原创力文档- 1
- 0
- 约9.16千字
- 约 12页
- 2026-02-09 发布于上海
- 举报
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Hadoop生态中负责分布式资源管理的核心组件？
A.HBase
B.YARN
C.Hive
D.Spark
答案：B
解析：Hadoop生态的核心组件包括HDFS（分布式存储）、YARN（资源管理与任务调度）和MapReduce（分布式计算框架）。选项A（HBase）是列式存储数据库，C（Hive）是数据仓库工具，D（Spark）是独立的计算框架，均不负责资源管理，因此正确答案为B。
下列哪项不属于Spark的核心抽象？
A.RDD
B.DataFrame
C.Dataset
D.HDFS
答案：D
解析：Spark的核心抽象包括RDD（弹性分布式数据集）、DataFrame（结构化数据）和Dataset（强类型数据集）。HDFS是Hadoop的分布式文件系统，属于存储层，并非Spark的核心抽象，因此正确答案为D。
Kafka中用于标识消息在分区中位置的是？
A.Offset
B.Partition
C.Topic
D.ConsumerGroup
答案：A
解析：Kafka的消息在分区内通过Offset（偏移量）唯一标识位置；Partition（分区）是Topic的物理分割单位，Topic（主题）是消息的逻辑分类，ConsumerGroup（消费者组）用于实现消息的广播或负载均衡。因此正确答案为A。
以下哪种场景最适合使用HBase？
A.实时查询海量稀疏数据
B.离线批处理日志文件
C.关系型数据库的OLTP业务
D.实时计算流数据
答案：A
解析：HBase是列式存储的NoSQL数据库，适合高并发、低延迟的海量稀疏数据实时查询（如用户行为日志）；离线批处理通常用HadoopMapReduce或Spark，OLTP业务多用MySQL等关系型数据库，实时计算用Flink或SparkStreaming。因此正确答案为A。
数据仓库（DataWarehouse）的核心特性是？
A.面向事务、实时更新
B.面向主题、集成、非易失、时变
C.支持高并发写入
D.存储非结构化数据
答案：B
解析：数据仓库的四大特性是面向主题（按业务主题组织）、集成（多源数据整合）、非易失（历史数据只读）、时变（包含时间维度）。面向事务是OLTP数据库的特性，高并发写入是OLTP或缓存的特性，非结构化数据存储是数据湖的特性。因此正确答案为B。
Flink中用于处理时间窗口的核心概念是？
A.Checkpoint
B.Window
C.State
D.Watermark
答案：B
解析：Flink通过Window（窗口）将无限流划分为有限的处理单元；Checkpoint是容错机制，State是状态管理，Watermark是处理乱序数据的时间戳对齐机制。因此正确答案为B。
以下哪项不属于数据清洗的常见操作？
A.缺失值填充
B.异常值检测
C.数据标准化
D.数据抽样
答案：D
解析：数据清洗主要解决数据质量问题，包括缺失值填充、异常值检测、格式修正等；数据抽样属于数据预处理中的样本选择，用于减少计算量或平衡数据集，不属于清洗操作。因此正确答案为D。
分布式系统中，CAP定理指的是？
A.一致性、可用性、分区容错性
B.一致性、原子性、持久性
C.并发、原子性、分区容错性
D.一致性、可用性、事务性
答案：A
解析：CAP定理指出分布式系统无法同时满足一致性（Consistency）、可用性（Availability）和分区容错性（PartitionTolerance），只能三选二。B是ACID特性，C和D为干扰项。因此正确答案为A。
以下哪种数据库属于列式存储？
A.MySQL
B.Redis
C.HBase
D.MongoDB
答案：C
解析：HBase基于GoogleBigtable设计，采用列式存储；MySQL是行式关系型数据库，Redis是键值存储，MongoDB是文档型数据库。因此正确答案为C。
元数据（Metadata）不包含以下哪类信息？
A.数据字段含义
B.数据存储位置
C.数据更新频率
D.数据具体值
答案：D
解析：元数据是“关于数据的数据”，包括字段含义、存储位置、更新频率、数据血缘等描述性信息；数据具体值属于原始数据内容，不属于元数据。因此正确答案为D。
二、多项选择题（共10题，每题2分，共20分）
HDFS的主要特性包括？（）
A.高容错性（通过副本机制）
B.适合存储大量小文件
C.主从架构（NameNode/DataNode）
D.支持低延迟数据访问
答案：AC
解析：HDFS设计目标是存储大文件（如GB/TB级），通过多副本机制
文档评论（0）