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）（1105）.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.64MB

B.128MB

C.256MB

D.512MB

答案：B

解析：HDFS设计默认块大小为128MB（Hadoop2.x及以上版本），目的是减少NameNode内存占用（元数据存储块位置信息），同时适配大文件处理场景（如日志、音视频）。选项A是Hadoop1.x的默认块大小；C、D为常见自定义配置值，非默认。

以下哪个工具属于实时流处理框架？

A.Hive

B.SparkSQL

C.Flink

D.Presto

答案：C

解析：Flink是专为流处理优化的分布式计算框架，支持事件时间（EventTime）和精准一次（Exactly-Once）语义。Hive（A）是基于Hadoop的数据仓库工具，主要用于批处理；SparkSQL（B）是Spark的SQL模块，支持批处理和微批流处理（非原生流）；Presto（D）是分布式SQL查询引擎，用于交互式分析。

在HBase中，RowKey的存储顺序是？

A.字典序升序

B.哈希散列

C.时间戳降序

D.随机分布

答案：A

解析：HBase基于HDFS存储，数据按RowKey的字典序升序排列存储在Region中。这种设计便于范围查询（如Scan操作），但需注意RowKey的设计避免热点问题（如时间戳作为前缀可能导致写集中）。B是分布式系统常用的分片策略（如Redis）；C是部分时序数据库的设计；D不符合HBase的存储逻辑。

以下哪个指标不属于Kafka生产者的关键性能参数？

A.BatchSize

B.Linger.ms

C.Request.Timeout.ms

D.Replication.Factor

答案：D

解析：Replication.Factor（副本因子）是Kafka主题级别的配置参数，用于控制数据冗余，不属于生产者端参数。BatchSize（A）控制批量发送的消息大小；Linger.ms（B）控制批量发送的等待时间；Request.Timeout.ms（C）控制生产者等待Broker确认的超时时间，均为生产者关键参数。

Spark中，以下哪个操作属于行动（Action）？

A.map()

B.filter()

C.reduce()

D.flatMap()

答案：C

解析：行动操作（Action）触发计算并返回结果或写入存储，reduce()会聚合RDD元素并返回最终值。map()（A）、filter()（B）、flatMap()（D）均为转换操作（Transformation），仅定义计算逻辑，不会立即执行。

数据清洗中处理缺失值的常用方法不包括？

A.删除缺失值所在行

B.用均值/中位数填充

C.用KNN算法预测填充

D.直接保留缺失值用于建模

答案：D

解析：缺失值会导致模型训练错误（如梯度计算异常），因此需处理。A（删除）适用于缺失比例低的场景；B（统计值填充）适用于数值型数据；C（KNN填充）利用相似样本预测，适用于高维数据。D会导致模型报错或偏差，不属于合理方法。

在分布式系统中，CAP定理的“C”指？

A.一致性（Consistency）

B.可用性（Availability）

C.分区容错性（PartitionTolerance）

D.完整性（Completeness）

答案：A

解析：CAP定理指出分布式系统无法同时满足一致性（C）、可用性（A）、分区容错性（P）三者，最多满足两个。B是系统持续提供服务的能力；C是系统在网络分区时仍能运行的能力；D非CAP定理术语。

以下哪个数据库属于列式存储？

A.MySQL

B.Cassandra

C.HBase

D.ClickHouse

答案：D

解析：ClickHouse是专为分析设计的列式数据库，按列存储数据，适合高并发读和复杂聚合查询。MySQL（A）是行式关系型数据库；Cassandra（B）是分布式宽列存储数据库；HBase（C）是基于列族的NoSQL数据库，非严格列式存储。

数据湖（DataLake）与数据仓库（DataWarehouse）的核心差异在于？

A.存储介质（磁盘vs内存）

B.数据结构（结构化vs非结构化）

C.访问速度（实时vs离线）

D.管理方式（集中式vs分布式）

答案：B

解析：数据湖存储原始、多格式数据（结构化、半结构化、非结构化），采用“读时模式”（Schema-on-Read）；数据仓库存储已清洗、结构化数据，采用“写时模式”（Schema-on-Write）。A（存储介质）、C（访问速度）、D（管理方式）均非核心差异。

以下哪个工具用于H