2026年大数据分析师模拟试题及答案.docxVIP

2026年大数据分析师模拟试题及答案

一、单项选择题（共20题，每题2分，共40分）

1.以下哪项不是Hadoop生态系统的核心组件？

A.HDFS

B.MapReduce

C.Spark

D.YARN

答案：C

解析：Hadoop核心组件为HDFS（存储）、MapReduce（计算）、YARN（资源管理），Spark是独立的分布式计算框架。

2.数据清洗中处理“年龄”字段时，若某条记录值为“5”，最合理的处理方法是？

A.直接删除该记录

B.用均值替换

C.标记为缺失值后插值

D.保留原始值

答案：C

解析：“5”为异常值（年龄不可能为负），应先标记为缺失，再通过插值（如均值、中位数）填充，避免直接删除导致数据丢失。

3.以下分布式计算框架中，适合实时流处理的是？

A.HadoopMapReduce

B.SparkStreaming

C.Hive

D.Pig

答案：B

解析：SparkStreaming基于微批处理实现实时流处理，MapReduce是批处理，Hive和Pig是基于Hadoop的数据仓库工具。

4.数据仓库（DataWarehouse）与数据库（Database）的核心区别是？

A.数据仓库支持事务操作，数据库支持分析

B.数