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）（1005）.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）

Hadoop生态中，HDFS（HadoopDistributedFileSystem）的核心功能是？

A.分布式资源管理

B.分布式计算任务调度

C.分布式海量数据存储

D.实时流数据处理

答案：C

解析：HDFS是Hadoop的分布式文件系统，主要解决海量数据的存储问题（C正确）。分布式资源管理由YARN负责（A错误），任务调度是MapReduce的功能（B错误），实时流处理是Storm/Flink等框架的职责（D错误）。

Spark中RDD（ResilientDistributedDataset）的核心特性不包括？

A.不可变性（Immutable）

B.可分区（Partitioned）

C.单点存储（Single-pointStorage）

D.弹性容错（Resilient）

答案：C

解析：RDD是分布式弹性数据集，具有不可变、可分区、容错特性（A/B/D正确）。单点存储违背了分布式设计原则（C错误）。

Hive的本质是？

A.分布式数据库

B.数据仓库工具（将SQL映射为MapReduce任务）

C.内存计算框架

D.消息队列系统

答案：B

解析：Hive是基于Hadoop的数据仓库工具，通过HiveQL（类SQL语言）将查询转换为MapReduce任务（B正确）。它不直接存储数据（存储依赖HDFS），因此不是数据库（A错误）；内存计算是Spark的特性（C错误）；消息队列是Kafka的功能（D错误）。

数据清洗中处理缺失值的常用方法是？

A.直接删除含缺失值的记录

B.用均值/中位数插补

C.忽略缺失值

D.随机填充任意数值

答案：B

解析：直接删除可能导致数据丢失（A错误），忽略缺失值会影响模型准确性（C错误），随机填充无意义（D错误）。均值/中位数插补是最常用的缺失值处理方法（B正确）。

Kafka的核心定位是？

A.分布式数据库

B.高吞吐量消息队列

C.实时计算框架

D.数据可视化工具

答案：B

解析：Kafka是基于发布-订阅模式的高吞吐量消息队列，主要用于流数据的传输和存储（B正确）。分布式数据库是HBase的功能（A错误），实时计算是Flink的职责（C错误），可视化是Superset等工具的任务（D错误）。

分布式系统CAP定理中的“C”指？

A.可用性（Availability）

B.一致性（Consistency）

C.分区容错性（PartitionTolerance）

D.正确性（Correctness）

答案：B

解析：CAP定理中，C（Consistency）指所有节点在同一时间看到相同的数据；A（Availability）指请求总能得到响应；P（PartitionTolerance）指系统在网络分区时仍能运行（B正确）。

Flink中用于处理乱序事件的关键机制是？

A.窗口（Window）

B.水印（Watermark）

C.检查点（Checkpoint）

D.状态（State）

答案：B

解析：水印（Watermark）是Flink处理乱序事件的核心机制，通过标记“事件时间已到达某一时刻”来触发窗口计算（B正确）。窗口定义计算范围（A错误），检查点用于容错（C错误），状态存储中间结果（D错误）。

数据湖（DataLake）推荐的存储格式是？

A.CSV（逗号分隔值）

B.Parquet（列式存储）

C.JSON（文本格式）

D.纯文本（Text）

答案：B

解析：数据湖需要支持高效查询和多类型数据存储，Parquet作为列式存储格式，具有压缩率高、查询性能好的特点（B正确）。CSV/JSON/纯文本存储效率低，不适合海量数据（A/C/D错误）。

机器学习中特征工程的主要目的是？

A.减少数据存储量

B.提升模型性能

C.加快训练速度

D.可视化数据分布

答案：B

解析：特征工程通过构造、选择、转换特征，提取数据中的有效信息，直接影响模型的预测能力（B正确）。减少存储量是数据压缩的目标（A错误），加快训练速度依赖硬件或算法优化（C错误），可视化是数据分析的任务（D错误）。

数据仓库（DataWarehouse）的典型分层架构不包括？

A.ODS层（操作数据存储层）

B.DWD层（明细数据层）

C.DMP层（数据市场层）

D.ADS层（应用数据层）

答案：C

解析：数据仓库典型分层为ODS（原始数据）、DWD（清洗后明细）、DWS（汇总宽表）、ADS（应用层）（A/B/D正确）。DMP（数据管理平台）是用于用户标签管理的独立系统（C错误）。

二、多项选择题（共10题，每题2分，共20分）

以下属于Hadoop生