2025年大数据工程师职业资格考试题库（附答案和详细解析）（1223）.docxVIP

大数据工程师职业资格考试试卷

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设计时为了降低NameNode内存占用并提高大文件传输效率，默认块大小设置为128MB（Hadoop2.x及以上版本）。64MB是早期Hadoop1.x的默认值，256MB和512MB为可配置的非默认选项，因此正确答案为B。

Spark中RDD的核心特性是？

A.内存计算、不可变、分区

B.内存计算、可变、单分区

C.磁盘计算、不可变、分区

D.磁盘计算、可变、单分区

答案：A

解析：RDD（弹性分布式数据集）是Spark的核心抽象，其特性包括：基于内存的计算（提升速度）、不可变性（保证容错）、分布式分区（支持并行处理）。可变和磁盘计算是错误描述，单分区不符合分布式特性，因此正确答案为A。

Kafka中消费者组（ConsumerGroup）的主要作用是？

A.保证消息有序性

B.实现消息广播

C.提高消息消费吞吐量

D.存储消息元数据

答案：C

解析：消费者组通过将主题分区分配给组内不同消费者，实现并行消费，从而提升吞吐量。消息有序性仅在单个分区内保证，广播需不同组消费同一主题，元数据由ZooKeeper或Kafka自身管理，因此正确答案为C。

以下哪项不是数据仓库（DataWarehouse）的特点？

A.面向主题

B.实时更新

C.集成性

D.历史数据存储

答案：B

解析：数据仓库主要用于分析，数据通常按周期（如每日）加载，而非实时更新；面向主题、集成多源数据、存储历史数据是其核心特点，因此正确答案为B。

Flume的核心组件不包括？

A.Source

B.Channel

C.Sink

D.Master

答案：D

解析：Flume的核心组件是Source（数据采集）、Channel（临时存储）、Sink（数据输出），Master并非其标准组件（HBase或Hadoop有Master角色），因此正确答案为D。

分布式系统CAP理论中，“A”代表？

A.可用性（Availability）

B.原子性（Atomicity）

C.一致性（Consistency）

D.分区容错性（PartitionTolerance）

答案：A

解析：CAP理论指分布式系统无法同时满足一致性（C）、可用性（A）、分区容错性（P），其中A代表可用性（系统始终能响应请求），因此正确答案为A。

HBase的存储模型是？

A.行式存储

B.列式存储

C.键值存储

D.文档存储

答案：B

解析：HBase是基于HDFS的列式数据库，数据按列族存储，适合高并发、海量稀疏数据场景；行式存储是关系型数据库特点，键值存储如Redis，文档存储如MongoDB，因此正确答案为B。

数据清洗中“异常值检测”的常用方法不包括？

A.标准差法（Z-score）

B.箱线图法（IQR）

C.主成分分析（PCA）

D.决策树分类

答案：D

解析：异常值检测通常基于统计方法（如Z-score、IQR）或降维方法（如PCA），决策树是分类模型，一般不直接用于异常值检测，因此正确答案为D。

机器学习中“特征工程”的核心目的是？

A.增加特征数量

B.提升模型泛化能力

C.减少计算时间

D.降低数据维度

答案：B

解析：特征工程通过数据转换、选择、构造等手段，提取对目标变量有预测能力的特征，最终提升模型在新数据上的泛化能力；增加数量可能导致过拟合，减少计算时间是优化目标之一但非核心，因此正确答案为B。

以下哪项是专业数据可视化工具？

A.Excel

B.Tableau

C.Python

D.Hive

答案：B

解析：Tableau是专门用于数据可视化的商业工具，支持交互式图表；Excel功能有限，Python是编程语言（需结合Matplotlib等库），Hive是数据仓库工具，因此正确答案为B。

二、多项选择题（共10题，每题2分，共20分）

以下属于Hadoop生态核心组件的有？

A.HDFS（分布式文件系统）

B.YARN（资源管理系统）

C.MapReduce（分布式计算框架）

D.Hive（数据仓库工具）

答案：ABCD

解析：Hadoop生态包括存储（HDFS）、资源管理（YARN）、计算（MapReduce），以及上层工具如Hive（数据仓库）、HBase（列式数据库）等，因此全选正确。

Spark的转换操作（Transformation）包括？

A.map()

B.filter()

C.reduceByKey()

D.collect()

答案：ABC

解析：转换操作是惰性