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）（1209）.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生态中负责资源管理和任务调度的核心组件？

A.HDFS

B.YARN

C.MapReduce

D.Hive

答案：B

解析：Hadoop生态中，HDFS（分布式文件系统）负责存储，YARN（YetAnotherResourceNegotiator）负责资源管理和任务调度，MapReduce是计算框架，Hive是数据仓库工具。因此正确答案为B。

数据仓库（DataWarehouse）的核心特性不包括？

A.面向主题

B.实时性高

C.集成性

D.非易失性

答案：B

解析：数据仓库的核心特性是面向主题（SubjectOriented）、集成的（Integrated）、非易失的（Non-Volatile）和时变的（TimeVariant），实时性高是实时数据库的特点，因此选B。

以下哪种场景最适合使用SparkStreaming而非Storm？

A.需要毫秒级延迟的实时计算

B.基于微批处理的准实时计算

C.严格保证消息不丢失

D.复杂状态管理与窗口计算

答案：D

解析：SparkStreaming基于微批处理（BatchProcessing），适合需要复杂状态管理（如累计统计）和窗口计算的场景；Storm是纯流式处理，适合毫秒级低延迟场景。因此选D。

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.用回归模型预测填充

D.直接保留缺失值用于建模

答案：D

解析：数据清洗的目标是提高数据质量，直接保留缺失值可能导致模型偏差，因此D是错误方法，其余为常用处理方式。

关于HBase的描述，正确的是？

A.基于行式存储的NoSQL数据库

B.适合存储结构化表格数据

C.不支持二级索引

D.仅支持强一致性

答案：B

解析：HBase是列式存储的NoSQL数据库（A错误），适合结构化/半结构化的海量数据存储（B正确）；HBase2.0+支持协处理器实现二级索引（C错误）；支持强一致性（D正确但非最佳选项）。综合选B。

以下哪种分布式文件系统设计目标是支持高并发小文件存储？

A.HDFS

B.Ceph

C.TFS（淘宝文件系统）

D.GFS（Google文件系统）

答案：C

解析：HDFS和GFS设计目标是大文件存储（A、D错误），Ceph是分布式对象存储（B错误），TFS（淘宝文件系统）优化了小文件存储场景（C正确）。

数据湖（DataLake）与数据仓库（DataWarehouse）的核心区别是？

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），数据仓库在使用时定义模式（Schema-on-Read）

C.数据湖支持多类型数据存储，数据仓库需预先清洗整合

D.数据湖仅用于分析，数据仓库支持OLTP

答案：C

解析：数据湖支持结构化、半结构化、非结构化数据（Schema-on-Read），数据仓库需预先清洗为结构化数据（Schema-on-Write）。因此C正确，其余选项描述错误。

以下哪个指标不属于Kafka消费者的关键监控指标？

A.消费者延迟（ConsumerLag）

B.分区数（Partitions）

C.消费吞吐量（RecordsPerSecond）

D.消费者组协调器状态（CoordinatorStatus）

答案：B

解析：分区数是Topic的静态属性，不属于消费者监控指标；消费者延迟、吞吐量、协调器状态是消费者运行时关键指标（B错误）。

分布式计算中“数据倾斜”（DataSkew）的典型表现是？

A.所有节点CPU使用率均衡

B.部分任务执行时间远长于其他任务

C.网络带宽占用率低

D.内存溢出（OOM）仅发生在主节点

答案：B

解析：数据倾斜指数据分布不均，导致部分节点处理大量数据，任务耗时显著增加（B正确）；其余选项与数据倾斜无关。

元数据管理（MetadataManagement）的核心作用是？

A.加速数据计算

B.描述数据的来源、结构和关系

C.替代数据本身存储

D.提高数据加密强度

答案：B

解析：元数据是“关于数据的数据”，用于描述数据的上下文信息（如字段含义、血缘关系），因此B正确。

二、多项选择题（共10题，每题2分，共20分）

以下属于HDFS（Hadoop分布式文件系统）核心特性的是？

A.主从架构（NameNode/DataNode）

B.适合存储大量小文件

C.高容错性（多副本机制）

D.支持低延迟的随机读写

答案：AC

解析：HDFS采用主从架构（A正确），设计