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）（1014）.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）

HDFS默认的块大小是以下哪一项？

A.64MB

B.128MB

C.256MB

D.512MB

答案：B

解析：HDFS设计大文件块大小（默认128MB）是为了减少NameNode内存占用（存储块元数据）和提高大文件处理效率。早期Hadoop1.x版本默认块大小为64MB，2.x及以上版本调整为128MB，因此正确答案为B。

Spark中用于将RDD持久化到内存的方法是？

A.cache()

B.persist()

C.collect()

D.reduce()

答案：A

解析：cache()是persist(StorageLevel.MEMORY_ONLY)的简写，专门用于内存持久化；persist()可指定不同存储级别（如内存+磁盘）；collect()用于将RDD数据拉取到驱动程序；reduce()是聚合操作。因此正确答案为A。

Kafka中用于标识消息在分区中位置的是？

A.Offset

B.Partition

C.Topic

D.ConsumerGroup

答案：A

解析：Offset是消息在分区中的唯一顺序号（逻辑位置）；Partition是主题的分片；Topic是消息的分类标识；ConsumerGroup是消费者的逻辑分组。因此正确答案为A。

以下哪项不是Hive的元数据存储组件？

A.MySQL

B.Derby

C.HBase

D.PostgreSQL

答案：C

解析：Hive元数据默认存储在Derby（内嵌数据库），生产环境常用MySQL/PostgreSQL等关系型数据库；HBase是NoSQL数据库，不用于Hive元数据存储。因此正确答案为C。

数据倾斜指的是？

A.数据分布均匀导致计算效率低

B.数据分布不均导致部分任务耗时过长

C.数据存储磁盘空间分配不均

D.数据传输网络延迟过高

答案：B

解析：数据倾斜是指数据在分布式系统中分布不均（如某个key对应的数据量远大于其他key），导致部分任务处理时间远超平均水平，影响整体性能。因此正确答案为B。

Flink中用于处理乱序事件的机制是？

A.窗口触发

B.水印（Watermark）

C.状态后端

D.检查点（Checkpoint）

答案：B

解析：水印是Flink中处理事件时间乱序的核心机制，通过设定延迟时间阈值（如允许最多延迟5秒），告知系统不再接收早于该时间的事件；窗口触发是计算时机；状态后端管理状态存储；检查点用于容错。因此正确答案为B。

以下哪项属于非结构化数据？

A.关系型数据库表

B.日志文件

C.Excel表格

D.财务报表

答案：B

解析：非结构化数据无固定格式（如文本、图片、日志）；关系型数据库表、Excel、财务报表均为结构化数据（有预定义的行列格式）。因此正确答案为B。

数据仓库（DW）的核心特性是？

A.支持实时事务处理

B.面向主题、集成、稳定、随时间变化

C.存储最新业务数据

D.支持高频增删改操作

答案：B

解析：数据仓库的四大特性是面向主题（按分析需求组织数据）、集成（多源数据清洗整合）、稳定（读多写少，支持查询）、随时间变化（存储历史数据）；实时事务处理是OLTP数据库的特性。因此正确答案为B。

以下哪项不是SparkSQL的组件？

A.Catalyst优化器

B.Tungsten执行引擎

C.MapReduce

D.DataFrame/DataSetAPI

答案：C

解析：SparkSQL核心组件包括Catalyst（逻辑计划优化）、Tungsten（物理执行优化）、DataFrame/DataSet（高层API）；MapReduce是Hadoop的计算框架，与SparkSQL无关。因此正确答案为C。

以下哪种场景适合使用HBase？

A.实时查询海量单条记录

B.复杂多表关联分析

C.离线批量数据处理

D.实时统计聚合计算

答案：A

解析：HBase是列式NoSQL数据库，适合高并发、随机读写海量单条记录（如用户行为日志的快速查询）；复杂关联分析适合Hive/SparkSQL；离线处理适合MapReduce/Spark；实时聚合适合Flink。因此正确答案为A。

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.YARN

C.Hive

D.HBase

答案：ABC

解析：Hadoop生态核心三组件为HDFS（存储）、YARN（资源管理）、MapReduce（计算）；Hive是基于Hadoop的数据仓库工具（扩展组件），HBase是独立的NoSQL数据库（非核心）。因此正确