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）（1024）.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分布式文件系统（HDFS）的核心设计目标？

A.支持高并发的小文件存储

B.提供低延迟的实时数据访问

C.在普通硬件上实现高可靠性存储

D.支持关系型数据库的事务处理

答案：C

解析：HDFS设计目标是通过多副本机制在普通商用硬件上实现高可靠性存储（C正确）。HDFS不适合小文件存储（A错误），延迟较高（B错误），不支持事务（D错误）。

Spark中RDD（弹性分布式数据集）的核心特性是？

A.不可变、可分区、支持惰性计算

B.实时流处理、内存计算、自动容错

C.支持SQL查询、机器学习、图计算

D.基于时间窗口的状态管理

答案：A

解析：RDD是不可变的分布式数据集合，支持分区和惰性计算（A正确）。实时流处理是SparkStreaming特性（B错误），多组件支持是Spark生态能力（C错误），状态管理是Flink特性（D错误）。

以下哪种场景最适合使用Flink进行处理？

A.批量计算历史日志中的用户行为标签

B.实时计算电商平台的订单支付成功率（秒级延迟）

C.分析某一天的销售数据生成统计报表

D.对结构化数据进行复杂的SQL查询

答案：B

解析：Flink是流批一体的实时计算框架，适合低延迟实时处理（B正确）。批量计算（A/C）更适合Spark或MapReduce，SQL查询适合Hive（D错误）。

数据清洗过程中，“将’2023-02-30’修正为有效日期”属于哪种处理？

A.缺失值处理

B.异常值处理

C.重复值处理

D.格式标准化

答案：B

解析：无效日期（如2月30日）属于逻辑异常值（B正确）。缺失值是数据为空（A错误），重复值是记录重复（C错误），格式标准化是统一日期格式（D错误）。

数据仓库（DataWarehouse）的核心特征是？

A.支持实时事务处理（OLTP）

B.面向主题、集成、非易失、时变

C.存储原始的、未加工的数据源数据

D.支持高频的增删改操作

答案：B

解析：数据仓库的四大特征是面向主题、集成性、非易失性、时变性（B正确）。OLTP是数据库特性（A错误），原始数据存储是ODS层（C错误），数据仓库以读为主（D错误）。

以下哪项不属于大数据机器学习平台的核心功能？

A.数据特征工程

B.模型训练与调优

C.实时数据采集

D.模型部署与监控

答案：C

解析：机器学习平台核心是特征工程、模型训练、部署监控（A/B/D正确）。实时数据采集属于数据集成层功能（C错误）。

数据脱敏技术中，“将身份证号的中间8位替换为*“属于？

A.匿名化

B.去标识化

C.加密

D.泛化

答案：D

解析：泛化是将具体值替换为更抽象的值（如身份证号部分隐藏）（D正确）。匿名化是无法关联到个体（A错误），去标识化是移除直接标识符（B错误），加密是数学变换（C错误）。

元数据（Metadata）管理的核心作用是？

A.提升数据存储性能

B.记录数据的来源、结构和血缘关系

C.加速数据查询速度

D.实现数据的实时同步

答案：B

解析：元数据是”关于数据的数据”，用于描述数据的来源、结构、血缘（B正确）。存储性能与硬件/索引相关（A错误），查询速度与SQL优化相关（C错误），实时同步是ETL工具功能（D错误）。

以下哪种指标属于过程指标？

A.月活跃用户数（MAU）

B.商品详情页跳转率

C.季度销售额

D.用户满意度评分

答案：B

解析：过程指标反映业务流程中的关键节点（如跳转率）（B正确）。结果指标是最终业务结果（A/C/D错误）。

分布式计算中，“数据本地化”（DataLocality）的主要目的是？

A.减少网络传输开销

B.提高数据存储容量

C.增强数据安全性

D.实现负载均衡

答案：A

解析：数据本地化通过将计算任务调度到数据所在节点，减少网络传输（A正确）。与存储容量（B）、安全性（C）、负载均衡（D）无关。

二、多项选择题（共10题，每题2分，共20分）

以下属于分布式文件系统（DFS）特点的有？

A.支持海量数据存储

B.多副本冗余机制

C.适合存储小文件（100MB）

D.提供POSIX兼容接口

答案：AB

解析：分布式文件系统通过多副本保证可靠性（B），支持PB级海量存储（A）。小文件存储效率低（C错误），HDFS等不提供POSIX接口（D错误）。

数据倾斜（DataSkew）可能导致的问题包括？

A.部分节点计算超时

B.内存溢出（OOM）

C.任务整体执行时间变长

D.数据丢失

答案：ABC

解析：数据倾斜会导致某些节点处理大量数据，引发超时（A）、内存溢出（B），最终延长任务时间（C）。不影响