原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
2025年数据开发工程师笔试题库及答案
一、单项选择题（每题2分，共20分）
1.某电商公司订单表order_info包含字段order_id（bigint）、user_id（bigint）、order_time（timestamp）、amount（decimal(10,2)）。现需统计2024年每个用户最后一次下单的金额，下列SQL写法正确且性能最优的是
A.SELECTuser_id,amountFROMorder_infoWHEREorder_timeGROUPBYuser_idHAVINGorder_time=MAX(order_time);
B.SELECTuser_id,amountFROM(SELECT,ROW_NUMBER()OVER(PARTITIONBYuser_idORDERBYorder_timeDESC)rnFROMorder_infoWHEREorder_timetWHERErn=1;
C.SELECTuser_id,amountFROMorder_infoo1WHEREorder_time=(SELECTMAX(order_time)FROMorder_infoo2WHEREo2.user_id=o1.user_idANDorder_time;
D.SELECTuser_id,MAX(amount)KEEP(DENSE_RANKLASTORDERBYorder_time)FROMorder_infoWHEREorder_timeGROUPBYuser_id;
答案：B
解析：窗口函数ROW_NUMBER()在分区后排序，取rn=1即可拿到每个用户最新一行，避免自关联，执行计划仅一次全表扫描。
2.在Hadoop3.3.4集群中，某目录/user/hive/warehouse/log_text/下存储了300个1GB的文本文件，文件格式为LZO压缩。现需将其转为ORC格式并减少小文件，下列做法最合理的是
A.直接执行hive?eINSERTINTOTABLElog_orcSELECTFROMlog_text;
B.先执行hive?eALTERTABLElog_textCONCATENATE;再INSERT
C.使用HiveMSCKREPAIRTABLE后，设置hive.merge.smallfiles.avgsize=256000000并INSERTOVERWRITE
D.使用Spark提交作业，设置spark.sql.adaptive.coalescePartitions.enabled=true，读取log_text后repartition(100)再write.mode(overwrite).format(orc)
答案：D
解析：SparkAQE可动态合并小分区，repartition(100)把300个文件合并成100个ORC文件，避免HiveINSERT产生过多小文件。
3.Flink1.17作业消费Kafka，checkpoint间隔30s，作业并行度为120。某次checkpoint持续超时，排查发现Kafka单partition最大lag为5万条，单条平均2KB。最可能的原因是
A.checkpoint超时与lag无关，需增大execution.checkpointing.timeout
B.单并行度subtask处理的数据量过大，导致barrier对齐慢，需提高并行度或keyBy打散
C.Kafkatopic分区数远小于并行度，空转task多，需减少并行度
D.网络带宽不足，需调大taskmanager.network.memory.fraction
答案：B
解析：lag大说明单subtask处理5万×2KB≈100MB数据，barrier需等待该批数据全部处理完，对齐时间拉长，超时。
4.某MySQL8.0表user_login(login_idbigint,user_idbigint,login_timedatetime,ipvarchar(64))，数据量8亿行，需按user_id做范围查询。下列索引设计最佳的是
A.单独索引(login_time)
B.联合索引(user_id,login_time)
C.联合索引(login_time,user_id)
D.哈希索引(use
文档评论（0）