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）（1207）.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）

HDFS默认的块大小是以下哪一项？

A.64MB

B.128MB

C.256MB

D.512MB

答案：B

解析：HDFS默认块大小为128MB（Hadoop2.x及以上版本），设计目的是减少NameNode内存占用并提高大文件处理效率。选项A是Hadoop1.x的默认块大小；C、D为常见配置调整值，但非默认。

以下哪个组件属于Hadoop生态中的资源管理系统？

A.HBase

B.YARN

C.Hive

D.Spark

答案：B

解析：YARN（YetAnotherResourceNegotiator）是Hadoop的资源管理系统，负责集群资源的分配和任务调度。HBase是分布式列式数据库（A错误），Hive是数据仓库工具（C错误），Spark是计算框架（D错误）。

Spark中RDD的转换操作（Transformation）具有以下哪个特性？

A.立即执行计算

B.生成新的RDD

C.直接输出结果

D.仅支持内存计算

答案：B

解析：转换操作（如map、filter）是惰性的，不会立即执行，而是生成新的RDD（B正确）。行动操作（如count、collect）才会触发计算（A、C错误）；RDD支持内存或磁盘存储（D错误）。

以下哪种场景最适合使用Flink进行处理？

A.每日用户行为日志离线分析

B.实时股票行情数据流处理

C.历史销售数据批量统计

D.数据仓库全量数据更新

答案：B

解析：Flink是流处理框架，擅长低延迟、高吞吐的实时数据流处理（如实时股票行情）。离线分析（A、C）和批量更新（D）更适合Spark或MapReduce。

Hive中分区（Partition）的主要作用是？

A.提高查询时的扫描效率

B.增加数据存储的冗余性

C.实现事务性操作

D.支持复杂SQL语法

答案：A

解析：Hive通过分区将数据按目录存储（如按日期分区），查询时只需扫描特定分区，减少数据扫描量（A正确）。冗余性由HDFS保证（B错误），事务性需开启ACID（C错误），复杂SQL支持与分区无关（D错误）。

数据仓库（DataWarehouse）的核心特性不包括？

A.面向主题

B.实时性

C.集成性

D.时变性

答案：B

解析：数据仓库的核心特性是面向主题（A）、集成性（C）、非易失性（长期存储）、时变性（随时间更新，D）。实时性是实时数据库或流处理系统的特性（B错误）。

以下哪个工具通常用于大数据的元数据管理？

A.ApacheAtlas

B.ApacheKafka

C.ApacheZooKeeper

D.ApacheAirflow

答案：A

解析：ApacheAtlas是元数据管理工具，用于数据资产的分类、血缘追踪和治理（A正确）。Kafka是消息队列（B错误），ZooKeeper是分布式协调服务（C错误），Airflow是任务调度（D错误）。

数据清洗中处理缺失值的常用方法不包括？

A.删除缺失值所在行

B.用均值/中位数填充

C.用随机数填充

D.基于模型预测填充

答案：C

解析：缺失值处理方法包括删除（A）、统计值填充（B）、模型预测（D）。随机数填充会破坏数据分布，通常不推荐（C错误）。

以下哪种数据库适合存储海量半结构化日志数据？

A.MySQL

B.HBase

C.Redis

D.Oracle

答案：B

解析：HBase是分布式列式数据库，支持海量数据存储和高并发读写，适合半结构化日志（B正确）。MySQL/Oracle是关系型数据库（A、D错误），Redis是内存数据库（C错误）。

机器学习中，以下哪项属于监督学习任务？

A.聚类分析

B.关联规则挖掘

C.分类预测

D.降维处理

答案：C

解析：监督学习需要标签数据，分类（如预测用户是否流失）是典型任务（C正确）。聚类（A）、关联规则（B）、降维（D）属于无监督学习。

二、多项选择题（共10题，每题2分，共20分）

以下属于Spark核心组件的有？

A.SparkCore

B.SparkSQL

C.SparkStreaming

D.SparkMLlib

答案：ABCD

解析：Spark生态包括Core（核心）、SQL（结构化数据处理）、Streaming（流处理）、MLlib（机器学习）和GraphX（图计算），均为核心组件。

Kafka的核心概念包括？

A.Topic（主题）

B.Partition（分区）

C.ConsumerGroup（消费者组）

D.NameNode（名称节点）

答案：ABC

解析：Kafka的核心概念有Topic（消息分类）、Pa