2025年大数据课程期末考试复习题及答案.docxVIP

2025年大数据课程期末考试复习题及答案

一、单项选择题（每题2分，共20分）

1.2025年主流分布式计算框架中，默认采用“内存优先、磁盘兜底”策略的是

A.HadoopMapReduce2.9

B.Spark3.5

C.Flink1.18

D.Storm2.6

答案：B

2.在DeltaLake3.0中，用于解决“并发写冲突”的核心协议是

A.Two-PhaseCommit

B.OptimisticConcurrencyControl

C.Paxos

D.Raft

答案：B

3.某电商公司使用Hudi0.14构建近实时数仓，要求上游MySQL变更10秒内可见，最适合的索引类型是

A.BloomIndex

B.HBaseIndex

C.BucketIndex

D.Record-levelIndex

答案：D

4.当使用PySpark3.5读取Kafka3.7时，设置startingOffsets=latest意味着

A.从最早偏移量开始

B.从最新偏移量开始

C.从指定时间戳开始

D.从检查点开始

答案：B

5.在ClickHouse23.12中，对高基数字符串列进行去重精确计数，应优先使用

A.uniqCombined

B.uniqExact

C.uniqHLL12

D.uniqTheta

答案：B

6.某模型训练任务使用Ray2.9的DatasetAPI，设置global_shuffle=True主要影响

A.网络带宽

B.磁盘I/O

C.随机种子

D.数据偏斜

答案：D

7.在TensorFlow2.15的tf.data管道中，使用cache()后再调用repeat()，其执行顺序是

A.先缓存再无限重复

B.先重复再缓存

C.二者并行

D.抛出异常

答案：A

8.某企业使用Iceberg1.4，需要回溯到7天前的快照，应执行

A.rollbackToSnapshot

B.rollbackToTime

C.cherry-pick

D.fast-forward

答案：B

9.在Presto0.435中，开启动态过滤（DynamicFiltering）后，Build端完成扫描会

A.立即触发Probe端开始

B.等待Probe端完成

C.广播小表

D.关闭Exchange

答案：A

10.当使用dbt1.8进行增量模型开发时，以下宏用于生成可重复使用的唯一键

A.surrogate_key

B.hashed_key

C.composite_key

D.incremental_key

答案：A

二、多项选择题（每题3分，共15分）

11.以下属于Flink1.18支持的精确一次（Exactly-Once）端到端语义必要组件

A.CheckpointBarrier

B.TwoPhaseCommitSink

C.KafkaTransaction

D.PulsarSubscription

答案：A、B、C

12.在Snowflake8.22中，能够触发Micro-PartitionPruning的过滤条件有

A.EQUALITY

B.RANGE

C.LIKE前缀匹配

D.REGEXP

答案：A、B、C

13.使用Polars0.20进行超大规模ETL时，以下做法可降低内存峰值

A.set_streaming(True)

B.使用lazy().filter().select()链式

C.开启parallel=True

D.将字符串转为Categorical

答案：A、B、D

14.关于FeatureStoreFeast0.37的特性，正确的有

A.支持Spark离线存储

B.提供Redis在线Serving

C.内置DynamoDBConnector

D.支持Point-in-timeCorrectJoin

答案：A、B、D

15.在Kubernetes1.30上运行Airflow2.9，实现任务级弹性伸缩可依赖

A.KEDA

B.CeleryExecutor

D.KubernetesExecutor

D.AirflowSchedulerHA

答