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)综合试题附答案.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)综合试题附答案

一、单项选择题（共15题，每题2分，共30分）

1.下列关于数据湖（DataLake）与数据仓库（DataWarehouse）的描述中，错误的是（）。

A.数据湖存储原始数据，数据仓库存储经过清洗的结构化数据

B.数据湖支持多类型数据（结构化、半结构化、非结构化），数据仓库以结构化为主

C.数据湖主要服务于数据分析人员，数据仓库主要服务于业务决策

D.数据湖通常采用分层存储架构，数据仓库多基于关系型数据库

答案：C（数据湖服务对象更广泛，包括数据科学家、分析师等；数据仓库主要支持业务决策）

2.Hadoop分布式文件系统（HDFS）默认的块（Block）大小是（）。

A.32MBB.64MBC.128MBD.256MB

答案：C（HDFS默认块大小为128MB，设计目的是减少NameNode内存占用并优化大文件处理）

3.以下不属于SparkRDD（弹性分布式数据集）特性的是（）。

A.不可变性（Immutable）B.懒加载（LazyEvaluation）

C.支持随机访问D.容错性（通过血统Lineage实现）

答案：C（RDD不支持随机访问，主要通过转换操作提供新RDD）

4.Kafka中用于标识消息所属主题下的细分存储单元的是（）。

A.ProducerB.ConsumerGroupC.PartitionD.Broker

答案：C（Partition是主题的分区，用于实现负载均衡和并行处理）

5.数据清洗过程中，针对“同一用户ID在不同表中格式不一致（如有的带前缀‘U_’，有的不带）”的问题，应采用的处理方法是（）。

A.缺失值填充B.异常值检测C.格式标准化D.重复值删除

答案：C（格式不一致需统一格式，属于格式标准化）

6.关系型数据库中，“学生（学号，姓名，学院，学院地址）”表不符合第三范式（3NF）的原因是（）。

A.存在部分函数依赖B.存在传递函数依赖

C.主码不唯一D.存在多值依赖

答案：B（学院地址通过学院传递依赖于学号，未消除传递依赖）

7.分布式计算任务中，数据倾斜（DataSkew）的典型表现是（）。

A.部分节点计算耗时远高于其他节点B.所有节点内存占用均衡

C.任务提交失败D.数据存储容量不足

答案：A（数据倾斜导致某些分区数据量过大，对应节点计算延迟）

8.MapReduce框架中，负责将Map输出数据按Key分区并排序的组件是（）。

A.MapperB.ReducerC.ShuffleD.Combiner

答案：C（Shuffle阶段包括分区、排序、合并等操作）

9.以下数据脱敏技术中，属于“不可逆脱敏”的是（）。

A.替换（如将真实姓名替换为“用户A”）B.加密（如AES加密）

C.哈希（如MD5哈希）D.掩码（如隐藏身份证后四位）

答案：C（哈希算法无法还原原始数据，属于不可逆脱敏）

10.ApacheFlume的核心作用是（）。

A.分布式计算B.实时消息队列C.日志采集与传输D.数据存储

答案：C（Flume是日志采集工具，用于将分散的日志数据收集并传输到存储系统）

11.数据质量评估的核心维度不包括（）。

A.完整性B.一致性C.多样性D.准确性

答案：C（数据质量维度通常包括完整性、准确性、一致性、时效性等）

12.以下属于NoSQL数据库中“键值存储（Key-Value）”类型的是（）。

A.HBaseB.CassandraC.RedisD.MongoDB

答案：C（Redis是典型键值存储数据库；HBase是列族存储，MongoDB是文档存储）

13.ETL（抽取-转换-加载）流程中，“转换”环节的主要目标是（）。

A.从多个数据源获取原始数据B.将数据加载到目标数据库

C.清洗、标准化、关联数据D.监控数据传输过程

答案：C（转换环节处理数据质量问题，使其符合目标系统要求）

14.分布式计算系统的“CAP定理”中，“A”代表（）。

A.可用性（Availability）B.原子性（Atomicity）

C.一致性（Consistency）D.分区容错性（PartitionTolerance）

答案：A（CAP定理指一致性、可用性、分区容错性三者无法同时