大数据测试试卷与答案.docxVIP

大数据测试试卷与答案

一、单项选择题（每题2分，共30分）

1.关于HDFS的副本机制，以下描述错误的是（）

A.默认副本数为3

B.副本分布策略优先选择同一节点

C.客户端写入时会先将数据缓存到本地

D.NameNode负责监控副本状态

2.YARN中负责为应用程序分配资源并监控其运行状态的组件是（）

A.ResourceManager

B.NodeManager

C.ApplicationMaster

D.Container

3.Spark中以下操作属于行动（Action）操作的是（）

A.map()

B.filter()

C.reduce()

D.flatMap()

4.Hive中，以下存储格式不支持事务的是（）

A.ORC

B.Parquet

C.TextFile

D.ACID表

5.Kafka中，分区（Partition）的主要作用是（）

A.提高消息存储容量

B.实现消息有序性

C.支持水平扩展和并行消费

D.减少生产者延迟

6.以下不属于Flink窗口（Window）类型的是（）

A.滚动窗口（TumblingWindow）

B.滑动窗口（SlidingWindow）

C.会话窗口（SessionWindow）

D.全局窗口（GlobalWindow）

7.HBase中，RowKey的设计原则不包括（）

A.散列性

B.有序性

C.长度越短越好

D.前缀相同性

8.数据仓库中，ODS层（操作数据层）的主要作用是（）

A.存储清洗后的明细数据

B.保留原始数据的“快照”

C.提供面向主题的汇总数据

D.支持实时查询

9.以下哪项不是数据质量的核心评估维度？（）

A.完整性（Completeness）

B.一致性（Consistency）

C.及时性（Timeliness）

D.复杂性（Complexity）

10.Spark任务中，数据倾斜（DataSkew）的典型表现是（）

A.所有Executor内存使用率均衡

B.部分Task运行时间远长于其他Task

C.Shuffle阶段网络传输量小

D.RDD分区数显著减少

11.Hive中，使用`DISTRIBUTEBY`和`SORTBY`组合时，以下描述正确的是（）

A.先按`SORTBY`排序，再按`DISTRIBUTEBY`分区

B.先按`DISTRIBUTEBY`分区，再按`SORTBY`排序

C.两者顺序不影响结果

D.仅`SORTBY`对全局数据排序

12.关于Kafka的消费者组（ConsumerGroup），以下说法错误的是（）

A.同一组内的消费者共同消费所有分区

B.消费者数量超过分区数时，部分消费者将空闲

C.不同组的消费者可以独立消费同一主题

D.消费者组通过ZooKeeper或Kafka内部存储偏移量

13.以下哪项不是Hadoop生态中常用的日志收集工具？（）

A.Flume

B.Logstash

C.Kafka

D.Sqoop

14.SparkRDD的持久化（Persistence）级别中，`MEMORY_AND_DISK_SER`表示（）

A.仅内存存储，不序列化

B.内存不足时溢写磁盘，数据序列化

C.仅磁盘存储，数据序列化

D.内存和磁盘同时存储，不序列化

15.数据湖（DataLake）与传统数据仓库（DataWarehouse）的核心区别是（）

A.数据湖存储结构化数据，数据仓库存储非结构化数据

B.数据湖在存储时定义模式（Schema-on-Write），数据仓库在分析时定义模式（Schema-on-Read）

C.数据湖支持多类型数据存储，数据仓库强调结构化和一致性

D.数据湖仅用于实时分析，数据仓库仅用于离线分析

二、填空题（每空2分，共20分）

1.HDFS默认的块（Block）大小是______MB。

2.Spark的Shuffle机制主要有两种：早期的______和优化后的______。

3.Hive的元数据（Metadata）默认存储在______数据库中。

4.Kafka消息的持久化时间由______参数控制，默认值为______天。

5.Flink中用于处理事件时间（Ev