2026年大数据工程师职业资格考试题库（附答案和详细解析）（0118）.docxVIP

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）

以下哪组组件是Hadoop生态中分布式存储与资源管理的核心组件？

A.HDFS（分布式文件系统）与YARN（资源调度）

B.Spark（计算框架）与Hive（数据仓库）

C.Flink（流处理）与Kafka（消息队列）

D.HBase（数据库）与ZooKeeper（协调服务）

答案：A

解析：Hadoop核心架构包括HDFS（存储）、YARN（资源管理）和MapReduce（计算）。选项B中Spark是独立计算框架，非Hadoop原生核心；C中Flink和Kafka属于流处理生态；D中HBase是基于HDFS的数据库，ZooKeeper是协调工具，均非存储与资源管理的核心对。

以下哪种场景最适合使用SparkStreaming而非Storm？

A.需要亚秒级延迟的实时计数

B.要求严格Exactly-Once语义的金融交易处理

C.基于微批处理的日志分析（如5分钟窗口聚合）

D.低资源消耗的简单流过滤

答案：C

解析：SparkStreaming基于RDD的微批处理（如5秒/30秒批次），适合对延迟要求不高但需要复杂批处理逻辑的场景；Storm是纯流式处理，适合亚秒级延迟（A）和严格Exactly-Once（B）；D属于轻量级流处理，Storm或Flink更合适。

数据清洗中“处理缺失