2025年大数据工程师职业资格考试题库（附答案和详细解析）（1224）.docxVIP

大数据工程师职业资格考试试卷（总分100分）

一、单项选择题（共10题，每题1分，共10分）

以下哪项是HDFS（Hadoop分布式文件系统）的核心设计目标？

A.支持小文件的高效存储

B.提供低延迟的随机访问

C.运行在普通商用硬件上的高容错性

D.实现事务性的ACID特性

答案：C

解析：HDFS的核心设计目标是在普通商用硬件上提供高容错性（C正确），其设计更适合大文件存储（A错误），不支持低延迟随机访问（B错误），且不提供事务性ACID特性（D错误）。

Spark中RDD（弹性分布式数据集）的核心特性是？

A.内存中不可变的分布式集合，支持血缘关系追踪

B.内存中可变的键值对存储，支持实时更新

C.磁盘上的列式存储结构，支持高效查询

D.基于HBase的分布式表格，支持二级索引

答案：A

解析：RDD是不可变的分布式集合，通过血缘关系（Lineage）实现容错（A正确）；RDD不可变（B错误），主要存储在内存（C错误），与HBase无直接关联（D错误）。

Kafka中“消费者组（ConsumerGroup）”的主要作用是？

A.确保消息按顺序被所有消费者接收

B.实现消息的负载均衡与水平扩展

C.存储消息的元数据信息

D.管理生产者的连接池

答案：B

解析：消费者组通过将分区分配给组内消费者，实现消息的并行消费和水平扩展（B正确）；同一组内消费者不会重复接收消息（A错误）；元数据由Kafka集群管理（C错误）；生产者连接池由客户端配置（D错误）。

数据仓库（DataWarehouse）的典型应用场景是？

A.实时交易处理（OLTP）

B.历史数据的复杂分析（OLAP）

C.实时流数据的聚合计算

D.非结构化数据的全文检索

答案：B

解析：数据仓库专为联机分析处理（OLAP）设计，支持复杂查询和历史数据分析（B正确）；OLTP是数据库的职责（A错误），实时流计算属于流处理系统（C错误），全文检索由搜索引擎实现（D错误）。

以下哪种技术属于批处理框架？

A.ApacheFlink

B.ApacheSpark

C.ApacheStorm

D.ApacheKafka

答案：B

解析：Spark是典型的批处理框架（B正确）；Flink和Storm是流处理框架（A、C错误）；Kafka是消息队列（D错误）。

数据清洗中“去重处理”的主要目的是？

A.消除数据中的噪声和异常值

B.合并不同来源的重复记录

C.填充缺失的字段值

D.转换数据格式以统一标准

答案：B

解析：去重处理旨在识别并合并或删除重复记录（B正确）；消除噪声是异常值处理（A错误），填充缺失值是缺失处理（C错误），格式转换是标准化处理（D错误）。

以下哪项是Hive的核心功能？

A.分布式键值存储

B.基于HDFS的SQL查询引擎

C.实时流数据处理

D.分布式计算资源管理

答案：B

解析：Hive是基于HDFS的SQL查询引擎，将SQL转换为MapReduce任务（B正确）；键值存储是HBase的功能（A错误），实时流处理是Flink的功能（C错误），资源管理是YARN的功能（D错误）。

大数据平台中“元数据（Metadata）”不包含以下哪类信息？

A.数据字段的类型和长度

B.数据的存储位置（如HDFS路径）

C.数据的业务含义（如“用户ID”代表注册用户唯一标识）

D.数据的实时计算结果

答案：D

解析：元数据描述数据的“数据”，包括结构、位置、业务含义（A、B、C正确）；实时计算结果属于数据本身（D错误）。

以下哪种数据可视化工具支持动态交互和实时更新？

A.Tableau

B.Excel

C.墨刀（Mockplus）

D.LaTeX

答案：A

解析：Tableau支持动态交互和实时数据源连接（A正确）；Excel以静态图表为主（B错误），墨刀是原型设计工具（C错误），LaTeX是文档排版工具（D错误）。

数据治理的核心目标是？

A.提高数据处理的计算效率

B.确保数据的质量、一致性和可访问性

C.优化集群的资源调度策略

D.降低大数据平台的硬件成本

答案：B

解析：数据治理关注数据全生命周期的管理，目标是保障质量、一致性和可访问性（B正确）；计算效率是性能调优目标（A错误），资源调度是集群管理目标（C错误），硬件成本是成本控制目标（D错误）。

二、多项选择题（共10题，每题2分，共20分）（每题至少2个正确选项）

以下属于Hadoop生态系统的组件有？

A.HDFS（分布式文件系统）

B.YARN（资源管理系统）

C.Hive（数据仓库工具）

D.HBase（分布式数据库）

答案：ABCD

解析：Hadoop生态包括存储层（HDFS）、资源管理（YARN）、计