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）（1221）.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）

以下关于HDFS（Hadoop分布式文件系统）的描述中，正确的是？

A.NameNode负责存储数据块副本

B.DataNode存储文件元数据信息

C.单个文件默认块大小为128MB（Hadoop2.x）

D.不支持追加写操作

答案：C

解析：HDFS中NameNode管理元数据（如文件目录、块位置），DataNode存储实际数据块（A、B错误）；Hadoop2.x默认块大小为128MB（C正确）；HDFS2.x及以上版本支持追加写操作（D错误）。

Spark中RDD（弹性分布式数据集）的特性不包括？

A.不可变（Immutable）

B.分区（Partitioned）

C.惰性计算（LazyEvaluation）

D.自动持久化（Auto-Persist）

答案：D

解析：RDD具有不可变性、分区性和惰性计算特性（A、B、C正确）；RDD默认不持久化，需通过persist()或cache()手动设置（D错误）。

Kafka中“消费者组（ConsumerGroup）”的核心作用是？

A.保证消息按顺序消费

B.实现消息的广播和负载均衡

C.存储消息的元数据

D.管理生产者的连接

答案：B

解析：消费者组通过将分区分配给组内消费者，实现消息负载均衡（同一组内消费者共同消费分区）；不同组间可独立消费同一主题，实现广播（B正确）。消息顺序仅在单个分区内保证（A错误）；元数据由ZooKeeper或Kafka自身管理（C错误）；生产者连接由客户端管理（D错误）。

以下属于列式存储数据库的是？

A.MySQL

B.HBase

C.Redis

D.MongoDB

答案：B

解析：HBase基于HDFS，采用列式存储（B正确）；MySQL是关系型（行式）、Redis是键值型、MongoDB是文档型（A、C、D错误）。

数据仓库（DataWarehouse）的核心特征是？

A.支持高并发事务操作

B.面向主题（Subject-Oriented）

C.实时更新数据

D.存储原始未加工数据

答案：B

解析：数据仓库面向主题组织数据（B正确）；支持分析而非事务（A错误）；数据定期批量更新（C错误）；存储经过清洗、整合的历史数据（D错误）。

Flink中“窗口（Window）”的主要作用是？

A.控制流数据的传输速率

B.将无限流划分为有限的处理单元

C.管理状态的生命周期

D.实现流与批的统一处理

答案：B

解析：窗口机制将无限流按时间或事件数划分为有限的可计算窗口（B正确）；传输速率由反压机制控制（A错误）；状态管理由状态后端负责（C错误）；流批统一通过DataSet和DataStreamAPI实现（D错误）。

以下不属于数据清洗（DataCleaning）范畴的是？

A.处理缺失值（MissingValues）

B.纠正重复记录（Duplicates）

C.转换数据格式（如日期格式统一）

D.构建数据立方体（DataCube）

答案：D

解析：数据清洗包括缺失值处理、去重、格式转换等（A、B、C正确）；数据立方体是OLAP的建模方法（D错误）。

分布式系统中“CAP定理”指的是？

A.一致性（Consistency）、可用性（Availability）、分区容错性（PartitionTolerance）

B.一致性、原子性（Atomicity）、持久性（Persistence）

C.容量（Capacity）、可扩展性（Scalability）、性能（Performance）

D.认证（Authentication）、授权（Authorization）、审计（Audit）

答案：A

解析：CAP定理定义了分布式系统中一致性、可用性、分区容错性三者无法同时满足（A正确）；B是ACID特性（数据库事务），C是系统设计目标，D是安全三要素（B、C、D错误）。

以下Hive（Hadoop数据仓库工具）的说法中，错误的是？

A.基于HQL（HiveQueryLanguage）

B.支持实时查询

C.元数据存储在关系型数据库（如MySQL）

D.底层计算引擎可切换为Spark

答案：B

解析：Hive将HQL转换为MapReduce（或Spark）任务，属于批处理，不支持实时查询（B错误）；其他选项均正确（A、C、D正确）。

数据挖掘（DataMining）中“关联规则挖掘”的经典算法是？

A.K-means

B.Apriori

C.SVM（支持向量机）

D.决策树

答案：B

解析：Apriori是关联规则挖掘的经典算法（B正确）；K-means是聚类算法，SVM是分类算法