大数据计算基础真题回忆

转载学长20 21的真题

转载链接
注：每年的课件可能会有更改，内容不一样，所以读者复习的时候以所在年份的课件为准

2020

?

2021

笔者2023秋

2023

都是大题，没有选择题。

1. 改进的近似算法中，结合具体的例子说明，“多次运行取平均”和"多次运行取中间值"的两个思想是怎么体现的。(10分)
2. 为什么要在哈希分片的过程中引入虚拟桶，虚拟桶工作的流程。（6分）
3. 一共两个问，卷子前面会给期望和方差的公式以及切比雪夫和切尔诺夫不等式(10分)

• 简要说明Morris算法的主要思想
• 最后估算的结果是f?i, 期望是fi，方差是fi的平方，分析估算的误差

4. B+树，键值最多是3, 给下面的表，回答三个问题（15分）
   

• 请从不同的节点说明为什么指针的个数要比键值的个数多1
• 将<1,2,3,4,5,8>组成一个合理的B+树
• 在上一问的B+树插入6，7画出每一次插入二叉树的状态

?5. 课件上的哈希查找算法,请你给出一个具体的例子并说明这个算法(看课件上的就行)（12分）
?

5. 一共两个问 主要是文件系统和数据的复制(10分)

• gfs采用主从式数据库和其他方法的优缺点，请举出一个其他的结构并和主从式相对比写出他们的优缺点。
• HDFS namenode、datanode、secondary namenode一起协同的工作流程

6. 给三个例子，一大堆话，问是属于什么什么资源调度模型，我当时写的下面这个。(20分)
   

第一个是单机模型 第二个是spark的executer 第三个是google borgmaster和scheduler

7. 输入是<编号，黑色或者白色> 每个机器能看到数据的个数为L，机器的个数是k，解决一个问题：黑色的数目多还是白色的数目多，利用mapreduce的编程思想回答下列问题。（15分）

• 写出map和reduce的伪代码
• 分析通信代价和空间代价
• 在此基础上的算法上进行改进，对任意位置上的x 原来的数据A[1到x]黑的个数不小于白色的个数，请设计算法并简要说明他的正确性。

总结：显敏老师的算法一定上课跟着算，要不然考试真的会吃亏，王老师上课讲的比较浅的东西一定要下课多查资料学习，没展开也不一定不需要掌握。

我的笔记

因为时间匆忙，有些东西不是很全，仅供参考。
大数据计算基础笔记