今，使用人臉識別進行身份驗證似乎已經(jīng)變成了一件理所當然的事情。然而，當人臉識別被偽造、被攻擊，我們的個人財產(chǎn)很可能隨之受損——近日，兩大國有銀行的多名儲戶稱賬戶遭遇了盜刷，他們認為，銀行采用的人臉識別系統(tǒng)難辭其咎。
南都記者結(jié)合公開報道梳理發(fā)現(xiàn)，這些儲戶先是被誘騙交出了銀行卡信息，有的還與詐騙分子進行了視頻通話，然后詐騙分子利用上述信息通過了人臉識別驗證，又攔截了手機驗證碼，從而把錢取走。
事情發(fā)酵至今，越來越多的爭議聚焦在銀行的人臉識別系統(tǒng)是否存在漏洞、銀行應(yīng)不應(yīng)該擔(dān)責(zé)上。銀行認為，采用手機驗證碼和人臉識別結(jié)合的驗證方式已經(jīng)盡到安全保護義務(wù)，儲戶們則堅持銀行的人臉識別系統(tǒng)并不足以保證資金安全。
有技術(shù)專家告訴南都記者，詐騙犯能破解人臉識別驗證，說明銀行的人臉識別系統(tǒng)確實存在技術(shù)漏洞。還有專家認為，由于相應(yīng)風(fēng)險是銀行引進人臉識別所導(dǎo)致，原則上就應(yīng)該由銀行承擔(dān)責(zé)任，只有這樣，才能倒逼銀行提高安全技術(shù)保障。
1
本人未登錄、未操作，20萬被轉(zhuǎn)走
近日，某國有大行儲戶馬琳（化名）對南都記者爆料稱，自己遭遇了電信詐騙——她的銀行賬戶在本人未登錄、未操作、未進行人臉識別的情況下，被轉(zhuǎn)走了20萬元。
去年8月，馬琳在北京辦理簽證期間，接到了一個自稱是公安局的電話。對方稱她涉嫌境外洗錢，口氣強硬。馬琳起先也有懷疑，但對方不但準確地說出了她在辦理簽證時提交給中介的信息，還通過視頻電話的方式，向她“證實”了自己的警察身份，基本打消了她的懷疑。
隨后，對方發(fā)來一個帶鏈接的短信，讓馬琳確認自己的身份信息。她點開鏈接，網(wǎng)頁顯示了她的身份證正面照片，這進一步加深了她的信任——為了辦理護照，馬琳幾天前剛?cè)マk理了新身份證。據(jù)她回憶，自己只在該銀行辦理業(yè)務(wù)時使用過這張新身份證。
馬琳照做后，就沒有再收到對方或銀行發(fā)來的任何短信。沒過多久，她反應(yīng)過來不對，于是登錄手機銀行查看，這才發(fā)現(xiàn)，她的銀行賬戶在她本人未登錄、未操作、未進行人臉識別的情況下，被轉(zhuǎn)走了20多萬元。
馬琳遇到的騙局并不鮮見，她主動把重要的人臉信息交給詐騙分子也是事實。但令她想不通的是，登錄她賬戶的設(shè)備IP地址是中國臺灣，而她那一段時間一直在北京——銀行不是應(yīng)該對異地登錄有嚴格防范嗎？
對此，該國有大行回應(yīng)稱，查到的驗證視頻是馬琳本人的，也發(fā)了手機驗證碼到她的手機上，驗證流程沒有問題?！暗聦嵣系谝晃覜]有收到手機驗證碼，第二我沒有進行過任何的人臉識別檢測，我本人我不可能自己去黑自己的賬戶對吧？”
“我最開始也不太理解（為什么會通過），我就拍了一段視頻，其中包括了點頭搖頭，然后去其他銀行的人臉識別功能試了試，一次都沒通過，都提示說‘請確保是您本人’?！瘪R琳告訴南都記者，在她和銀行的交涉過程中，也有相關(guān)人員提到，如果使用視頻，是有可能攻破人臉識別的。
不滿于銀行的回復(fù)，馬琳進而向北京銀保監(jiān)會投訴。經(jīng)調(diào)查發(fā)現(xiàn)，詐騙發(fā)生當天，馬琳賬戶里的20萬被分成8筆轉(zhuǎn)走，其中7筆發(fā)送了手機交易碼短信，5筆觸發(fā)了人臉識別，1筆觸發(fā)了外呼（電話通過電腦自動往外撥打用戶電話，將錄制好的語音通過電腦播放給用戶），但她從未收到任何相關(guān)告知。
馬琳后來又去了北京來廣營派出所報案。對于馬琳的訴求，銀行給出的說法是“錢財?shù)霓D(zhuǎn)出在安全的機制內(nèi)”，讓她去起訴。這讓她感到不可思議：“按照常理來說，人臉識別肯定是要本人”，她說，“身在異地的犯罪分子能通過活檢，這本來就是一種不合理?！?/p>
在損失了這筆積蓄之后，馬琳的簽證已經(jīng)很難繼續(xù)辦理，她離開了北京?！拔蚁Ｍy行的漏洞能堵一下，不要給更多的人帶來更大的損失。這個事情對銀行來說，可能確實沒有什么損失。但是從儲戶的角度來說，這個就是一個人生的大災(zāi)難。”
2
至少6名另一國有大行的儲戶也有類似遭遇
這不是唯一一家被曝人臉識別系統(tǒng)可被破解的銀行。就在前不久，南都曾報道，另一家國有大行的儲戶也有過相似的遭遇——他們中的部分人也和馬琳一樣，遇到的盜刷者IP地址顯示為中國臺灣，手機型號則為摩托羅拉XT1686。
銀行儲戶小雪（化名）向南都記者提供的一份北京市豐臺區(qū)人民法院民事裁判書顯示，2021年6月19日上午，小雪接到自稱是公安方面打來的電話，稱其在哈爾濱涉嫌非法入境，還涉嫌反洗錢案，要求小雪下載“公安防護App”“矚目App”，開啟會議模式通過視頻驗證是否為本人，并進行手機屏幕共享，指示其將手機攔截電話、短信等功能開啟。
隨后，對方還以“國有大行安全措施比較好”為借口要求小雪辦理一張新的銀行卡，并把所有銀行存款全部轉(zhuǎn)入內(nèi)，以此“核實個人資產(chǎn)”。為此，小雪特意將近50萬的儲蓄資金從其他銀行轉(zhuǎn)入到該國有大行賬戶。而后，這筆資金便不知去向。
據(jù)警方調(diào)查，密碼重置和大額轉(zhuǎn)賬的IP地址為中國臺灣，驗證方式為短信驗證+人臉識別，且當天銀行系統(tǒng)有7次通過人臉識別的記錄，其中6次通過活檢。也就是說，騙子攔截了小雪的短信驗證碼，通過短信和偽造人臉識別完成了密碼重置、限額調(diào)整、大額轉(zhuǎn)賬的全過程。
法院一審判決認為，整個過程中是小雪自己按外人的指令下載了相關(guān)App、開啟電話及短信攔截等，才導(dǎo)致發(fā)生身份識別信息、交易驗證信息泄露的風(fēng)險，因此認定該案是小雪不審慎所致，判銀行不承擔(dān)責(zé)任。
值得注意的是，根據(jù)鳳凰網(wǎng)《新視界》7月5日的報道，2020年10月至2021年10月期間，有至少6位該國有大行儲戶被犯罪分子誘騙、將錢存入銀行后被盜刷，金額高達數(shù)百萬元。
“6次人臉識別，銀行一次都沒識別出來犯罪分子使用的是假人臉?！薄般y行存在支付安全漏洞，沒有辦法識別出是不是真的人臉。”有被盜刷的銀行儲戶認為，犯罪分子指定該國有大行而不是其他銀行，是因為他們發(fā)現(xiàn)并利用了其人臉識別漏洞。
自被盜刷以來，銀行儲戶馬躍（化名）曾多次上訴至法院，但法院駁回了他的申請。和小雪得到的判決相似，法院認定，銀行已通過多個登錄密碼、驗證碼、人臉識別的合理方式識別使用人身份，未見存在明顯的過錯和過失。
圖源：鳳凰網(wǎng)《新視界》
針對上述事件，該國有大行北京長辛店支行的工作人員向南都記者表示不接受采訪。
3
銀行的人臉識別驗證系統(tǒng)是否存在漏洞？
人臉識別被破解、手機驗證碼被攔截，是儲戶們認為銀行存在漏洞的關(guān)鍵環(huán)節(jié)。那么，上述兩家國有大行采用的人臉識別系統(tǒng)是否建立了足夠的安全防范機制，又是否達到了監(jiān)管要求呢？
根據(jù)兩家國有大行官網(wǎng)信息，為其提供人臉識別技術(shù)支持的分別是云從科技和北京眼神科技有限公司（下稱“眼神科技”）。
據(jù)了解，云從科技和眼神科技的客戶均涵蓋國有六大行。此外，云從科技的客戶還包括12家股份制銀行以及城農(nóng)商行，服務(wù)超過400家金融機構(gòu)、10余萬個銀行網(wǎng)點；眼神科技服務(wù)的銀行機構(gòu)則近150家。
南都記者以儲戶身份分別致電云從科技和眼神科技。云從科技方面稱，若犯罪分子使用視頻通話的方式，確實有可能攻破人臉識別系統(tǒng)，但除此之外不愿透露更多信息。
眼神科技方面則表示，根據(jù)現(xiàn)有的司法判決，犯罪分子是獲取了短信驗證碼等多個隱私信息，所以才出現(xiàn)了這種事，而人臉識別只是整個流程中的一個驗證環(huán)節(jié)，所以并不能明確地說就是人臉識別的問題。“銀行方面對安全性的要求是很高的，也是基于我們的產(chǎn)品（的正確率），銀行這邊才會選擇我們的。”客服強調(diào)。
一位人工智能安全領(lǐng)域的技術(shù)專家也告訴南都記者，從整個流程來看，詐騙分子是劫持了受害人的電話和短信，才導(dǎo)致后續(xù)銀行無法通過短信、電話對轉(zhuǎn)賬人身份及轉(zhuǎn)賬情況進行核實，這部分與人臉識別系統(tǒng)的安全風(fēng)險無直接關(guān)聯(lián)。
不過他也表示，儲戶即使被誘騙給出個人信息，但事實是儲戶本人并未前往外地，而詐騙犯肯定是用某種手段“通過了人臉識別的活體檢測”，這就說明銀行的線上人臉身份核驗系統(tǒng)確實存在被假體攻擊、注入攻擊的技術(shù)漏洞——這并不是說“活體檢測”這一技術(shù)本身不合格，很有可能是犯罪分子“繞過”了活體檢測的環(huán)境。
去年1月，依托清華大學(xué)人工智能研究院成立的團隊瑞萊智慧RealAI就曾通過對抗樣本攻擊，一舉破解19款安卓手機的人臉識別解鎖系統(tǒng)。即便是搭載了交互式活體檢測功能的十余款金融和政務(wù)服務(wù)類App，也都被輕易破解。
瑞萊智慧RealAI高級產(chǎn)品經(jīng)理張旭東曾以銀行類App為例向南都記者表示，雖然現(xiàn)在的支付轉(zhuǎn)賬操作都需要多因素驗證，但一旦用戶的個人信息全部泄露，不法分子就可能同時完成刷臉、輸入手機驗證碼等操作，使得多因素驗證失效。
當時，研究人員提到，目前業(yè)界主流的人臉識別算法都具備了活體檢測能力，之前常見的用一張照片、一段視頻來完成刷臉的做法已經(jīng)行不通。但對抗樣本攻擊針對的是算法模型底層的漏洞，完全不受活體檢測限制。攻擊者在臉上添加了局部擾動，導(dǎo)致算法產(chǎn)生了錯誤識別。
上述技術(shù)專家則用“受害人被詐騙分子誘導(dǎo)進行視頻通話”的案件來舉例表示，這種情況下，受害人很有可能被錄制下指令動作的畫面視頻，或者詐騙分子直接基于儲戶的照片，通過合成軟件偽造的動態(tài)視頻。
“但偽造的視頻不會直接拿手機平板放到攝像頭前，按照正常流程通過人臉識別系統(tǒng)，而是使用某種黑客手段入侵了人臉識別的底層系統(tǒng)。比如通過劫持攝像頭，讓系統(tǒng)不啟動攝像頭，直接從底層注入提前準備好的動態(tài)視頻，完全就能繞過活體檢測。這種注入攻擊是針對人臉識別系統(tǒng)的應(yīng)用軟件層面的安全漏洞?！彼f。
這位技術(shù)專家表示，由于目前大多識別系統(tǒng)是用神經(jīng)網(wǎng)絡(luò)+大數(shù)據(jù)訓(xùn)練的方法實現(xiàn)，所以黑盒性和不可控性是一定存在的。他認為，技術(shù)方需要進一步提高對新型算法安全風(fēng)險的研究水平。
4
儲戶、銀行、人臉識別提供方，責(zé)任如何劃分？
截至目前，上述遭遇盜刷的儲戶得到的法院判決均認定，銀行沒有明顯過錯，不承擔(dān)責(zé)任。銀行的技術(shù)提供方也認為，是儲戶先泄露隱私，才導(dǎo)致事件發(fā)生。但在儲戶看來，即便自己被誘騙交出了部分個人信息，也不應(yīng)影響銀行通過人臉識別驗證出詐騙分子并非儲戶本人。
“既然人臉識別是銀行所引進，而且往往是變相強制儲戶使用，一旦出現(xiàn)存款被騙，銀行不承擔(dān)任何責(zé)任顯然也是有問題。完全讓儲戶個人來當冤大頭，既不公平，也無助于對犯罪的預(yù)防。”馬琳說，“技術(shù)如果不夠先進、不夠完備，那就不應(yīng)該投入使用，而不是已經(jīng)造成各個方面的損失，然后現(xiàn)在又說銀行的系統(tǒng)還在升級。系統(tǒng)不完備的損失誰來承擔(dān)，不是銀行來承擔(dān)嗎？雖然銀行自己也是受害者，但是他改善系統(tǒng)的能力比儲戶大得多?！?/p>
在清律律師事務(wù)所首席合伙人熊定中看來，“銀行不擔(dān)責(zé)”的判決結(jié)果“不是很合理”。他認為，整個流程存在兩個問題：人臉識別系統(tǒng)被攻破是銀行的責(zé)任，而儲戶本身可能也存在手機被劫持的“防范不足”。從損失情況來看的話，應(yīng)該是典型的雙方過錯，各自承擔(dān)責(zé)任。
他解釋道，整個流程中存在著兩組關(guān)系，一組是儲戶和銀行，另一組是技術(shù)提供方和銀行。儲戶和銀行之間，是銀行提供了技術(shù)驗證手段給儲戶，那么銀行本身肯定要對于人臉識別的結(jié)果有足夠的保證，如果特定的技術(shù)出了問題的話，責(zé)任當然是由銀行承擔(dān)。而技術(shù)提供方和銀行之間，要取決于銀行跟技術(shù)提供方的合同到底是如何約定的，“他們?nèi)绾稳ソ鉀Q這種因為技術(shù)使用導(dǎo)致的損失、如何約定責(zé)任的分擔(dān)問題，這是他們之間的問題，跟儲戶沒有關(guān)系?！?/p>
清華大學(xué)法學(xué)院教授勞東燕也有類似的看法。她認為，由于相應(yīng)風(fēng)險是銀行引進人臉識別所導(dǎo)致，也就是銀行參與了風(fēng)險的創(chuàng)設(shè)。在法律上，誰創(chuàng)設(shè)風(fēng)險，誰原則上就應(yīng)當對風(fēng)險現(xiàn)實化的結(jié)果承擔(dān)責(zé)任。其次，銀行在相關(guān)業(yè)務(wù)領(lǐng)域里獲益最大，理應(yīng)承擔(dān)與獲益相稱的風(fēng)險責(zé)任。再次，銀行防范風(fēng)險的能力更強，能力越強者責(zé)任越大。最后，從對犯罪的預(yù)防來看，只有讓銀行承擔(dān)部分法律責(zé)任，才能倒逼其提高安全技術(shù)保障。
事實上，縱觀銀行使用的密碼、U盾、手機驗證碼等用戶安全措施，都有被攻破的案例，人臉識別也不例外。熊定中認為，使用人臉識別驗證技術(shù)并沒有放大原來就有的風(fēng)險，只是“一個新的技術(shù)在使用過程中出現(xiàn)了問題”。
但廣東人民時代律師事務(wù)所律師王勝生認為，一旦陷入技術(shù)崇拜的怪圈，并對技術(shù)進行強制推廣，就會帶來風(fēng)險。“這是一種讓技術(shù)的攻防在發(fā)展中共生共長，出現(xiàn)風(fēng)險時又嚴重依賴技術(shù)防范的方案。唯獨沒有停下技術(shù)強制使用的想法，也沒有停下人臉識別濫用的做法?！?/p>
勞東燕還提出，對于個人生物識別信息這類高度敏感的信息，有進行專項立法的必要性，并采取以公法保護為主的方式。在專項立法的規(guī)定中，需要明確數(shù)據(jù)處理者才應(yīng)當是個人信息保護責(zé)任的主要承擔(dān)者。
“在數(shù)據(jù)處理過程中，究竟是誰制造了相應(yīng)的風(fēng)險？”勞東燕說，“同時，誰是其中最大的獲益方？肯定不可能是個人，而是作為數(shù)據(jù)處理者的科技企業(yè)與監(jiān)管部門?！倍鴱娘L(fēng)險預(yù)防能力與風(fēng)險預(yù)防效果來看，也應(yīng)該將“鞭子“打到數(shù)據(jù)處理者身上。相應(yīng)地，立法對人臉信息技術(shù)的規(guī)制重心，應(yīng)當從知情同意機制轉(zhuǎn)向數(shù)據(jù)處理者的合規(guī)義務(wù)體系。
王勝生則認為，要解決“人臉識別”這一技術(shù)帶來的諸多問題，“立法”只是其中一個環(huán)節(jié)。“雖然現(xiàn)在人臉識別已經(jīng)廣泛普及，但是對及技術(shù)局限和風(fēng)險的公共教育和學(xué)界討論、對法律上的舉證責(zé)任、舉證能力、風(fēng)險防范能力、司法公正的考量、對技術(shù)帶來的社會權(quán)力的對比和分析，各個環(huán)節(jié)都是缺失的?！?/p>
在他看來，首先，技術(shù)公司需要持續(xù)披露和明確告知技術(shù)的真實情況，包括風(fēng)險，使得大眾對技術(shù)進行全面的認知；其次，大眾和個體對強制和變相強制的技術(shù)適用應(yīng)該擁有“說不的能力”，非法律的社會力量制衡途徑需要存在；最后，方便適用的法律是否完備，司法公正性如何，才是最后一環(huán)的水波效應(yīng)。
“或許微乎其微的舉動不能影響人臉識別的大道其行，但也或許會帶來溫和的振動，促成一些良性的審慎的改觀和發(fā)展。”他說。
采寫：南都見習(xí)記者楊博雯 記者胡耕碩 余毅菁 實習(xí)生王睿
里云交互式分析與Presto對比分析及使用注意事項本文由阿里巴巴耿江濤帶來以“阿里云交互式分析與Presto對比分析及使用注意事項”為題的演講。文章首先介紹了Presto以及它的應(yīng)用場景、特點、架構(gòu)和原理、數(shù)據(jù)模型、數(shù)據(jù)類型，并且以Presto數(shù)據(jù)查詢作為實例。然后介紹了阿里云交互式分析，同時列舉了它的優(yōu)勢和典型應(yīng)用場景，對權(quán)限、數(shù)據(jù)類型、實例對象層級進行講解，并且對交互式分析的兩大場景進行實踐分析，列舉了幾種表的特征設(shè)置，以阿里云交互式分析開發(fā)作為示例展示其過程。最后，概括性的總結(jié)了阿里云交互式分析與Presto的區(qū)別。
以下為精彩視頻內(nèi)容整理：Presto介紹Presto的應(yīng)用場景 Presto是定位在數(shù)據(jù)倉庫和數(shù)據(jù)分析業(yè)務(wù)的分布式SQL引擎，比較適合的應(yīng)用場景有ETL、Ad-Hoc查詢、海量結(jié)構(gòu)化數(shù)據(jù)與半結(jié)構(gòu)化數(shù)據(jù)分析以及海量多維數(shù)據(jù)聚合與報表。特別需要注意的是，Presto是一個數(shù)倉類產(chǎn)品，其設(shè)計目標并不是為了替代MySQL、PostgreSQL等傳統(tǒng)的RDBMS數(shù)據(jù)庫，對事務(wù)支持有限，不適合在線業(yè)務(wù)場景。Presto的數(shù)據(jù)都是在內(nèi)存中，限制了在內(nèi)存中的數(shù)據(jù)集大小。比如多個大表的join，這些大表是不能完全放進內(nèi)存的。實際應(yīng)用中，對于在presto的查詢是有一定規(guī)定條件的，一個查詢在presto查詢超過30分鐘，就需要殺掉這個任務(wù)，這說明該查詢不適合在presto上使用。主要原因是，查詢過大的話，會占用整個集群的資源，這會導(dǎo)致后續(xù)的查詢是沒有資源進行查詢的，這與presto的設(shè)計理念是沖突的。如果在進行一個查詢時，要等5分鐘才有資源繼續(xù)查詢，這是不合理的，達不到理想的效果。Presto的特點 Presto有以下幾個特點：? 多數(shù)據(jù)源目前Presto可以支持Mysql、PostgreSQL、Cassanda、Hive、Kafka、JMX等多種Connector。 ? 支持SQL Presto已經(jīng)可以完全支持ANSI SQL，并提供一個SQL Shell給用戶，用戶可以直接使用ANSI SQL進行數(shù)據(jù)查詢和計算。? 擴展性Presto有很好的擴展性，開發(fā)人員可以很容易地開發(fā)出適合于自己特定數(shù)據(jù)源的Connector，并且可以使用SQL語句查詢和分析自定義Connector中的數(shù)據(jù)。? 混合計算在數(shù)據(jù)庫中的每種數(shù)據(jù)源都對應(yīng)一種特定的Connector，用戶可以根據(jù)業(yè)務(wù)需要在Presto中針對一種類型的Connector配置一個或者多個Catalog并查詢其中的數(shù)據(jù)，用戶可以混合多個Catalog進行join查詢和計算。? 高性能經(jīng)測試，Presto的查詢平均性能是Hive的10倍以上。? 流水線由于Presto是基于PipeLine進行設(shè)計的，因此在進行海量數(shù)據(jù)處理的過程中，終端用戶不用等到所有的數(shù)據(jù)處理完畢才能看到結(jié)果，而是可以像自來水管道一樣，一旦計算開始，就可以立即產(chǎn)生一部分結(jié)果數(shù)據(jù)，并且結(jié)果數(shù)據(jù)會一部分一部分地呈現(xiàn)在終端客戶面前。Presto架構(gòu)及其原理
如上圖所示為Presto的架構(gòu)圖，其中Coordinator表示中心的查詢角色，作用是接收查詢請求、解析SQL、生成執(zhí)行計劃、任務(wù)調(diào)度以及worker管理。coordinator進行是presto集群的master進程。Worker是執(zhí)行任務(wù)的節(jié)點。Connector是presto以插件形式對數(shù)據(jù)存儲層進行了抽象，稱作連接器，不僅包含Hadoop相關(guān)組件的連接器，還包括RDBMS連接器。 Discovery service是將coordinator和worker結(jié)合在一起的服務(wù)；worker節(jié)點啟動后向discovery service服務(wù)注冊，coordinator通過discovery service獲取注冊的worker節(jié)點。從架構(gòu)圖可以看出，Presto具有混合計算的優(yōu)勢，可以連接多種connector。Presto的數(shù)據(jù)模型
Presto的數(shù)據(jù)模型主要分為三個層級，第一個層級為Catalog，一個 Catalog 可以包含多個 Schema，物理上指向一個外部數(shù)據(jù)源，可以通過Connector訪問該數(shù)據(jù)源。此外，一次查詢可以訪問一個或多個Catalog。第二個層級為Schema，它相當于一個數(shù)據(jù)庫示例，一個Schema包含多張數(shù)據(jù)表。第三個層級為Table，表示數(shù)據(jù)表，它與一般意義上的數(shù)據(jù)庫表相同。
對于使用Presto，首先登錄服務(wù)器客戶端，輸入hive命令并創(chuàng)建數(shù)據(jù)庫為git_database。然后在客戶端輸入命令，可以連接到在hive創(chuàng)建的數(shù)據(jù)庫git_database，連接命令為presto --server emr-header-1:9090 --catalog hive --schema --user hadoop。
上圖為連接Presto的命令以及相應(yīng)參數(shù)解釋。Presto的數(shù)據(jù)類型Presto的數(shù)據(jù)類型分為數(shù)值類型、字符類型、日期和時間和復(fù)雜類型。其中數(shù)值類型有BOOLEAN，表示一個二值選項，值為TRUE或FALSE。TINYINT表示一個8位有符號整型，以二進制補碼形式存儲。SMALLINT表示一個16位有符號整型，以二進制補碼形式存儲。INTEGER表示一個32位有符號整型，以二進制補碼形式存儲。BIGINT表示一個64位有符號整型，以二進制補碼形式存儲。DOUBLE表示一個64位多精度的二進制浮點數(shù)值類型。 DECIMAL表示一個固定精度的數(shù)值類型，最大可支持38位有效數(shù)字，有效數(shù)字在17位以下性能最好。定義DECIMAL類型字段時需要確定兩個字面參數(shù)：一是精度（precision）數(shù)值總的位數(shù)，不包括符號位，二是范圍（scale）小數(shù)位數(shù)，可選參數(shù)，默認為0。示例：DECIMAL '-10.7'該值可用DECIMAL(3，1)類型表示。字符類型有VARCHAR表示一個可變長度的字符串類型，可以設(shè)置最大長度。示例：VARCHAR，VARCHAR(10)。CHAR表示一個固定長度的字符串類型，使用時可以指定字符串的長度，不指定則默認為1。示例：CHAR，CHAR(10)。日期和時間有DATE，表示一個日期類型的字段，日期包括年、月、日，但是不包括時間。示例：DATE ‘1988-01-30’。TIME表示一個時間類型，包括時、分、秒、毫秒。時間類型可以加時區(qū)進行修飾。示例：TIME '18:01:02.345'，無時區(qū)定義，使用系統(tǒng)時區(qū)進行解析。TIME '18:01:02.345 Asia/Shanghai'，有時區(qū)定義，使用定義的時區(qū)進行解析。TIMESTAMP表示一個時間戳類型的字段，時間戳包含了日期和時間兩個部分的信息，取值范圍為'1970-01-01 00:00:01' UTC到'2038-01-19 03:14:07' UTC，支持使用時區(qū)進行修飾。示例：TIMESTAMP '1988-01-30 01:02:03.321'，TIMESTAMP '1988-01-30 01:02:03.321 Asia/Shanghai’ 。INTERVAL主要用于時間計算表達式中，表示一個間隔，單位可以是如下幾個：YEAR-年、QUARTER-季度、MONTH-月、DAY-天、HOUR-小時、MINUTE-分鐘、SECOND-秒、MILLISECOND-毫秒。示例：DATE '2012-08-08' + INTERVAL '2' DAY。復(fù)雜類型有JSON，表示字段為一個JSON字符串，包括JSON對象、JSON數(shù)組、JSON單值（數(shù)值或字符串），還包括布爾類型的true、false以及表示空的null。示例：JSON '[1，null， 1988]'JSON '{"k1":1，"k2": "abc"}’。ARRAY表示一個數(shù)組，數(shù)組中各個元素的類型必須一致。示例：ARRAY[1，2，3]。MAP表示一個映射關(guān)系，由鍵數(shù)組和值數(shù)組組成。示例：MAP(ARRAY['foo'，'bar']，ARRAY[1，2])。ROW表示一行數(shù)據(jù)，行中每個列都有列名對應(yīng)，可以使用運算符+列名的方式來訪問數(shù)據(jù)列。示例：CAST(ROW(1988，1.0，30) AS ROW(y BIGINT，m DOUBLE，d TINYINT ))。IPADDRESS表示一個IPv4或IPv6地址。內(nèi)部實現(xiàn)上，將IPv4處理成IPv6地址使用（IPv4到IPv6映射表）。示例：IPADDRESS '0.0.0.0'， IPADDRESS '2001:db8::1'。Presto數(shù)據(jù)查詢示例 在hive中創(chuàng)建分區(qū)表和非分區(qū)表，并創(chuàng)建庫和表：? 非分區(qū)表創(chuàng)建CREATE TABLE weather (
city STRING ,
temp_lo int, -- 最低溫度
temp_hi int -- 最高溫度); INSERT INTO weather VALUES
('beijing',40,50),
('hangzhou',46,55);? 分區(qū)表創(chuàng)建 create table odps_test2( shop_name string, customer_id string, total_price INT )partitioned by (sale_date string);INSERT overwrite table odps_test2 partition (sale_date='2013')values ('shop', '1234', 12);INSERT overwrite table odps_test2 partition (sale_date='2014')values ('rest', '1111', 13);INSERT overwrite table odps_test2 partition (sale_date='2015')values ('texy', '2222', 14);
上圖所示為Presto非分區(qū)表查詢。
上圖所示為Presto分區(qū)表查詢。阿里云交互式分析介紹什么是交互式分析 交互式分析是大數(shù)據(jù)生態(tài)體系下的實時交互式分析產(chǎn)品，支持PB級數(shù)據(jù)高并發(fā)實時寫入實時查詢，完全兼容PostgreSQL協(xié)議，可以使用主流BI工具（如Tableau、帆軟等）或SQL客戶端輕松訪問數(shù)據(jù)、開展BI分析或者即席查詢分析。 在離線大數(shù)據(jù)場景上，交互式分析（Interactive Analytics）與MaxCompute無縫打通，為MaxCompute提供交互式查詢服務(wù)，真正實現(xiàn)“一套數(shù)據(jù)，兩種計算”。使用熟悉的工具以標準SQL查詢分析MaxCompute項目中的數(shù)據(jù)，快速獲取查詢結(jié)果。也可使用主流BI工具（如Tableau、帆軟等）或SQL客戶端輕松連接到MaxCompute項目，開展BI分析或即席查詢。也可以利用交互式分析（Interactive Analytics）的快速查詢特性，將項目表數(shù)據(jù)封裝成API對外服務(wù)，無需數(shù)據(jù)遷移就能夠支持更豐富的應(yīng)用場景。 交互式分析（Interactive Analytics）提供無服務(wù)器計算（Serverless）的服務(wù)方式，無需管理任何基礎(chǔ)設(shè)施，只需為運行的查詢付費。交互式分析的優(yōu)勢 交互式分析（Interactive Analytics）兼容PostgreSQL生態(tài)、支持MaxCompute數(shù)據(jù)直接查詢分析，支持實時寫入實時查詢，實時離線聯(lián)邦分析，低成本、高時效、快速構(gòu)筑企業(yè)實時數(shù)據(jù)倉庫。 ? 極速響應(yīng) PB級數(shù)據(jù)亞秒級查詢響應(yīng)，滿足用戶實時多維分析透視和業(yè)務(wù)探索需求。支持向量化計算及列存儲智能索引，性能大幅領(lǐng)先于開源系統(tǒng)。 ? MaxCompute加速查詢 無縫對接MaxCompute，無需移動數(shù)據(jù)，直接交互式分析，快速獲取查詢結(jié)果?？梢詥为毑樵僊axCompute，也可以與實時數(shù)據(jù)結(jié)合進行聯(lián)合計算。 ? 高并發(fā)實時寫入和查詢 支持高并發(fā)實時數(shù)據(jù)的實時寫入和實時查詢，寫入速度可達數(shù)億TPS，寫入即可查。 ? 統(tǒng)一引擎架構(gòu) 采用統(tǒng)一的引擎架構(gòu)，支持行存和列存兩種存儲模式，同時滿足點查詢、即席查詢及OLAP場景。 ? 簡單易用 兼容PostgreSQL生態(tài)，與大數(shù)據(jù)計算引擎及智能云研發(fā)平臺DataWorks無縫鏈接。交互式分析典型應(yīng)用場景
實時數(shù)倉場景如上圖所示。業(yè)務(wù)數(shù)據(jù)實時寫入實時計算，并將數(shù)據(jù)進行ETL處理，再由交互式分析實時查詢，最終輸出到第三方分析工具，實現(xiàn)實時數(shù)據(jù)的實時分析。該場景下的典型應(yīng)用有：數(shù)據(jù)部門的實時數(shù)倉、實時大屏、實時Reporting報表分析。也用于運維和數(shù)據(jù)應(yīng)用的實時監(jiān)控、實時異常檢測預(yù)警、實時Debug。同時用于業(yè)務(wù)部門的實時風(fēng)控、實時推薦、實時效果分析、實時訓(xùn)練等。
MaxCompute加速查詢場景如上圖所示。業(yè)務(wù)數(shù)據(jù)寫入離線數(shù)倉MaxCompute，由交互式分析直接加速查詢或?qū)氩樵?，再對接BI分析工具，輕松實現(xiàn)離線數(shù)據(jù)的實時分析。該場景下的典型應(yīng)用有：MaxCompute離線數(shù)據(jù)的實時查詢。此外，也用于MaxCompute離線數(shù)據(jù)報表分析以及MaxCompute離線數(shù)據(jù)的在線應(yīng)用輸出（例如RESTful API）。
實時離線聯(lián)邦分析場景如上圖所示。業(yè)務(wù)數(shù)據(jù)按冷熱分開存儲，冷數(shù)據(jù)存儲在離線數(shù)倉MaxCompute，熱數(shù)據(jù)存儲在交互式分析，通過交互式分析實現(xiàn)實時離線數(shù)據(jù)聯(lián)邦分析，再對接BI分析工具，快速響應(yīng)簡單查詢與復(fù)雜多維分析的業(yè)務(wù)要求。 交互式分析權(quán)限介紹
實例內(nèi)的角色層級關(guān)系和權(quán)限介紹如上圖所示。以下為交互式分析（Interactive Analytics）中常用的角色名稱定義。 Cluster Admin：管理整個集群。可創(chuàng)建、銷毀instance。阿里云內(nèi)部管理人員，權(quán)限不對外。 superuser：某個項目內(nèi)的實例（instance）內(nèi)的管理員，系統(tǒng)默認將實例申請賬號的擁有者設(shè)定為superuser。擁有整個實例的權(quán)限，可創(chuàng)建、銷毀DB，也可創(chuàng)建角色以及為角色授權(quán)等。 DB owner：某個DB的owner。系統(tǒng)默認superuser是DB的Owner，但superuser可授權(quán)給某個用戶，讓其成為DB Owner。 普通用戶：經(jīng)過授權(quán)后，可在某個DB里執(zhí)行普通的SQL。需要更多的權(quán)限，需要向superuser申請。交互式分析數(shù)據(jù)類型介紹
上表為基本類型介紹。其中重點為double precision、text、timestamp with time zone以及date。
上圖所示為基礎(chǔ)簡單操作。需要注意的是：對于timestamp with time zone類型，SQL標準通過判斷timestamptz類型數(shù)據(jù)的“+”或者“-”符號以及符號后面的時區(qū)偏移來識別時區(qū)，如果未表明時區(qū)偏移，將會有一個默認時區(qū)添加到數(shù)據(jù)上。交互式分析支持precision的范圍從0到38，scale范圍支持從0到precision。交互式分析的decimal需要明確指定precision和scale信息，不能使用省略的方式。
數(shù)組類型包括int4[]、int8[]、float4[]、float8[]、boolean[]、text[]。上圖所示為插入數(shù)據(jù)和查詢數(shù)組類型的數(shù)據(jù)示例。
在插入數(shù)據(jù)時，例如，ARRAY可以使用ARRAY關(guān)鍵字，如上圖所示。
也可以使用{}表達式，如上圖所示。
查詢數(shù)組中單個元素，如上圖所示。
查詢數(shù)組中部分元素，如上圖所示。交互式分析實例對象層級介紹
交互式分析新增schema功能之后，表的存儲結(jié)構(gòu)從database.table改變?yōu)閐atabase.schema.table。每一張表歸屬于一個schema，一個Database可以有多個schema。不同的schema下可以有相同的對象（表名、數(shù)據(jù)類型等）。 交互式分析當前版本主要支持create schema，alter schema rename以及在schema的建表功能。暫時不支持drop schema。交互式分析場景分類 交互式分析場景分為MaxCompute直接分析使用場景和MaxCompute導(dǎo)入查詢使用場景。MaxCompute直接分析使用場景作為首選方案，查詢數(shù)據(jù)量小于100GB（經(jīng)過分區(qū)過濾后，命中分區(qū)的大小，與查詢相關(guān)字段的大小無關(guān)）。MaxCompute導(dǎo)入查詢使用場景指單表查詢數(shù)據(jù)量大于100GB、復(fù)雜查詢、含索引的查詢、數(shù)據(jù)需更新、insert操作的場景。針對MaxCompute直接分析使用場景，MaxCompute非分區(qū)表數(shù)據(jù)查詢過程如下：
首先在MaxCompute中創(chuàng)建非分區(qū)表。
然后建立交互式分析與MaxCompute的映射表。針對MaxCompute直接分析使用場景，MaxCompute分區(qū)表數(shù)據(jù)直接查詢過程如下：
首先在MaxCompute中創(chuàng)建分區(qū)表。
然后建立交互式分析與MaxCompute的映射表。針對MaxCompute導(dǎo)入查詢使用場景，MaxCompute非分區(qū)數(shù)據(jù)導(dǎo)入查詢過程如下：
首先在MaxCompute中創(chuàng)建非分區(qū)表并插入數(shù)據(jù)。
然后建立交互式分析與MaxCompute的映射表。
在交互式分析中創(chuàng)建真實存在的表。
最后，將MaxCompute源頭表中的數(shù)據(jù)導(dǎo)入到交互式分析。針對MaxCompute導(dǎo)入查詢使用場景，MaxCompute分區(qū)數(shù)據(jù)導(dǎo)入查詢過程如下：
首先在MaxCompute中創(chuàng)建非分區(qū)表并插入數(shù)據(jù)。
然后建立交互式查詢與MaxCompute的映射表。
在交互式分析中創(chuàng)建真實存在的表。
在交互式分析中建立子分區(qū)。
最后，將MaxCompute中的數(shù)據(jù)導(dǎo)入交互式分析的子分區(qū)表。表的特征設(shè)置
上圖所示為orientation的設(shè)置，在交互式分析（Interactive Analytics）中，數(shù)據(jù)庫表默認為列存（column store）形式。列存對于OLAP場景較好，適合各種復(fù)雜查詢，行存對于kv場景較好，適合基于primary key的點查和掃描scan。
上圖所示為clustering key的設(shè)置，互式分析（Interactive Analytics）會在聚簇索引上對數(shù)據(jù)進行排序，建立聚簇索引能夠加速用戶在索引列上的range和filter查詢。clustering_key指定的列必須滿足非空約束（not null）。clustering_key指定列時，可在列名后添加 ：desc或者asc來表明構(gòu)建索引時的排序方式。排序方式默認為asc，即升序。數(shù)據(jù)類型為float或double的列，不能設(shè)置為clustering_key。
上圖所示為bitmap columns的設(shè)置，bitmap_columns指定比特編碼列，交互式分析（Interactive Analytics）在這些列上構(gòu)建比特編碼。bitmap可以對segment內(nèi)部的數(shù)據(jù)進行快速過濾，所以建議用戶把filter條件的數(shù)據(jù)建成比特編碼。設(shè)置bitmap_columns要求orientation為 column，即列存表。bitmap_columns適合無序且取值不多的列，對于每個取值構(gòu)造一個二進制串，表示取值所在位置的bitmap。bitmap_columns指定的列可以為null。默認所有text列都會被隱式地設(shè)置到bitmap_columns中。
上圖所示為dictionary encoding columns的設(shè)置，dictionary_encoding_columns指定字典編碼列，交互式分析（Interactive Analytics）為指定列的值構(gòu)建字典映射。字典編碼可以將字符串的比較轉(zhuǎn)成數(shù)字的比較，加速group by、filter等查詢。設(shè)置dictionary_encoding_columns要求orientation為column，即列存表。dictionary_encoding_columns指定的列可以為null。無序但取值較少的列適合設(shè)置dictionary_encoding_columns，可以壓縮存儲。默認所有text列都會被隱式地設(shè)置到dictionary_encoding_columns中。
上圖所示為time to live in seconds的設(shè)置，time_to_live_in_seconds指定了表的生存時間，單位為秒，必須是非負數(shù)字類型，整數(shù)或浮點數(shù)均可。
上圖所示為distribution_key的設(shè)置，distribution_key屬性指定了數(shù)據(jù)庫表分布策略。columnName部分如設(shè)置單值，不要有多余空格。如設(shè)置多值，則以逗號分隔，同樣不要有多余的空格。distribution_key指定的列可以為null。交互式分析中，數(shù)據(jù)庫表默認為隨機分布形式。數(shù)據(jù)將被隨機分配到各個shard上。如果制定了分布列，數(shù)據(jù)將按照指定列，將數(shù)據(jù)shuffle到各個shard，同樣的數(shù)值肯定會在同樣的shard中。當以分布列做過濾條件時，交互式分析可以直接篩選出數(shù)據(jù)相關(guān)的shard進行掃描。當以分布列做join條件時，交互式分析不需要再次將數(shù)據(jù)shuffle到其他計算節(jié)點，直接在本節(jié)點join本節(jié)點數(shù)據(jù)即可，可以大大提高執(zhí)行效率。 交互式分析開發(fā)實例購買交互式分析實例如下所示：
點擊鏈接，進入購買實例界面，選擇對應(yīng)的交互式分析region，公測階段主要是華東1、華東2、華北2、華南1，然后選擇購買的計算資源，并對實例命名，選擇購買時長，最后點擊購買。
確認交互式分析的地域，計算資源，以及設(shè)置的實例名稱，最后點擊去支付。查看交互式分析實例如下所示：
進入控制臺點擊DataWorks，選擇左側(cè)列表中的計算引擎列表，選擇交互式分析，查看當前購買交互式分析實例。創(chuàng)建項目空間如下所示：
選擇左側(cè)列表中的工作空間列表，并點擊頁面的創(chuàng)建工作空間。
填寫相應(yīng)的工作空間名稱，顯示名，以及模式選擇。
選擇引擎為交互式分析，點擊下一步。 創(chuàng)建工作空間如下所示：
選擇實例顯示名稱以及選擇交互式分析實例名稱，數(shù)據(jù)庫名默認為postgres。添加子賬戶到到該項目空間如下所示：
選擇新建的項目空間點工作空間配置，選擇左側(cè)列表中的成員管理將需要添加到該項目空間的子賬戶添加到該項目空間。交互式分析開發(fā)如下所示：
進入Dataworks界面，點擊該交互式分析的項目空間，點擊左側(cè)的全部產(chǎn)品，選擇Holo Studio，進行開發(fā)。
創(chuàng)建新的文件夾，并創(chuàng)建節(jié)點名稱，默認數(shù)據(jù)庫為postgres。
進入Holo Studio點擊新建文件夾，創(chuàng)建交互式分析的節(jié)點，在此創(chuàng)建新的數(shù)據(jù)庫為git_database。
點擊右上角的配置按鈕，進入工作空間管理，進入管理界面。實例開通成功后，系統(tǒng)會默認生成一個名為postgres的數(shù)據(jù)庫，但該數(shù)據(jù)庫分配的資源小，若需要走生產(chǎn)任務(wù)，建議創(chuàng)建一個新的業(yè)務(wù)數(shù)據(jù)庫。
進入工作空間配置，點擊計算引擎信息中的的交互式分析，可以查看到交互式分析實例的相關(guān)信息，在這里點擊綁定交互式分析DB。
點擊綁定交互式分析按鈕，填寫在Holo Studio中的創(chuàng)建的數(shù)據(jù)庫git_database,然后點擊測試聯(lián)通性，點擊確定。交互式分析子賬戶授權(quán)如下所示：
使用主賬號登錄控制臺，點右側(cè)人像，點擊訪問控制，查看當前所有用戶。
選擇左側(cè)列表中的用戶管理需要添加到Holo Studio的用戶，并點擊。
點擊用戶名稱，可以查看到用戶的基本信息,在UID字段中可以看到一串數(shù)字,將這UID記錄下來。
進入所開發(fā)的Holo Studio的界面，在所建立的文件夾下，點擊Holo節(jié)點，輸入圖片中的語句create user “p4_” SUPERUSER，這里的UID即是上頁保存的UID。 阿里云交互式分析與Presto的區(qū)別總之，阿里云交互式分析的適用場景為實時數(shù)倉和聯(lián)邦查詢（MaxCompute、Mysql、OSS…），實例架構(gòu)對應(yīng)飛天操作系統(tǒng)（內(nèi)存+存儲混合型），操作方式為HoloStudio界面開發(fā)，也支持其他bi工具，并且兼容Postgres。數(shù)據(jù)模型層級分為Instance、database、schema和table。權(quán)限控制為簡單或復(fù)雜模型+Grant語句。數(shù)據(jù)類型支持復(fù)雜類型，支持表屬性設(shè)置。SQL為Postgres SQL，支持數(shù)據(jù)存儲，可以實時寫入、實時更新。生態(tài)（BI工具）為Tableau、帆軟主流BI+云QuickBI。 而Presto的適用場景為聯(lián)邦查詢(Hive、Mysql、MongoDB…）。實例架構(gòu)對應(yīng)Presto架構(gòu)（MPP），操作方式為客戶端操作。數(shù)據(jù)模型層級分為Catalog、Schema和Table。權(quán)限控制為Grant語句，數(shù)據(jù)類型支持復(fù)雜類型，不支持表屬性設(shè)置，SQL是Presto SQL，不支持數(shù)據(jù)存儲，不支持數(shù)據(jù)更新，生態(tài)（BI工具）為Tableau、帆軟等主流BI。
目類型比較多，包含判斷、單選、多選、填空等多種題型，適合各種職業(yè)考證搜題，比如醫(yī)衛(wèi)類、財會類、海外貿(mào)易等，大家可以根據(jù)自己的需求進行選擇，而且直接輸入題目內(nèi)容就能搜索題目，很是方便。
這是個微信公眾號
不僅會提供題目的答案，而且還會附帶詳細的解析，幫助大家理解答案的緣由~
下方附上一些測試的試題及答案
1、教育物質(zhì) 名詞解釋
答案：指進入教育過程的各種物質(zhì)資源。根據(jù)這些物質(zhì)資源在教育中的不同作用，可以把它們分為教育的活動場所與設(shè)施、教育媒體以及教育輔助手段三大類。這是教育活動中物的要素。
2、在0.1MPa，20℃時，甲烷的導(dǎo)熱系數(shù)為（)W／（m·K)。
A、0.155 B、0.112 C、0.117 D、0.113
答案：C
3、鋼板超聲檢測中，校準檢測靈敏度的方法是（)。
A、6dB法 B、試塊法或底波調(diào)節(jié)法 C、距離—波幅曲線法 D、以上都對
答案：B
4、金字塔（建筑)（名詞解釋)
答案：在建筑上是指錐體建筑物，一般來說基座為正三角形或四方形等的正多邊形，也可能是其他的多邊形，側(cè)面由多個三角形或接近三角形的面相接而成，頂部面積非常小，甚至成尖狀。金字塔這一類型的建筑物一般用作陵墓或者祭祀之用，因為它的外形像中國的漢字“金”，所以就叫它金字塔，其實與“金”并沒有關(guān)系。金字塔一般指的是埃及金字塔，其他著名的還有瑪雅金字塔、阿茲特克金字塔(太陽金字塔、月亮金字塔)等。
5、材料題請點擊右側(cè)查看材料問題 查看材料
A.not any longer B.no more C.no longer D.not any more
答案：C 句意為：然而，婚姻__________像幾十年前那樣普遍。四個選項都表示“不再”，A和D項通常都分開使用，C項一般直接跟在動詞后面，所以C項正確。
6、鋼絲繩的表面鋼絲磨損超過其表面鋼絲直徑的40%時，允許降級和降低拉力使用。（)
是 否
答案：否
7、下列影響工程進度的因素中，屬于業(yè)主因素的是（)。
A．匯率浮動和通貨膨脹 B．不明的水文氣象條件 C．提供的場地不能滿足工程正常需要 D．合同簽訂時遺漏條款、表述失當
答案：C
8、___________ 查看材料
A.And others have painful attacks all the time. B.These signals travel from nerve cells in the injured area， up the spinal cord （脊髓 ） to the brain， and back down again. C.It tells us that we are injured and should do something about it. D.They knew little about the process of pain itself. E.The other message moves at a speed of only one meter a second， F.And they send the second， slower message of pain to t.he brain.
答案：C 空格前的句子講到，疼痛是我們身體的警報系統(tǒng)。因此接下來的句子應(yīng)該說明這樣說的原因。
9、TSG3－630／25型受電弓的靜態(tài)接觸壓力偏大，導(dǎo)致接觸導(dǎo)線和滑板的電磨損增加。（)
是 否
答案：否
10、"集合概念"這個概念屬于()。
A．集合概念 B．普遍概念 C．單獨概念 D．負概念
答案：B
11、_____________ 查看材料
A.exposed B.expanded C.located D.detected
答案：C 科學(xué)家在選擇問卷對象時注意了代表性，入選的青少年既有講法語的，也有講英語的，他們就讀的學(xué)校有城市的，也有農(nóng)村的。接下來的問題是：在schools和inhigh，moderateandlowsocioe-conomicneighbourhoods(高檔社區(qū)、中檔社區(qū)和低檔社區(qū))之間選哪個詞才符合上下文的意思呢?很明顯，這些學(xué)校有位于高檔社區(qū)的，也有位于中檔和低檔社區(qū)的。所以located是答案。
12、材料題請點擊右側(cè)查看材料問題 查看材料
A.how B.why C.where D.what
答案：A studying后面是一個從句作它的賓語，而從句起首處應(yīng)有個連詞。把C或D填入空格，上下文意思不連貫。根據(jù)下文的例子，作者討論的不是生物鐘為什么會影響我們的工作，而是生物鐘如何影響我們的工作。所以，how是正確的選擇。
13、高爐煤氣的爆炸極限為()
A、35～80% B、40～70% C、40～75% D、40～65%
答案：B
14、IPTV系統(tǒng)（名詞解釋)
答案：是一種即交互式網(wǎng)絡(luò)電視，是一種利用寬帶有線電視網(wǎng)集互聯(lián)網(wǎng)，多媒體，通信等多種技術(shù)于一體，向家家庭用戶提供包括數(shù)字電視在內(nèi)的多種交互式服務(wù)的技術(shù)。
15、下列哪種熟制屬于多熟制（）。
A．A.一年三熟 B．B.四年三熟 C．C.一年一熟 D．D.兩年二熟
答案：A
這是一個網(wǎng)站
考試資料網(wǎng)提供各種網(wǎng)上考試參考答案,在線測試答案,網(wǎng)上考試試題題庫是一個集網(wǎng)上考試題庫與網(wǎng)上考試參考答案、在線測試答案、資訊發(fā)布于一體的在線搜題網(wǎng)站。
這是一個網(wǎng)站
搜題、解題、答案、作業(yè)等服務(wù)平臺,提供多種學(xué)科的問題解決方案,幫助學(xué)生快速找到問題的答案和解決方法,提高學(xué)習(xí)效率和成績。
未來教育app是一款計算機等級考試模擬軟件
未來教育涵蓋了計算機等級考試、c 語音、三級數(shù)據(jù)庫、四級等內(nèi)容，為用戶提供百分百真題模擬，可以幫助考生隨時隨地練習(xí)。
大學(xué)生還可以利用互聯(lián)網(wǎng)上的學(xué)術(shù)搜索引擎、在線課程和學(xué)術(shù)論壇等資源，擴展學(xué)科知識和深化專業(yè)理解。