原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
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）
HDFS默认的块大小是？
A.64MB
B.128MB
C.256MB
D.512MB
答案：B
解析：HDFS设计时为了降低元数据管理开销并提高大文件处理效率，默认块大小自Hadoop2.x版本起调整为128MB（早期1.x版本为64MB）。选项A是旧版本默认值，C、D为常见误解值，不符合当前主流配置。
Spark中RDD的主要特性是？
A.不可变、可分区、支持惰性计算
B.可变、单分区、支持实时计算
C.不可变、单分区、支持批处理
D.可变、可分区、支持迭代计算
答案：A
解析：RDD（弹性分布式数据集）是Spark的核心抽象，其核心特性包括：不可变性（一旦创建不可修改，通过转换操作生成新RDD）、可分区（数据分布在集群多节点）、惰性计算（转换操作仅记录逻辑，行动操作触发计算）。B、C、D中“可变”“单分区”均为错误描述。
以下哪个工具主要用于实时流数据处理？
A.Hive
B.Flink
C.HBase
D.Sqoop
答案：B
解析：Flink是Apache顶级项目，专注于高吞吐、低延迟的实时流数据处理；Hive是数据仓库工具（批处理），HBase是列式存储数据库，Sqoop是关系型数据库与Hadoop的迁移工具。
Kafka中消费者组（ConsumerGroup）的核心作用是？
A.保证消息有序性
B.实现负载均衡与容错
C.管理生产者连接
D.控制消息保留时间
答案：B
解析：消费者组通过将分区分配给组内不同消费者，实现并行消费（负载均衡）；当消费者故障时，分区会重新分配给其他消费者（容错）。消息有序性仅在单个分区内保证（A错误），生产者连接由Broker管理（C错误），消息保留时间由Broker配置控制（D错误）。
数据仓库（DataWarehouse）的核心特征不包括？
A.面向主题
B.实时性
C.集成性
D.非易失性
答案：B
解析：数据仓库的四大特征是面向主题（SubjectOriented）、集成（Integrated）、非易失（Non-Volatile）、时变（TimeVariant）。实时性是数据湖或流处理系统的特征（如Flink实时数仓）。
以下哪种场景最适合使用HBase？
A.高并发的OLTP场景（如用户订单查询）
B.复杂的多表关联查询（如销售统计）
C.大规模离线批处理（如日志分析）
D.实时流数据聚合（如实时PV统计）
答案：A
解析：HBase是基于HDFS的列式存储数据库，支持高并发、随机读写，适合OLTP场景（如用户订单快速查询）；多表关联查询是Hive的场景（B错误），离线批处理是MapReduce/Spark的场景（C错误），实时聚合是Flink的场景（D错误）。
分布式系统中，CAP理论的“C”指？
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理论中，C（Consistency）指所有节点在同一时间看到相同的数据副本；A（Availability）指请求总能得到非错误响应；P（PartitionTolerance）指系统在网络分区时仍能继续运行。
数据清洗的主要目的是？
A.减少数据量
B.提高数据质量
C.转换数据格式
D.增加数据维度
答案：B
解析：数据清洗通过处理缺失值、异常值、重复值等，提升数据的准确性、完整性和一致性（核心是提高数据质量）。减少数据量是数据抽样的目的（A错误），格式转换是ETL的步骤（C错误），增加维度是特征工程的内容（D错误）。
Spark中，以下哪个操作属于行动（Action）操作？
A.map()
B.filter()
C.reduce()
D.join()
答案：C
解析：行动操作触发实际计算并返回结果（如reduce()返回聚合值），转换操作（map、filter、join）仅记录RDD转换逻辑。
以下哪个指标用于衡量数据倾斜程度？
A.数据行数
B.分区大小方差
C.字段唯一值数量
D.数据存储成本
答案：B
解析：数据倾斜表现为部分分区数据量远大于其他分区，分区大小方差（各分区数据量的离散程度）可量化倾斜程度；数据行数（A）、唯一值数量（C）、存储成本（D）均无法直接反映倾斜。
二、多项选择题（共10题，每题2分，共20分）
以下属于Hadoop生态组件的有？
A.Hive
B.Flink
C.HBase
D.ZooKeeper
答案：ACD
解析：Hadoop生态包括HDFS（存储）、MapReduce
文档评论（0）