,才能最终产生业务价值。事实上,大模型本身就是数据处理后的产物,以数据驱动的决策与创新需要通过更智能的平台解决数据多模处理、实时分析等问题,这正是以阿里云为代表的企业推动 “Data+AI”融合战略的核心动因。
|
17天前
|
机器学习/深度学习 分布式计算 数据挖掘
MaxFrame 性能评测:阿里云MaxCompute上的分布式Pandas引擎
MaxFrame是一款兼容Pandas API的分布式数据分析工具,基于MaxCompute平台,极大提升了大规模数据处理效率。其核心优势在于结合了Pandas的易用性和MaxCompute的分布式计算能力,无需学习新编程模型即可处理海量数据。性能测试显示,在涉及`groupby`和`merge`等复杂操作时,MaxFrame相比本地Pandas有显著性能提升,最高可达9倍。适用于大规模数据分析、数据清洗、预处理及机器学习特征工程等场景。尽管存在网络延迟和资源消耗等问题,MaxFrame仍是处理TB级甚至PB级数据的理想选择。
44 4
|
25天前
|
SQL DataWorks 数据可视化
阿里云DataWorks评测:大数据开发治理平台的卓越表现
阿里云DataWorks是一款集数据集成、开发、分析与管理于一体的大数据平台,支持多种数据源无缝整合,提供可视化ETL工具和灵活的任务调度机制。其内置的安全体系和丰富的插件生态,确保了数据处理的高效性和安全性。通过实际测试,DataWorks展现了强大的计算能力和稳定性,适用于中小企业快速搭建稳定高效的BI系统。未来,DataWorks将继续优化功能,降低使用门槛,并推出更多灵活的定价方案,助力企业实现数据价值最大化。
|
25天前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
62 2
|
20天前
|
SQL 存储 分布式计算
阿里云 Paimon + MaxCompute 极速体验
Paimon 和 MaxCompute 的对接经历了长期优化,解决了以往性能不足的问题。通过半年紧密合作,双方团队专门提升了 Paimon 在 MaxCompute 上的读写性能。主要改进包括:采用 Arrow 接口减少数据转换开销,内置 Paimon SDK 提升启动速度,实现原生读写能力,减少中间拷贝与转换,显著降低 CPU 开销与延迟。经过双十一实战验证,Paimon 表的读写速度已接近 MaxCompute 内表,远超传统外表。欢迎体验!
|
2月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
516 7
|
2月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
65 2
|
9天前
|
分布式计算 Shell MaxCompute
odps测试表及大量数据构建测试
odps测试表及大量数据构建测试