大数据培训考试及答案.docxVIP

大数据培训考试及答案

一、单项选择题（每题2分，共30分）

1.以下关于HDFS（HadoopDistributedFileSystem）的描述中，错误的是（）

A.HDFS采用主从架构，NameNode管理元数据，DataNode存储数据块

B.默认情况下，HDFS的块大小为128MB，可通过配置调整

C.HDFS适合存储大量小文件，因为小文件元数据管理效率更高

D.HDFS通过副本机制保证数据可靠性，默认副本数为3

答案：C

2.在MapReduce计算模型中，Shuffle阶段的核心作用是（）

A.将输入数据分割成多个分片（Split）

B.对Mapper输出的键值对进行分区、排序和合并

C.执行具体的业务逻辑计算

D.将Reducer输出结果写入存储系统

答案：B

3.Spark中RDD（ResilientDistributedDatasets）的“弹性”主要体现在（）

A.支持内存和磁盘的自动切换，故障时通过血统（Lineage）恢复

B.可以动态调整分区数量，适应不同规模的数据

C.能够自动优化计算路径，减少数据传输

D.支持多种数据源的无缝接入

答案：A

4.以下关于Kafka消息队列的描述中，正确的是（）

A.Kafka的消息一旦被消费者消费，就会从日志中删除

B.消费者组（ConsumerGroup）中的每个消费者只能消费一个分区的数据

C.Kafka通过ZooKeeper管理消费者偏移量（Offset）

D.Kafka的主题（Topic）可以划分为多个分区（Partition），每个分区是有序的日志序列

答案：D

5.数据仓库（DataWarehouse）与数据库（Database）的核心区别是（）

A.数据仓库支持事务处理，数据库支持分析处理

B.数据仓库存储当前数据，数据库存储历史数据

C.数据仓库面向主题，数据库面向业务流程

D.数据仓库使用关系模型，数据库使用多维模型

答案：C

6.在Hive中，以下哪种文件格式同时支持压缩和列式存储，且查询效率较高？（）

A.TextFile

B.SequenceFile

C.ORC

D.RCFile

答案：C

7.以下不属于Flink（ApacheFlink）时间语义的是（）

A.事件时间（EventTime）

B.处理时间（ProcessingTime）

C.摄入时间（IngestionTime）

D.窗口时间（WindowTime）

答案：D

8.数据倾斜（DataSkew）在分布式计算中可能导致的问题是（）

A.部分节点计算资源闲置，部分节点负载过高甚至超时

B.数据存储冗余增加，存储空间浪费

C.数据一致性难以保证，出现脏读

D.网络传输带宽占用过大，延迟增加

答案：A

9.以下关于HBase（HadoopDatabase）的描述中，错误的是（）

A.HBase是基于列存储的非关系型数据库

B.HBase的表通过RowKey排序，支持单行快速查询

C.HBase适合存储结构化数据，不支持非结构化数据

D.HBase的RegionServer负责管理Region的拆分与合并

答案：C

10.在SparkSQL中，DataFrame与RDD的主要区别是（）

A.DataFrame是分布式的集合对象，RDD是带有Schema的结构化数据

B.DataFrame支持更丰富的操作接口（如SQL查询），RDD是通用数据抽象

C.DataFrame仅能处理结构化数据，RDD仅能处理非结构化数据

D.DataFrame的计算效率低于RDD，因为需要额外处理Schema

答案：B

11.以下哪种技术属于实时数据处理框架？（）

A.HadoopMapReduce

B.SparkBatch

C.FlinkStreaming

D.Hive

答案：C

12.数据清洗（DataCleaning）的主要任务不包括（）

A.处理缺失值（MissingValues）

B.纠正错误数据（NoisyData）

C.标准化数据格式（DataFormatting）

D.增加数据维度（FeatureEngineering）

答案：D

13.在Kafka中，生产者（Producer）发送消息时，若设置acks=all，意味