2025年大数据工程师职业资格认证考试题库（附答案和详细解析）（1002）.docxVIP

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）

以下哪项是Hadoop生态中负责资源管理的核心组件？

A.HDFS

B.YARN

C.MapReduce

D.HBase

答案：B

解析：Hadoop2.0引入YARN（YetAnotherResourceNegotiator）作为资源管理系统，负责集群资源的分配与调度；HDFS是分布式文件系统（存储），MapReduce是计算框架（任务执行），HBase是分布式数据库（存储结构化数据）。因此正确答案为B。

Spark的计算模型主要基于以下哪种抽象？

A.关系表（Table）

B.弹性分布式数据集（RDD）

C.数据流（DataFlow）

D.键值对（Key-Value）

答案：B

解析：Spark的核心抽象是RDD（ResilientDistributedDatasets），支持分布式内存计算；关系表是Hive的抽象，数据流是Flink的抽象，键值对是HBase的存储模型。因此正确答案为B。

数据仓库（DataWarehouse）与传统数据库的主要区别在于？

A.支持事务处理（OLTP）

B.面向主题（Subject-Oriented）

C.实时写入性能

D.支持单条记录更新

答案：B

解析：数据仓库面向分析（OLAP），以主题为中心组织数据；传统数据库面向事务（OLTP），支持实时写入和单条更新。因此正确答案为B。

Kafka作为消息队列，其核心设计目标是？

A.保证消息严格有序

B.支持高吞吐量与持久化

C.实现实时消息推送

D.提供事务性消息

答案：B

解析：Kafka的核心设计目标是处理海量数据流的高吞吐量（百万级消息/秒）和持久化存储（基于磁盘）；严格有序仅在单分区内保证，实时推送是MQTT等协议的特性，事务性是RocketMQ的扩展功能。因此正确答案为B。

数据倾斜（DataSkew）在分布式计算中最可能导致的问题是？

A.计算节点内存溢出

B.网络带宽浪费

C.数据丢失

D.索引失效

答案：A

解析：数据倾斜指某一分区数据量远大于其他分区，导致对应节点计算压力过大，最终内存溢出；网络带宽浪费是数据传输设计问题，数据丢失与容错机制相关，索引失效与存储结构相关。因此正确答案为A。

以下哪种分布式存储系统采用强一致性模型？

A.HDFS

B.Cassandra

C.Redis

D.GoogleSpanner

答案：D

解析：Spanner通过TrueTime时钟实现全局强一致性；HDFS仅保证“一次写入多次读取”的一致性，Cassandra支持最终一致性，Redis默认强一致性但分布式场景下为最终一致性。因此正确答案为D。

Flink中用于处理乱序事件的核心机制是？

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Flink处理乱序事件的核心机制，通过标记“事件时间已到达某一时刻”来触发窗口计算；窗口定义计算范围，状态存储中间结果，检查点用于容错。因此正确答案为A。

数据清洗（DataCleaning）的核心目标是？

A.减少数据量

B.消除数据中的错误、缺失或冗余

C.转换数据格式

D.提升数据可视化效果

答案：B

解析：数据清洗的目标是提高数据质量，处理缺失值、异常值、重复值等问题；减少数据量是数据抽样的目标，格式转换是数据集成的步骤，可视化是分析阶段的任务。因此正确答案为B。

以下哪项属于大数据机器学习中的监督学习任务？

A.聚类分析（Clustering）

B.关联规则挖掘（AssociationRule）

C.分类预测（Classification）

D.降维（DimensionalityReduction）

答案：C

解析：监督学习需要标签数据，分类预测（如用户是否流失）是典型任务；聚类、关联规则、降维均为无监督学习。因此正确答案为C。

数据湖（DataLake）与数据仓库的关键差异是？

A.存储数据的类型

B.数据处理的速度

C.数据访问的权限

D.数据建模的阶段

答案：A

解析：数据湖存储原始的、多类型（结构化/半结构化/非结构化）数据，数据仓库存储经过清洗、结构化的主题数据；处理速度与技术选型相关，权限和建模阶段是实施细节。因此正确答案为A。

二、多项选择题（共10题，每题2分，共20分）

HDFS的主要特点包括？（）

A.适合存储小文件

B.高容错性（副本机制）

C.支持低延迟访问

D.流式数据访问

答案：BD

解析：HDFS设计目标是存储大文件（GB级以上），通过多副本（默认3份）保证容错；采用流式访问（一次