2025年大数据分析师《SQL与Hive查询优化》冲刺测试.docxVIP

2025年大数据分析师《SQL与Hive查询优化》冲刺测试

考试时间：______分钟总分：______分姓名：______

一、选择题

1.下列哪个选项不属于SQL标准聚合函数？

A.COUNT

B.SUM

C.AVG

D.MAX_MIN(假设此为自定义函数)

2.在处理大数据量时，以下哪种JOIN方式通常资源消耗最低（假设两表大小相当且连接字段选择性高）？

A.Sort-MergeJoin

B.HashJoin

C.BroadcastJoin

D.CartesianJoin

3.在Hive中，使用`CREATETABLEtPARTITIONEDBY(dtSTRING)`创建表后，插入数据时，数据会根据哪个字段自动分散到不同的分区文件中？

A.表的主键

B.分区字段`dt`

C.表的创建者

D.数据量大小

4.执行Hive查询时，使用`EXPLAINFORMATTED`命令主要目的是什么？

A.修改查询语句

B.执行查询并显示结果

C.输出查询的详细执行计划，便于分析

D.删除查询语句

5.以下哪个Hive文件格式通常比TextFile格式具有更好的压缩率和查询性能？

A.ORC

B.Parquet

C.Avro

D.SequenceFile

6.当Hive表使用Bucket时，以下哪个操作能够最有效地利用Bucket特性来加速等值JOIN？

A.在JOIN条件中使用非Bucket字段

B.在JOIN条件中使用Bucket字段，并确保两表Bucket数量和分配方式一致

C.对两张表分别使用不同的Bucket数量

D.在JOIN时忽略Bucket信息

7.在Hive中，如果查询涉及对某个大表进行全局排序，以下哪种情况可能导致性能较差？

A.表采用ORC格式存储

B.表使用Bucket分区

C.排序字段是表的Bucket字段

D.排序操作在Map端完成

8.以下哪个选项是HiveQL中定义表的Bucket的关键字？

A.CLUSTERBY

B.PARTITIONBY

C.INDEXBY

D.GROUPBY

9.假设有查询`SELECT*FROMtableWHEREid=100;`，如果`id`字段上存在索引，以下哪种情况索引最可能被有效利用？

A.表数据量非常小

B.`id`字段选择性极高（唯一或接近唯一）

C.查询过滤条件是`id50ANDid150`

D.查询返回表中所有列

10.在Hive中，MapReduce作业的`map`阶段主要负责什么？

A.对数据进行排序和合并

B.对数据进行分组和聚合

C.读取输入数据，进行初步处理，输出中间结果

D.最终结果的输出和排序

二、判断题

1.()`SELECTDISTINCT`语句在Hive中执行效率总是比使用`GROUPBY`来去除重复行低。

2.()Hive中的外部表（ExternalTable）其数据文件在删除表定义时也会被删除。

3.()使用MapJoin（BroadcastJoin的一种）时，小表总是需要被广播到所有Map任务节点上。

4.()在Hive中，分区表（PartitionedTable）的查询通常会自动利用分区信息，无需在查询语句中指定分区字段。

5.()Hive的BucketJoin优化要求两张表具有相同数量的Bucket，并且Bucket的字段顺序和类型必须完全一致。

6.()使用Parquet或ORC格式存储数据时，Hive查询可以直接读取文件的一部分，而无需读取整个文件。

7.()`GROUPBY`操作一定会在Map端完成，而`ORDERBY`操作一定会在Reduce端完成。

8.()在Hive中，为表添加索引可以显著提升所有查询的执行速度。

9.()调整Hive的MapReduce作业参数，如`mapreduce.job.maps`（设置Map任务数量）和`mapreduce.job.reduces`（设置Reduce任务数量），通常对查询性能没有影响。

10.()执行`EXPLAIN`命令后，Hive会实际执行查询并返回结果。

三、简答题