原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
大数据工程师职业资格认证考试试卷
一、单项选择题（共10题，每题1分，共10分）
HDFS默认的块大小是以下哪一项？
A.64MB
B.128MB
C.256MB
D.32MB
答案：B
解析：HDFS设计时为了降低寻址开销，默认将大文件分割为固定大小的块，Hadoop2.x及以上版本默认块大小为128MB（Hadoop1.x为64MB）。选项A是旧版本默认值，C和D不符合HDFS优化设计原则。
Spark中RDD的哪个特性保证了容错性？
A.不可变性（Immutability）
B.分区性（Partitioning）
C.依赖关系（Dependencies）
D.延迟计算（LazyEvaluation）
答案：C
解析：RDD通过记录父RDD的依赖关系（窄依赖和宽依赖）实现容错。当部分分区丢失时，可通过重算父RDD的对应分区恢复数据。A是RDD的基本属性，B是并行计算的基础，D是计算效率优化手段，均非容错核心。
Kafka中用于标识消息在分区中位置的是？
A.Offset
B.Partition
C.Topic
D.ConsumerGroup
答案：A
解析：Offset是消息在分区中的唯一顺序标识符（从0开始递增），用于消费者记录消费位置。B是主题的分片，C是消息的逻辑分类，D是消费者的分组机制，均不符合题意。
数据仓库（DataWarehouse）的核心特点不包括？
A.面向主题（SubjectOriented）
B.实时性（Real-time）
C.集成性（Integrated）
D.时变性（TimeVariant）
答案：B
解析：数据仓库主要用于支持决策分析，数据通过ETL批量加载，强调历史数据的稳定性，而非实时更新。A、C、D是数据仓库的四大核心特性（另一个是稳定性Non-volatile）。
Flink中处理事件时间（EventTime）时，用于处理延迟数据的机制是？
A.水印（Watermark）
B.窗口（Window）
C.状态（State）
D.检查点（Checkpoint）
答案：A
解析：水印是事件时间的进度标识，定义了“当前时间已处理到T，后续不会再有时间戳≤T的事件”。当水印超过窗口结束时间时，窗口触发计算，未到达的延迟数据可通过允许延迟（AllowedLateness）机制处理。B是时间划分单位，C是存储中间结果，D是容错机制。
HBase的存储结构中，数据按以下哪个维度排序？
A.RowKey升序
B.ColumnFamily降序
C.Timestamp升序
D.Qualifier字典序
答案：A
解析：HBase基于LSM树存储，数据在Region内按RowKey的字节序升序排列。其他选项中，列族（ColumnFamily）是表结构设计维度，时间戳（Timestamp）用于版本管理（默认保留最新版本），列限定符（Qualifier）无全局排序。
以下哪项不是数据倾斜（DataSkew）的常见表现？
A.部分任务运行时间远长于其他任务
B.Shuffle阶段网络传输量激增
C.任务内存溢出（OOM）
D.所有任务均快速完成
答案：D
解析：数据倾斜指大量数据集中到少数分区，导致对应任务处理压力大。表现为部分任务耗时过长（A）、Shuffle阶段数据集中传输（B）、内存不足（C）。D是正常并行计算的理想状态。
机器学习中，以下哪种方法用于解决类别不平衡问题？
A.特征标准化（FeatureScaling）
B.过采样（Oversampling）
C.主成分分析（PCA）
D.正则化（Regularization）
答案：B
解析：类别不平衡时，少数类样本不足，过采样（如SMOTE算法）通过生成少数类样本平衡分布。A用于消除特征量纲影响，C用于降维，D用于防止过拟合。
数据湖（DataLake）与数据仓库（DataWarehouse）的关键区别是？
A.数据存储格式
B.数据处理速度
C.数据访问权限
D.数据应用场景
答案：A
解析：数据湖存储原始的、多格式（结构化/半结构化/非结构化）的数据，而数据仓库存储经过清洗、结构化的业务数据。B（处理速度）和C（访问权限）非核心区别，D（应用场景）是结果而非原因。
以下哪种NoSQL数据库适合存储时序数据（如IoT传感器日志）？
A.Redis（键值存储）
B.HBase（列式存储）
C.MongoDB（文档存储）
D.Neo4j（图存储）
答案：B
解析：HBase按RowKey排序存储，适合时间戳作为RowKey前缀的时序数据（如“设备ID+时间戳”），支持快速范围查询。Redis适合缓存，MongoDB适合半结构化文档，Neo4j适合关系型
文档评论（0）