大数据工程师面试题及操作指南.docxVIP

第PAGE页共NUMPAGES页

2026年大数据工程师面试题及操作指南

一、单选题（共5题，每题2分，总计10分）

1.数据预处理阶段，以下哪项技术最适合处理缺失值？

A.均值填充

B.回归插补

C.删除记录

D.KNN填充

答案：D

解析：KNN填充通过近邻样本的均值/中位数填补缺失值，适用于数据分布较均匀的场景。均值填充简单但可能扭曲数据分布；回归插补适用于线性关系明显的数据；删除记录会导致数据丢失，尤其当缺失比例高时。

2.Hadoop生态中，Hive主要用于什么场景？

A.实时数据流处理

B.交互式SQL查询

C.图计算

D.内存计算

答案：B

解析：Hive基于Hadoop的MapReduce，提供SQL接口（HiveQL）方便传统数据分析师使用，适合离线批处理分析。SparkSQL和Flink适合实时处理，GraphX用于图计算，而内存计算通常由AllSpark或Ignite实现。

3.以下哪种指标最适合评估分类模型的泛化能力？

A.准确率

B.AUC

C.召回率

D.F1分数

答案：B

解析：AUC（AreaUndertheROCCurve）衡量模型在不同阈值下的综合性能，对不平衡数据集更鲁棒。准确率易受类别分布影响，召回率/F1分数侧重特定场景。

4.Spark中，以下哪种模式最适合大规模分布式任务？

A.