大数据岗位面试题库.docxVIP

第PAGE页共NUMPAGES页

2026年大数据岗位面试题库

一、单选题（每题2分，共20题）

1.在Hadoop生态系统中，以下哪个组件负责数据存储？

A.YARN

B.Hive

C.HDFS

D.Flume

2.下列哪种数据挖掘技术最适合用于发现数据中的隐藏模式？

A.聚类分析

B.回归分析

C.决策树

D.神经网络

3.在Spark中，RDD的持久化方式cache与persist的主要区别是什么？

A.cache只能用于小数据集，persist可用于大数据集

B.cache支持层级持久化，persist不支持

C.cache是只读的，persist支持读写

D.cache是懒加载的，persist是立即加载的

4.以下哪个指标最能反映数据特征的离散程度？

A.方差

B.均值

C.标准差

D.偏度

5.在大数据处理中，Kafka主要用于哪种场景？

A.数据存储

B.数据分析

C.实时数据流处理

D.数据可视化

6.下列哪种算法不属于监督学习？

A.线性回归

B.支持向量机

C.K-means聚类

D.逻辑回归

7.在分布式计算中，Shuffle阶段通常发生在哪个组件之间？

A.Map任务与Reduce任务

B.Map任务与Shuffle任务

C.Shuffle任务与Reduce任务

D.DataNode与NameNode

8.以下哪种数据格式最适合用于分布式存储？

A.JPEG

B.XML

C.Parquet

D.AVCHD

9.在大数据处理中，BatchProcessing与StreamProcessing的主要区别是什么？

A.Batch处理实时性强，Stream处理非实时

B.Batch处理适用于小数据集，Stream处理适用于大数据集

C.Batch处理是顺序的，Stream处理是并行的

d.Batch处理适用于事务性数据，Stream处理适用于分析性数据

10.下列哪个组件是Elasticsearch的核心？

A.Kibana

B.Logstash

C.Elasticsearch

D.Beats

二、多选题（每题3分，共10题）

1.Hadoop生态系统包含哪些主要组件？

A.HDFS

B.MapReduce

C.Hive

D.YARN

E.Zookeeper

2.以下哪些属于NoSQL数据库？

A.MongoDB

B.Redis

C.MySQL

D.Cassandra

E.PostgreSQL

3.在Spark中，以下哪些操作属于转换操作（Transformation）？

A.map()

B.filter()

C.reduce()

D.collect()

E.persist()

4.以下哪些指标可以用来评估分类模型的性能？

A.准确率

B.精确率

C.召回率

D.F1分数

E.相关系数

5.在大数据处理中，以下哪些场景适合使用Hive？

A.实时数据查询

B.交互式分析

C.大规模数据仓库

D.流式数据处理

E.ETL处理

6.以下哪些属于分布式文件系统的特点？

A.可扩展性

B.容错性

C.高性能

D.数据冗余

E.事务性

7.在数据挖掘中，以下哪些属于关联规则挖掘的应用？

A.购物篮分析

B.信用评分

C.聚类分析

D.异常检测

E.推荐系统

8.在Spark中，以下哪些操作属于动作操作（Action）？

A.count()

B.collect()

C.take()

D.map()

E.reduce()

9.以下哪些属于大数据处理的挑战？

A.数据量

B.数据速度

C.数据多样性

D.数据价值

E.数据质量

10.在大数据架构中，以下哪些组件可以用于数据采集？

A.Flume

B.Kafka

C.Sqoop

D.ApacheNiFi

E.Elasticsearch

三、判断题（每题1分，共10题）

1.HadoopMapReduce是Java编写的。（正确）

2.HiveQL与SQL语法完全相同。（错误）

3.Spark比HadoopMapReduce更灵活。（正确）

4.数据湖是组织存储所有类型数据的仓库。（正确）

5.数据仓库是面向主题的、集成的、稳定的。（正确）

6.NoSQL数据库通常不支持事务。（正确）

7.Kafka可以处理TB级别的数据。（正确）

8.数据清洗是数据预处理的重要步骤。（正确）

9.机器学习是深度学习的一个子集。（错误）

10.大数据是3V特征（Volume,Velocity,Variety）的集合。（正确）

四、