2025年资料工程师试题及答案.docxVIP

2025年资料工程师试题及答案

一、单项选择题（每题2分，共20分）

1.以下哪种数据库更适合存储实时生成的非结构化日志数据？

A.MySQL（关系型数据库）

B.Cassandra（列存储数据库）

C.PostgreSQL（对象关系型数据库）

D.Oracle（商业关系型数据库）

2.在数据清洗过程中，对于“年龄”字段中出现的“-5”和“200”两个异常值，最合理的处理方式是？

A.直接删除包含这两个值的记录

B.将“-5”修正为“5”，“200”修正为“100”（假设合理年龄上限为100）

C.用字段均值替换这两个异常值

D.标记为缺失值后用KNN算法填充

3.某电商平台需要实时计算“用户下单到支付的时间差”，应优先选择以下哪种技术框架？

A.HadoopMapReduce（离线批处理）

B.SparkRDD（分布式计算）

C.Flink（流处理）

D.Hive（数据仓库工具）

4.以下关于数据湖（DataLake）与数据仓库（DataWarehouse）的描述，错误的是？

A.数据湖存储原始数据（RawData），数据仓库存储经过清洗和结构化的数据

B.数据湖支持多种数据格式（如CSV、JSON、Parquet），数据仓库通常使用结构化格式（如关系表）

C.数据