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）（1026）.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生态中负责资源管理和任务调度的核心组件？

A.HDFS

B.YARN

C.MapReduce

D.HBase

答案：B

解析：Hadoop生态中，HDFS（分布式文件系统）负责存储（A错误），YARN（YetAnotherResourceNegotiator）负责资源管理和任务调度（B正确），MapReduce是计算框架（C错误），HBase是分布式数据库（D错误）。

Spark的核心计算模型是？

A.有向无环图（DAG）

B.弹性分布式数据集（RDD）

C.数据流（DataFlow）

D.键值对存储（Key-Value）

答案：B

解析：Spark的核心抽象是RDD（弹性分布式数据集），支持分布式计算和容错（B正确）；DAG是Spark任务调度的执行图（A错误），数据流是流处理的模型（C错误），键值对存储是部分存储系统的特性（D错误）。

数据仓库（DataWarehouse）与数据湖（DataLake）的核心区别在于？

A.数据存储格式

B.数据量大小

C.数据使用场景

D.数据结构化程度

答案：D

解析：数据仓库通常存储结构化数据（如关系型数据库表），需提前定义Schema（Schema-on-Write）；数据湖存储原始、多格式数据（结构化/半结构化/非结构化），Schema在使用时定义（Schema-on-Read），核心区别是结构化程度（D正确）。其他选项均非核心（A/B/C错误）。

以下哪项不属于分布式文件系统（如HDFS）的典型特性？

A.高容错性

B.低延迟访问

C.适合大文件存储

D.流式数据访问

答案：B

解析：分布式文件系统（如HDFS）设计目标是高容错、大文件存储和流式访问（A/C/D正确），但不追求低延迟（适合批量处理而非实时查询），因此低延迟访问不属于其特性（B错误）。

以下哪种流处理框架支持事件时间（EventTime）和水印（Watermark）机制？

A.Storm

B.SparkStreaming

C.Flink

D.KafkaStreams

答案：C

解析：Flink是原生流处理框架，内置事件时间和水印机制（处理乱序事件）（C正确）；Storm基于微批处理（A错误），SparkStreaming是微批处理（B错误），KafkaStreams侧重轻量级流处理（D错误）。

数据倾斜（DataSkew）的典型表现是？

A.任务执行时间差异大

B.数据存储冗余

C.网络传输延迟高

D.计算资源利用率低

答案：A

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（任务超时），其他节点空闲，表现为任务执行时间差异大（A正确）；数据冗余是存储问题（B错误），网络延迟是传输问题（C错误），资源利用率低可能由多种原因导致（D错误）。

数据清洗（DataCleaning）的常见操作不包括？

A.缺失值填充

B.异常值检测

C.数据去重

D.数据聚合

答案：D

解析：数据清洗包括处理缺失值、异常值、重复值（A/B/C正确）；数据聚合（如求和、分组）属于数据转换或分析步骤（D错误）。

Kafka中用于标识消息所属逻辑分组的概念是？

A.Topic

B.Partition

C.Offset

D.ConsumerGroup

答案：A

解析：Kafka中Topic是消息的逻辑分类（A正确）；Partition是Topic的物理分片（B错误），Offset是消息在分区中的位置（C错误），ConsumerGroup是消费者的分组（D错误）。

以下哪项是机器学习在大数据场景中的典型应用？

A.日志存储

B.用户行为聚类

C.数据实时传输

D.元数据管理

答案：B

解析：机器学习可用于用户行为聚类（挖掘潜在群体）（B正确）；日志存储是存储系统任务（A错误），实时传输是消息队列功能（C错误），元数据管理是数据治理内容（D错误）。

元数据（Metadata）管理的核心作用是？

A.提升数据计算速度

B.描述数据的上下文信息

C.压缩数据存储体积

D.保障数据传输安全

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、血缘等上下文信息（B正确）；提升计算速度依赖算法优化（A错误），压缩体积是存储技术（C错误），传输安全是网络安全范畴（D错误）。

二、多项选择题（共10题，每题2分，共20分）

以下属于HDFS（Hadoop分布式文件系统）设计目标的有？

A.处理大文件（GB级以上）

B.支持低延迟的实时查询

C.运行在廉价商用硬件上

D.对流式数据访问优化

答案：ACD

解析：