原创力文档- 0
- 0
- 约8.07千字
- 约 11页
- 2026-02-15 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）
HDFS默认的块大小是以下哪一项？
A.32MB
B.64MB
C.128MB
D.256MB
答案：C
解析：HDFS设计时为了减少NameNode内存占用（存储块元数据）和支持大文件高效处理，默认块大小设置为128MB（Hadoop2.x及以上版本）。选项A是早期Hadoop1.x的默认值（64MB），B为干扰项，D不符合官方设定。
以下哪项不是SparkRDD的特性？
A.不可变（Immutable）
B.支持血统（Lineage）
C.自动容错
D.直接存储结构化数据
答案：D
解析：RDD是弹性分布式数据集，特性包括不可变性、通过血统（Lineage）实现容错、基于内存的计算，但RDD本身不直接存储结构化数据（结构化数据处理由DataFrame/Dataset负责）。D选项混淆了RDD与DataFrame的功能。
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：Offset是消息在分区中的唯一顺序号，用于消费者记录消费位置；Partition是主题的分片；Topic是消息分类标识；ConsumerGroup是消费者的逻辑分组。因此正确答案为A。
以下哪项属于NoSQL数据库的典型应用场景？
A.银行核心交易系统（需强事务）
B.社交平台用户动态实时存储（高并发写）
C.企业ERP系统（复杂SQL查询）
D.财务报表统计（精确聚合计算）
答案：B
解析：NoSQL数据库（如HBase、Cassandra）适合高并发写、海量数据存储场景；而强事务、复杂SQL、精确聚合是关系型数据库（如MySQL）的优势。B选项符合NoSQL特性。
Flink中用于处理乱序事件的核心机制是？
A.窗口（Window）
B.水位线（Watermark）
C.状态（State）
D.检查点（Checkpoint）
答案：B
解析：水位线（Watermark）是Flink处理乱序事件的关键机制，通过设定延迟时间戳阈值，告知系统“当前时间之前的事件已全部到达”。窗口用于数据分组，状态用于存储中间结果，检查点用于容错，因此选B。
数据仓库（DW）与数据库（DB）的核心区别是？
A.数据模型：DW是OLTP，DB是OLAP
B.数据时效：DW存储实时数据，DB存储历史数据
C.设计目标：DW支持分析决策，DB支持事务处理
D.查询类型：DW使用简单查询，DB使用复杂查询
答案：C
解析：数据仓库（DW）面向分析（OLAP），支持复杂查询和历史数据统计；数据库（DB）面向事务（OLTP），支持高频读写和实时交易。C选项正确描述了设计目标的差异。
以下哪项是Hive的核心功能？
A.实时流数据处理
B.分布式文件存储
C.基于SQL的大数据分析
D.内存计算框架
答案：C
解析：Hive是基于Hadoop的大数据分析工具，提供HiveQL（类SQL）接口，将SQL转换为MapReduce任务执行。实时处理由Flink/SparkStreaming完成，存储由HDFS负责，内存计算是Spark的特性，因此选C。
以下哪个指标用于衡量数据质量的“完整性”？
A.字段缺失率
B.数据重复率
C.数值合理性（如年龄0）
D.数据更新频率
答案：A
解析：数据完整性指数据是否存在缺失（如字段为空），用缺失率衡量；重复率是一致性指标，合理性是准确性指标，更新频率是时效性指标。因此选A。
机器学习中，“过拟合”的典型表现是？
A.训练集和测试集准确率都低
B.训练集准确率高，测试集准确率低
C.训练集准确率低，测试集准确率高
D.训练集和测试集准确率都高
答案：B
解析：过拟合指模型在训练数据上表现很好（高准确率），但对新数据（测试集）泛化能力差（低准确率）。A是欠拟合表现，D是理想状态，因此选B。
以下哪项是ZooKeeper的核心功能？
A.分布式协调服务
B.分布式计算框架
C.分布式消息队列
D.分布式数据库
答案：A
解析：ZooKeeper是分布式协调服务，用于实现集群管理（如Master选举、配置同步）、分布式锁等。计算框架是Spark/Hadoop，消息队列是Kafka，数据库是HBase，因此选A。
二、多项选择题（共10题，每题2分，共20分）
以下属于HBase特性的有？（至少2个正确选项）
A.列式存储
B.支持ACID事务（全表）
C.高并发写
D.稀疏表（允许列缺失）
答案：ACD
解析：HBase是列式存储数据库，支持高并发写入（基于LSM树），表结构稀疏（行内列
文档评论（0）