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）（1130）.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.支持小文件高效存储

B.提供低延迟数据访问

C.运行于廉价通用硬件上

D.支持事务性读写操作

答案：C

解析：HDFS的核心设计目标是在廉价通用硬件上提供高容错性的海量数据存储（C正确）。HDFS不适合小文件存储（A错误），其设计侧重高吞吐量而非低延迟（B错误），不支持事务性读写（D错误）。

Spark中RDD（弹性分布式数据集）的核心特性是？

A.不可变、可分区、支持容错

B.可变、单副本、内存计算

C.强一致性、实时更新

D.仅支持磁盘存储

答案：A

解析：RDD是Spark的核心抽象，具有不可变性（避免并发问题）、可分区（支持分布式计算）、通过血统（Lineage）实现容错（A正确）。RDD不可变（B错误），其一致性由操作类型决定（C错误），支持内存/磁盘存储（D错误）。

以下哪种数据库适合存储实时写入的海量时序数据（如传感器日志）？

A.MySQL（关系型数据库）

B.HBase（列式数据库）

C.Redis（键值数据库）

D.MongoDB（文档数据库）

答案：B

解析：HBase基于HDFS构建，支持海量数据的高并发写入和列式存储，适合时序数据的快速插入与按列查询（B正确）。MySQL适合事务型场景（A错误），Redis适合缓存（C错误），MongoDB适合非结构化文档（D错误）。

数据清洗中“处理缺失值”的常用方法不包括？

A.删除含缺失值的记录

B.用均值/中位数填充

C.用随机数填充

D.基于模型预测填充

答案：C

解析：数据清洗中缺失值处理需保持数据逻辑合理性，随机数填充可能破坏数据分布（C错误）。常用方法包括删除记录（A）、统计值填充（B）、模型预测（D）。

以下哪项是Kafka消息队列的核心设计目标？

A.保证消息严格有序

B.支持事务性消息

C.高吞吐量、低延迟

D.强一致性存储

答案：C

解析：Kafka的核心设计目标是处理实时数据流的高吞吐量（每秒百万级消息）和低延迟（毫秒级）（C正确）。其顺序性仅在分区内保证（A错误），早期版本不支持事务（B错误），采用最终一致性（D错误）。

数据仓库（DataWarehouse）的典型特征是？

A.面向事务处理

B.数据实时更新

C.面向主题建模

D.支持行级增删改

答案：C

解析：数据仓库是面向主题、集成、非易失、随时间变化的数据集合（C正确）。OLTP数据库面向事务处理（A错误），数据仓库通常批量更新（B错误），不支持频繁行级修改（D错误）。

以下哪个工具用于Hadoop集群的资源管理与任务调度？

A.Hive

B.YARN

C.Pig

D.Zookeeper

答案：B

解析：YARN（YetAnotherResourceNegotiator）是Hadoop的资源管理系统，负责集群资源分配和任务调度（B正确）。Hive是数据仓库工具（A错误），Pig是脚本处理语言（C错误），Zookeeper是分布式协调服务（D错误）。

以下哪种分布式计算框架适合迭代式机器学习任务？

A.MapReduce

B.Spark

C.Storm

D.Flink

答案：B

解析：Spark基于内存计算，通过RDD的缓存机制优化迭代计算（如梯度下降），比MapReduce（磁盘IO多）更高效（B正确）。Storm/Flink是流处理框架（C/D错误）。

数据湖（DataLake）与数据仓库的主要区别是？

A.数据湖存储结构化数据，数据仓库存储非结构化数据

B.数据湖在存储时定义模式（Schema-on-Write），数据仓库在分析时定义模式（Schema-on-Read）

C.数据湖支持原始数据存储，数据仓库需预处理为清洗后的数据

D.数据湖仅用于实时分析，数据仓库仅用于离线分析

答案：C

解析：数据湖存储原始的、多格式的数据（如CSV、JSON、图片），在分析时定义模式（Schema-on-Read）；数据仓库存储清洗后的结构化数据，存储时定义模式（Schema-on-Write）（C正确）。A、B、D均描述错误。

以下哪项是分布式系统CAP定理中的“C”所代表的特性？

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定理中，C指一致性（所有节点在同一时间看到相同的数据），A指可用性（每个请求都能收到非错误响应），P指分区容错性（系统在网络分区时仍能运行）（A正确）。

二、多项选择题（共10题，