数据处理面试题及答案.docxVIP

数据处理面试题及答案

一、单项选择题（总分：30分）

1.在数据库设计中，B+树主要被用作什么数据结构？

答案：索引结构。

2.以下哪种方法最适合处理大规模数据集中的缺失值？

答案：删除缺失值或使用均值/中位数填充。

3.在Hadoop生态系统中，负责分布式存储的组件是？

答案：HDFS（HadoopDistributedFileSystem）。

4.SQL查询中，用于计算每组的总和并返回结果集的窗口函数是？

答案：SUM()OVER()。

5.数据仓库中，将数据从操作型环境加载到数据仓库的过程称为？

答案：ETL（Extract,Transform,Load）。

6.在Spark中，RDD（弹性分布式数据集）的主要特性不包括？

答案：RDD是只读的且不可修改。

7.下列关于数据倾斜的说法，正确的是？

答案：数据倾斜通常发生在Reduce阶段，由于Key分布不均导致。

二、简答题（总分：40分）

1.请简述ETL与ELT的区别，并说明在什么场景下更推荐使用ELT？

答案：ETL（Extract,Transform,Load）是指先在源系统抽取数据，在数据仓库内部进行转换，最后加载到目标表；而ELT（Extract,Load,Transform）是指先抽取并加载到目标系统（如数据湖或宽表），再利用目标系统的计算能力（如SQL或ETL工具）进行转换。