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）（1010）.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）

以下哪个组件是HDFS的主节点，负责管理文件系统元数据？

A.DataNode

B.NameNode

C.SecondaryNameNode

D.JournalNode

答案：B

解析：HDFS采用主从架构，NameNode作为主节点，负责存储和管理文件系统的元数据（如文件目录、块位置信息）；DataNode是从节点，负责存储数据块（A错误）；SecondaryNameNode是NameNode的辅助节点，定期合并编辑日志和镜像文件（C错误）；JournalNode用于HDFS高可用（HA）场景下的元数据同步（D错误）。

关于Hive的描述，正确的是？

A.Hive是实时计算框架

B.Hive元数据默认存储在MySQL中

C.HiveQL语法与SQL高度相似

D.Hive直接处理文件存储，无需依赖HDFS

答案：C

解析：Hive是基于Hadoop的数据仓库工具，使用类SQL的HiveQL语言（C正确）；Hive计算依赖MapReduce/Spark，属于批处理而非实时（A错误）；元数据默认存储在Derby数据库，生产环境常用MySQL（B错误）；Hive数据存储默认基于HDFS（D错误）。

Spark中RDD的“弹性”不包括以下哪项特性？

A.自动容错

B.自动并行化

C.数据分区

D.不可变

答案：B

解析：RDD的弹性（Resilient）体现在自动容错（通过血统Lineage恢复）、数据分区（可分布式计算）、不可变（修改生成新RDD）（A、C、D正确）；并行化是RDD的固有属性，由分区数决定，并非“弹性”特性（B错误）。

Kafka中，消费者组（ConsumerGroup）的核心作用是？

A.保证消息顺序

B.实现负载均衡

C.存储消息日志

D.管理生产者连接

答案：B

解析：消费者组通过将主题分区分配给组内消费者，实现消息的并行消费（负载均衡）（B正确）；单个分区内消息顺序由消费者保证，但跨分区无法全局有序（A错误）；消息日志由Broker存储（C错误）；生产者连接由Broker管理（D错误）。

以下不属于数据清洗主要任务的是？

A.处理缺失值

B.去除重复数据

C.数据标准化

D.特征提取

答案：D

解析：数据清洗关注数据质量问题，包括缺失值处理、去重、纠正错误（A、B、C属于）；特征提取是数据预处理的后续步骤，用于模型输入（D不属于）。

分布式计算框架中，属于内存计算的是？

A.MapReduce

B.Spark

C.Hive

D.Flink

答案：B

解析：Spark基于RDD，计算过程中数据尽可能保留在内存中（B正确）；MapReduce和Hive依赖磁盘（A、C错误）；Flink是流计算框架，支持内存和磁盘结合（D错误）。

HBase的存储模型是？

A.行式存储

B.列式存储

C.键值存储

D.文档存储

答案：B

解析：HBase是列式数据库，数据按列族存储（B正确）；行式存储如MySQL（A错误）；键值存储如Redis（C错误）；文档存储如MongoDB（D错误）。

以下哪个指标用于衡量数据仓库的“一致性”？

A.数据更新频率

B.不同表间相同字段的定义统一

C.数据存储量

D.查询响应时间

答案：B

解析：数据仓库一致性要求同一业务含义的字段在不同表中定义一致（如“用户ID”格式统一）（B正确）；更新频率是时效性指标（A错误）；存储量是规模指标（C错误）；响应时间是性能指标（D错误）。

关于Flink的时间窗口，正确的是？

A.滚动窗口（TumblingWindow）允许窗口重叠

B.滑动窗口（SlidingWindow）的大小必须等于滑动间隔

C.会话窗口（SessionWindow）用于处理非连续事件

D.全局窗口（GlobalWindow）默认触发计算

答案：C

解析：会话窗口通过会话间隔（SessionGap）定义，用于识别用户非连续的行为（如页面访问间隔）（C正确）；滚动窗口无重叠（A错误）；滑动窗口大小＞滑动间隔（B错误）；全局窗口需自定义触发器（D错误）。

以下哪个工具用于大数据任务调度？

A.Zookeeper

B.Oozie

C.HBase

D.Presto

答案：B

解析：Oozie是Hadoop生态的工作流调度工具（B正确）；Zookeeper用于分布式协调（A错误）；HBase是数据库（C错误）；Presto是分布式查询引擎（D错误）。

二、多项选择题（共10题，每题2分，共20分）

以下属于HBase适用场景的有？

A.实时读写高并发数据

B.关系型事务处理（如银行转账）

C.存储稀疏的半结构化数据