2026年大数据工程师国家职业技能鉴定试卷及答案解析（大数据分析）.docxVIP

2026年大数据工程师国家职业技能鉴定试卷及答案解析（大数据分析）

考试时间：______分钟总分：______分姓名：______

一、单项选择题（下列每题只有一个正确答案，请将正确选项的代表字母填写在括号内。每题1分，共25分）

1.在大数据分析流程中，通常最先进行的是？

A.数据建模

B.数据可视化

C.数据采集与预处理

D.模型评估与部署

2.Hadoop分布式文件系统（HDFS）的主要特点是？

A.低延迟、高并发访问

B.高吞吐量、适合批处理

C.内存计算、实时性高

D.数据中心级别容错、高可靠性

3.下列哪个组件是Spark的核心计算引擎？

A.Hive

B.HDFS

C.SparkCore/SparkRDD

D.YARN

4.适用于处理大规模数据集，进行分布式存储的文件格式是？

A.JSON

B.XML

C.Parquet/ORC

D.CSV

5.在MapReduce模型中，Map阶段的输出数据通常以何种形式写入Reduce阶段的输入？

A.直接在内存中传递

B.通过HDFS进行中间存储

C.通过RPC协议传输

D.保存在数据库中

6.下列哪个工具主要用于在Hadoop生态与非Hadoop系统（如关系型数据库）之间进行批量数据传输？

A.Flume

B.Sqoop

C.Kafka

D.Storm

7.下列哪个工具主要用于实时数据收集和传输，支持多种数据源和目标？

A.Sqoop

B.Flume

C.SparkStreaming

D.HDFS

8.HiveQL与传统的SQL语言最显著的区别是？

A.支持的数据类型不同

B.语法结构完全不同

C.基于类SQL的语言，扩展了数据类型和函数

D.执行效率一定更低

9.SparkSQL中，用于处理结构化数据的核心组件是？

A.SparkCore

B.SparkStreaming

C.RDD

D.DataFrame/Dataset

10.下列哪个是常用的分布式流处理框架，支持事件时间处理和状态管理？

A.SparkStreaming

B.Flink

C.KafkaStreams

D.Storm

11.在大数据处理中，倾斜现象通常指的是？

A.数据丢失

B.处理节点负载不均，部分节点处理时间远超其他节点

C.数据重复

D.网络拥堵

12.下列哪种算法属于分类算法？

A.K-Means聚类

B.Apriori关联规则

C.决策树

D.K-NearestNeighbors(KNN)

13.用于评估分类模型性能的指标中，哪个指标表示模型正确预测为正类的样本占所有实际正类样本的比例？

A.准确率（Accuracy）

B.召回率（Recall）

C.精确率（Precision）

D.F1分数

14.特征工程在大数据分析中至关重要，以下哪项不属于常见的特征工程方法？

A.特征缩放

B.特征编码（如One-Hot）

C.数据采样

D.模型选择

15.对于时间序列数据的分析，通常需要考虑的维度不包括？

A.趋势

B.季节性

C.周期性

D.特征相关性

16.下列哪个不是NoSQL数据库的类型？

A.关系型数据库（如MySQL）

B.键值存储（如Redis）

C.列式存储（如HBase）

D.文档存储（如MongoDB）

17.在大数据系统设计中，为了提高数据处理的并行度和效率，通常会采用？

A.减少数据冗余

B.单点故障设计

C.数据分片（Sharding）

D.增加单台服务器配置

18.下列哪个指标用于衡量数据特征的离散程度？

A.方差（Variance）

B.均值（Mean）

C.偏度（Skewness）

D.峰度（Kurtosis）

19.大数据ETL（Extract,Transform,Load）过程中，T（转换）阶段的主要目的是？

A.从源系