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）（1001）.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）

Hadoop分布式文件系统（HDFS）的默认块大小是？

A.32MB

B.64MB

C.128MB

D.256MB

答案：C

解析：HDFS设计为存储大文件，默认块大小为128MB（Hadoop2.x及以上版本），该设置可减少NameNode的元数据管理开销，提升大文件的读写效率。选项A（32MB）是Hadoop1.x的默认值，B和D为干扰项。

以下哪项是Spark的核心计算模型？

A.分布式键值对

B.弹性分布式数据集（RDD）

C.有向无环图（DAG）

D.数据流管道

答案：B

解析：Spark的核心抽象是RDD（ResilientDistributedDataset），它是不可变、可容错的分布式数据集，支持内存计算和多种转换操作。C（DAG）是Spark任务调度的执行模型，A和D为干扰项。

Kafka中负责将消息发布到主题的角色是？

A.Producer

B.Consumer

C.Broker

D.Zookeeper

答案：A

解析：Kafka的核心角色包括Producer（生产者，发布消息）、Consumer（消费者，订阅消息）、Broker（服务端，存储消息）和Zookeeper（协调管理）。因此正确答案为A。

数据倾斜（DataSkew）的典型表现是？

A.所有任务执行时间一致

B.部分任务执行时间显著长于其他任务

C.内存使用率均匀分布

D.网络传输延迟稳定

答案：B

解析：数据倾斜指数据在分布式系统中分布不均，导致部分节点处理大量数据，表现为任务执行时间差异大（如某Reducer处理90%数据）。其他选项描述的是正常分布场景，故错误。

HBase的存储结构中，数据按以下哪个维度排序？

A.列名

B.时间戳

C.RowKey（行键）

D.列族

答案：C

解析：HBase是列式NoSQL数据库，数据按RowKey的字典序排序存储，便于范围查询。列族是数据的逻辑分组，时间戳用于版本控制，故C正确。

ApacheFlink中，用于处理事件实际发生时间的时间类型是？

A.处理时间（ProcessingTime）

B.事件时间（EventTime）

C.摄入时间（IngestionTime）

D.窗口时间（WindowTime）

答案：B

解析：Flink支持三种时间语义：事件时间（事件实际发生时间，需依赖水印）、处理时间（系统处理事件的时间）、摄入时间（事件进入Flink的时间）。事件时间是实时处理中最常用的语义，故B正确。

数据仓库（DataWarehouse）的ODS层（操作数据层）主要存储？

A.高度聚合的统计数据

B.经过清洗的业务明细数据

C.原始业务系统数据副本

D.面向主题的分析数据

答案：C

解析：数据仓库分层中，ODS（OperationalDataStore）层直接存储来自业务系统的原始数据（如MySQL日志、CSV文件），未做清洗或仅做格式转换。B是DWD（明细数据层）的职责，A是DWS（汇总数据层），D是ADS（应用数据层），故C正确。

以下哪项不属于分布式计算的核心特点？

A.并行处理

B.单点故障

C.资源共享

D.可扩展性

答案：B

解析：分布式计算通过多节点协作提升性能，核心特点包括并行处理、资源共享、可扩展性和容错性（而非单点故障）。单点故障是分布式系统需解决的问题，故B错误。

数据清洗的主要任务不包括？

A.处理缺失值

B.纠正错误数据

C.生成新特征

D.标准化数据格式

答案：C

解析：数据清洗是对原始数据进行质量修复，包括处理缺失值（如删除或填充）、纠正错误（如异常值修正）、标准化格式（如统一日期格式）。生成新特征属于特征工程，是数据建模阶段的任务，故C错误。

以下哪项是大数据场景下机器学习的典型应用？

A.本地小数据集分类

B.用户行为预测分析

C.单节点模型训练

D.静态报表生成

答案：B

解析：大数据场景下，机器学习常用于分析海量动态数据（如用户点击日志、交易记录），实现预测（如用户流失预测）、推荐（如商品推荐）等。A和C是小数据场景，D是传统BI功能，故B正确。

二、多项选择题（共10题，每题2分，共20分）

以下属于Hadoop生态核心组件的有？

A.HDFS

B.MapReduce

C.Hive

D.YARN

答案：ABD

解析：Hadoop生态核心组件包括HDFS（存储）、MapReduce（计算）、YARN（资源管理）。Hive是基于Hadoop的数据仓库工具，属于扩展组件，故C错误。

Kafka的典型使用场景包括？

A.实时日志收集与传输

B.高吞吐量消息队列

C.