2025年大数据工程师职业资格认证考试题库（附答案和详细解析）（0925）.docxVIP

大数据工程师职业资格认证考试试卷

一、单项选择题（共10题，每题1分，共10分）

1.以下哪项是Hadoop分布式文件系统（HDFS）的核心设计目标？

A.支持低延迟的实时访问

B.处理海量小文件存储

C.运行在普通商用硬件上提供高容错性

D.支持关系型数据库的事务操作

答案：C

解析：HDFS设计目标包括支持海量大文件存储（排除B）、运行于普通硬件（C正确）、提供高容错性（通过副本机制）。HDFS不适合低延迟访问（A错误，适合批处理），不支持事务操作（D错误，事务由HBase等组件支持）。

2.以下不属于Spark核心抽象的是？

A.RDD（弹性分布式数据集）

B.DataFrame（结构化数据集合）

C.DStream（离散化流）

D.HiveMetaStore（元数据存储）

答案：D

解析：Spark核心抽象包括RDD（A）、DataFrame/Dataset（B）、DStream（C，用于流处理）。HiveMetaStore是Hive的元数据存储组件，属于外部依赖（D错误）。

3.数据清洗中处理“缺失值”的常用方法不包括？

A.删除缺失值所在行

B.用均值/中位数填充

C.用前后数据插值填充

D.直接保留缺失值用于建模

答案：D

解析：缺失值处理需消除对模型的影响，直接保留（D）会导致模型训练错误。常用方法包括删除（A）、统计值填充（B）、插值法（C）。

4.以下属于流处理框架的是？

A.HadoopMapReduce

B.ApacheSparkSQL

C.ApacheFlink

D.ApacheHive

答案：C

解析：流处理框架需支持实时数据处理。Flink（C）是典型流处理框架；MapReduce（A）、Hive（D）是批处理；SparkSQL（B）是批处理与流处理的混合（基于微批）。

5.数据仓库（DW）与数据湖（DL）的核心区别在于？

A.数据存储量级

B.数据结构化程度

C.数据存储成本

D.数据访问速度

答案：B

解析：数据仓库（DW）要求结构化数据（需提前定义Schema），数据湖（DL）存储原始、非结构化/半结构化数据（Schema-on-read）。存储量级（A）、成本（C）、速度（D）非核心区别。

6.以下哪种NoSQL数据库适合存储时序数据？

A.键值存储（如Redis）

B.列族存储（如HBase）

C.文档存储（如MongoDB）

D.宽列存储（如Cassandra）

答案：D

解析：宽列存储（Cassandra）通过时间戳分区优化时序数据读写（D正确）。键值存储（A）适合缓存，列族（B）适合随机读写，文档存储（C）适合半结构化数据。

7.机器学习中“过拟合”的解决方法不包括？

A.增加训练数据量

B.降低模型复杂度

C.引入正则化项

D.减少特征数量

答案：D

解析：过拟合因模型对训练数据过度学习，解决方法包括增加数据（A）、简化模型（B）、正则化（C）。减少特征可能丢失关键信息（D错误）。

8.大数据场景下，数据安全的“脱敏”技术主要用于？

A.防止数据被未授权访问

B.消除数据中的敏感信息

C.提升数据存储效率

D.加速数据查询速度

答案：B

解析：脱敏（DataMasking）通过替换或修改敏感信息（如身份证号、手机号）保护隐私（B正确）。防止未授权访问是权限控制（A），存储效率（C）和查询速度（D）与压缩、索引相关。

9.元数据（Metadata）的核心作用是？

A.存储原始业务数据

B.描述数据的“数据”（如字段含义、数据来源）

C.加速数据计算过程

D.保障数据一致性

答案：B

解析：元数据是“关于数据的数据”，用于描述数据的结构、来源、质量等信息（B正确）。原始数据存储（A）是主数据，计算加速（C）靠索引或分区，一致性（D）靠事务或约束。

10.以下不属于大数据技术发展趋势的是？

A.云原生大数据（Cloud-Native）

B.实时与批处理融合（Lambda架构演进为Kappa架构）

C.单机计算替代分布式计算

D.自动化数据治理（Auto-Governance）

答案：C

解析：大数据需处理海量数据，单机计算无法满足扩展性（C错误）。云原生（A）、实时批处理融合（B）、自动化治理（D）均为当前趋势。

二、多项选择题（共10题，每题2分，共20分）

1.Hadoop生态中属于分布式存储组件的有？

A.HDFS

B.HBase

C.Hive

D.Spark

答案：AB

解析：HDFS（A）是分布式文件系统，HBase（B）是基于HDFS的分布式列式数据库。Hive（C）是数据仓库工具（基于HDFS存储），Spark（D）是计算框架（不直接存储）。

2