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）（1123）.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分布式文件系统（HDFS）的核心设计目标？

A.支持低延迟的实时访问

B.处理大规模数据集的可靠存储

C.提供高并发的小文件读写

D.实现关系型数据库的事务支持

答案：B

解析：HDFS设计目标是为大规模数据集提供可靠、可扩展的存储，适用于一次写入多次读取的场景（B正确）。HDFS不适合低延迟访问（A错误），对小文件存储效率低（C错误），不支持事务（D错误）。

以下哪个工具属于ApacheSpark的批处理组件？

A.SparkStreaming

B.SparkSQL

C.SparkCore

D.SparkMLlib

答案：C

解析：SparkCore是Spark的基础组件，提供RDD（弹性分布式数据集）的批处理能力（C正确）。SparkStreaming是流处理（A错误），SparkSQL用于结构化数据处理（B错误），MLlib是机器学习库（D错误）。

数据仓库（DataWarehouse）与数据湖（DataLake）的主要区别在于？

A.数据仓库存储非结构化数据，数据湖存储结构化数据

B.数据仓库支持实时写入，数据湖仅支持批量写入

C.数据仓库在存储前进行数据清洗，数据湖存储原始数据

D.数据仓库使用NoSQL数据库，数据湖使用关系型数据库

答案：C

解析：数据仓库通常在存储前对数据进行清洗、转换（ETL），适合结构化数据；数据湖直接存储原始数据（包括结构化、半结构化、非结构化）（C正确）。A、B、D均描述反了核心特征。

以下哪种场景最适合使用流处理框架（如Flink）？

A.每日统计网站UV（独立访客数）

B.实时计算电商订单的实时成交额

C.批量处理历史日志生成周报

D.对用户行为数据进行离线聚类分析

答案：B

解析：流处理适合实时性要求高的场景（如实时成交额）（B正确）。A、C、D均为批处理场景。

HBase的RowKey设计中，以下哪项是错误实践？

A.使用递增序列作为RowKey

B.结合时间戳与业务ID组合

C.避免过长的RowKey（超过100字节）

D.分散写入热点（如加盐哈希）

答案：A

解析：递增RowKey会导致HBaseRegionServer热点问题（所有新数据集中在一个Region）（A错误）。其他选项均为合理设计。

数据清洗中处理缺失值的常用方法不包括？

A.删除包含缺失值的记录

B.用字段均值/中位数填充

C.保留缺失值并标记

D.对缺失值进行关联规则预测

答案：C

解析：数据清洗要求处理缺失值（如删除、填充、预测），保留缺失值会影响后续分析（C错误）。

以下哪个是分布式计算框架的核心设计目标？

A.降低单个节点的计算负载

B.完全消除节点间通信开销

C.保证强一致性的事务处理

D.支持单节点故障时服务中断

答案：A

解析：分布式计算通过任务分发降低单节点负载（A正确）。节点通信开销无法消除（B错误），强一致性非核心目标（C错误），需支持故障恢复而非中断（D错误）。

Kafka中消费者组（ConsumerGroup）的主要作用是？

A.控制生产者的消息发送速率

B.实现消息的广播与负载均衡

C.管理Broker节点的元数据

D.保证消息的ExactlyOnce语义

答案：B

解析：消费者组通过多消费者实例并行消费，实现负载均衡；不同组可独立消费同一主题，实现广播（B正确）。

以下哪种NoSQL数据库适合存储时序数据（如传感器日志）？

A.键值存储（如Redis）

B.列族存储（如HBase）

C.文档存储（如MongoDB）

D.图存储（如Neo4j）

答案：B

解析：列族存储（HBase）按行键排序，适合时间序列数据的范围查询（B正确）。Redis适合缓存，MongoDB适合半结构化文档，Neo4j适合关系型数据。

数据分片（Sharding）的主要目的是？

A.提高单节点的存储容量

B.实现数据的冗余备份

C.分散数据存储以提升扩展性

D.保证事务的原子性

答案：C

解析：分片通过将数据分散到多个节点，提升系统扩展性和并发能力（C正确）。单节点容量由硬件决定（A错误），冗余备份通过复制实现（B错误）。

二、多项选择题（共10题，每题2分，共20分）

以下属于Hadoop生态体系的组件有？（）

A.Hive（数据仓库工具）

B.Flink（流处理框架）

C.Zookeeper（分布式协调服务）

D.Kudu（列式存储引擎）

答案：ACD

解析：Hadoop生态包括Hive（数据仓库）、Zookeeper（协调服务）、Kudu（存储）（ACD正确）。Flink属于独立流处理框