2025广西广电大数据科技有限公司招聘笔试参考题库附答案详解.docxVIP

2025广西广电大数据科技有限公司招聘笔试参考题库附答案详解

一、大数据技术基础

1.选择题（每题2分，共20分）

（1）Hadoop生态中，HBase的存储模型是？

A.行式存储B.列式存储C.键值对存储D.文档存储

答案：B。HBase基于GoogleBigtable设计，采用列式存储，适合海量稀疏数据的高效读写。

（2）SparkRDD的“惰性计算”特性指的是？

A.数据处理操作立即执行B.转换操作（Transformation）不立即执行，行动操作（Action）触发计算C.仅在内存不足时触发计算D.仅在数据分区变化时触发计算

答案：B。Spark的转换操作（如map、filter）会构建DAG，直到行动操作（如count、collect）执行时才触发实际计算，这一特性降低了计算资源消耗。

（3）数据仓库（DW）与数据库（DB）的核心区别是？

A.数据仓库支持事务，数据库支持分析B.数据仓库存储历史数据，数据库存储实时数据C.数据仓库采用星型/雪花模型，数据库采用ER模型D.数据仓库面向应用，数据库面向主题

答案：C。数据仓库为分析设计，通常使用星型或雪花模型优化查询；数据库为事务设计，采用ER模型保证数据规范化。

（4）以下哪项不是K-means算法的缺点？

A.对初始质心敏感B.无法处理非凸形状的簇C.需预先指定簇数KD.对噪声数据不敏感

答案：D。K-means对噪声和离群点敏感，噪声点可能干扰质心计算；其他选项均为其典型缺点。

（5）实时数据处理中，Flink的时间类型不包括？

A.事件时间（EventTime）B.摄入时间（IngestionTime）C.处理时间（ProcessingTime）D.系统时间（SystemTime）

答案：D。Flink定义了事件时间（数据产生时间）、摄入时间（数据进入Flink的时间）、处理时间（算子处理数据的时间），无“系统时间”分类。

2.简答题（每题8分，共40分）

（1）简述HDFS的架构及主从节点的核心功能。

答案：HDFS采用主从架构，包含NameNode（主节点）、DataNode（从节点）和SecondaryNameNode（辅助节点）。

-NameNode：管理文件系统元数据（如文件目录、块位置），协调客户端对文件的访问，维护块到DataNode的映射关系。

-DataNode：存储实际数据块（默认128MB），执行块的读写操作，定期向NameNode汇报块状态。

-SecondaryNameNode：定期合并NameNode的编辑日志（EditLog）和镜像文件（FsImage），辅助NameNode元数据备份，防止单点故障导致数据丢失。

（2）说明Spark中RDD的持久化（Persistence）机制及常用存储级别。

答案：RDD持久化通过缓存（cache）或持久化（persist）方法实现，避免重复计算。存储级别由StorageLevel类定义，核心参数包括：是否存储于内存、是否序列化、是否复制到其他节点。

常用级别：

-MEMORY_ONLY：仅内存存储，未序列化（默认）。

-MEMORY_ONLY_SER：内存存储，序列化（节省空间但增加CPU开销）。

-MEMORY_AND_DISK：内存不足时溢写磁盘。

-DISK_ONLY：仅磁盘存储（性能最差，仅用于内存不足场景）。

-MEMORY_ONLY_2：内存存储，2副本（提高容错性）。

（3）对比传统数据仓库与湖仓一体（Lakehouse）架构的差异。

答案：

|维度|传统数据仓库|湖仓一体（Lakehouse）|

|--|--|-|

|存储介质|专用存储（如Oracle）|基于对象存储（如S3、HDFS）|

|数据格式|结构化（如关系表）|支持结构化、半结构化、非结构化（如Parquet、JSON）|

|分析场景|仅支持SQL分析|支持SQL、机器学习、数据科学等多场景|

|数据一致性|强一致性（事务支持）|支持ACID事务（通过元数据服务实现）|

|成本|高（专有硬件+license）|低（对象存储+开放协议）|

湖仓一体通过统一元数据和ACID支持，解决了传统数据湖（无事务、一致性差）与数据仓库（格式限制、成本高）的痛