2026年大数据工程师职业资格考试题库（附答案和详细解析）（0102）.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）

以下哪项是HDFS的主节点，负责管理文件系统元数据？

A.DataNode

B.NameNode

C.SecondaryNameNode

D.ResourceManager

答案：B

解析：HDFS（Hadoop分布式文件系统）的核心架构包括NameNode（主节点，管理元数据、文件块映射）、DataNode（从节点，存储数据块）、SecondaryNameNode（辅助NameNode进行元数据检查点，非主节点）。ResourceManager是YARN的资源管理组件。因此正确答案为B。

Spark中用于表示不可变、可分区、容错分布式数据集的核心抽象是？

A.DataFrame

B.Dataset

C.RDD

D.DataSet

答案：C

解析：RDD（弹性分布式数据集）是Spark的核心抽象，具有不可变性、分区性和容错性；DataFrame和Dataset是RDD的高阶抽象，增加了结构化数据支持。因此正确答案为C。

Kafka的核心功能是？

A.分布式文件存储

B.实时流处理

C.高吞吐量消息队列

D.分布式数据库

答案：C

解析：Kafka是基于发布-订阅模式的高吞吐量分布式消息队列，主要用于实时数据流的传输；分布式文件存储是HDFS的功能，实时流处理是Flink/SparkStreaming的功能，分布式数据库如HBase。因此正确答案为C。

以下不属于NoSQL数据库的是？

A.HBase

B.MySQL

C.Cassandra

D.MongoDB

答案：B

解析：NoSQL（非关系型数据库）包括列式（HBase）、宽列（Cassandra）、文档型（MongoDB）等；MySQL是关系型数据库（RDBMS）。因此正确答案为B。

数据仓库（DataWarehouse）的核心特性是？

A.实时写入与高并发

B.面向事务处理

C.面向主题、集成、稳定、随时间变化

D.存储非结构化数据

答案：C

解析：数据仓库的四大特性是面向主题（围绕业务主题组织）、集成（多源数据整合）、稳定（读多写少）、随时间变化（时间维度记录）；实时写入是OLTP数据库特性，面向事务是OLTP，非结构化存储是数据湖特性。因此正确答案为C。

以下哪项是Flink的时间语义？

A.事件时间（EventTime）

B.处理时间（ProcessingTime）

C.摄入时间（IngestionTime）

D.以上都是

答案：D

解析：Flink支持三种时间语义：事件时间（数据实际发生时间）、处理时间（数据被系统处理的时间）、摄入时间（数据进入Flink的时间）。因此正确答案为D。

Hive的核心功能是？

A.实时数据计算

B.将HQL转换为MapReduce任务

C.分布式键值存储

D.内存计算框架

答案：B

解析：Hive是基于Hadoop的数据仓库工具，通过HQL（类SQL语言）将查询转换为MapReduce/Spark任务执行；实时计算是Flink的功能，键值存储是HBase，内存计算是Spark。因此正确答案为B。

分布式系统中CAP定理的“C”指？

A.一致性（Consistency）

B.可用性（Availability）

C.分区容错性（PartitionTolerance）

D.完整性（Completeness）

答案：A

解析：CAP定理指分布式系统无法同时满足一致性（所有节点同一时间看到相同数据）、可用性（每次请求都能得到响应）、分区容错性（节点间通信中断时系统仍能运行），只能选其二。因此正确答案为A。

以下哪项是离线批处理框架？

A.Flink

B.SparkStreaming

C.MapReduce

D.KafkaStreams

答案：C

解析：MapReduce是典型的离线批处理框架；Flink、SparkStreaming、KafkaStreams主要用于实时或准实时流处理。因此正确答案为C。

数据湖（DataLake）主要存储的是？

A.结构化数据

B.半结构化和非结构化数据

C.清洗后的高质量数据

D.面向业务主题的聚合数据

答案：B

解析：数据湖以原始格式（如JSON、CSV、二进制）存储半结构化和非结构化数据，支持多类型数据；结构化数据是数据仓库的主要存储对象，清洗后的数据属于数据仓库或数据集市。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

B.YARN

C.MapReduce

D.HBase

答案：ABC

解析：Hadoop生态核心三组件是HDFS（存储）、YA