2025年山东省大数据工程专业职称考试（大数据系统研发·初级）历年参考题库含答案详解.docxVIP

2025年山东省大数据工程专业职称考试（大数据系统研发·初级）历年参考题库含答案详解

一、选择题

从给出的选项中选择正确答案（共50题）

1、Hadoop的核心组件包括（）

A.HDFS和YARN

B.MapReduce和ZooKeeper

C.HBase和Spark

DKafka和Flink

A.HDFS和YARN

B.MapReduce和ZooKeeper

C.HBase和Spark

D.Kafka和Flink

【参考答案】A

【解析】HDFS负责分布式存储，YARN管理集群资源，两者构成Hadoop核心。MapReduce是计算框架，ZooKeeper用于协调服务，HBase/Spark/Flink属于衍生工具。

2、Spark的分布式计算基于（）

A.磁盘存储

B.内存计算

C.节点间通信

D.硬件加速

A.磁盘存储

B.内存计算

C.节点间通信

D.硬件加速

【参考答案】B

【解析】Spark通过内存计算加速数据处理，减少I/O开销。磁盘存储（HDFS）依赖磁盘读写，节点通信是基础但非核心机制。

3、数据清洗的典型步骤不包括（）

A.去重

B.缺失值处理

C.格式转换

D.异常值检测

A.去重

B.缺失值处理

C.格式转换

D.异常值检测

【参考答案】D

【解析】数据清洗流程通常先处理缺失值和格式问题，再检测异常值。异常值检测属于后续分析环节，非清洗核心步骤。

4、分布式存储技术中，HDFS的默认存储单元是（）

A.数据块

B.文件

C.表

D.流

A.数据块

B.文件

C.表

D.流

【参考答案】A

【解析】HDFS以128MB数据块为单位存储，文件由多个块组成，表和流属于不同数据结构。

5、数据可视化工具中，以下哪项属于开源工具（）

A.Tableau

B.PowerBI

C.ECharts

D.QlikView

A.Tableau

B.PowerBI

C.ECharts

D.QView

【参考答案】C

【解析】ECharts是开源可视化库，Tableau/PowerBI/QlikView均为商业软件。

6、冷数据存储通常采用（）

A.分布式存储

B.归档存储

C.内存数据库

D.云存储

A.分布式存储

B.归档存储

C.内存数据库

D.云存储

【参考答案】B

【解析】冷数据访问频率低，归档存储（如冷存储、磁带）成本低且容量大，分布式存储适用于热数据。

7、ETL工具中，支持可视化流程设计的工具有（）

A.ApacheNiFi

B.Talend

C.Kafka

D.

A.ApacheNiFi

B.Talend

C.Kafka

D.Hive

【参考答案】A、B

【解析】NiFi和Talend提供可视化界面设计数据流，Kafka是消息队列，Hive用于SQL查询。

8、数据安全措施中，RBAC（基于角色的访问控制）主要用于（）

A.数据加密

B.权限分级

C.审计追踪

D.备份恢复

A.数据加密

B.权限分级

C.审计追踪

D.备份恢复

【参考答案】B

【解析】RBAC通过角色分配权限实现分级控制，数据加密（如AES）和审计追踪属于不同安全机制。

9、Spark作业提交时，DAG（有向无环图）的作用是）

A.定义计算步骤

B.优化执行顺序

C.管理集群资源

D.加速数据传输

A.定义计算步骤

B.优化执行顺序

C.管理集群资源

D.加速数据传输

【参考答案】A

【解析】DAG描述Spark作业的计算流程，由执行引擎按顺序执行，资源管理由YARN完成。

10、数据仓库的核心建模技术不包括（）

A.星型模型

B.骨干模型

C.维度建模

D.OLAP

A.星型模型

B.骨干模型

C.维度建模

D.OLAP

【参考答案】B

【解析】维度建模（star/snowflake）和OLAP是核心，星型模型是维度建模的实现形式，骨干模型（如Kimball方法）已逐渐被替代。

11、Spark内存计算的优势主要体现在（）

A.降低磁盘I/O成本

B.提升实时数据处理速度

C.减少网络传输延迟

D.优化分布式存储效率

【参考答案】B

【解析】Spark通过内存中存储数据，减少数据读取磁盘的耗时，显著提升实时处理速度。选项B正确。

12、HBase的存储引擎属于（）

A.关系型数据库

B.列式存储

C.图数据库

D.内存数据库

【参考答案】B

【解析】