2025年大数据笔试题试题及答案.docxVIP

2025年大数据笔试题试题及答案

一、单项选择题（每题2分，共20分）

1.关于HDFS3.x版本的特性，以下描述错误的是（）

A.支持EC（纠删码）存储以降低存储成本

B.引入HDFSFederation实现元数据横向扩展

C.默认块大小从128MB调整为256MB

D.支持HDFS-over-HTTP协议访问

答案：C（HDFS3.x默认块大小仍为128MB，256MB为可配置参数）

2.以下Spark操作中，属于宽依赖（WideDependency）的是（）

A.map()

B.filter()

C.groupByKey()

D.flatMap()

答案：C（宽依赖涉及shuffle，groupByKey需要按key重组数据，属于宽依赖）

3.Flink中处理事件时间（EventTime）时，水位线（Watermark）的主要作用是（）

A.标记数据迟到的最大时间窗口

B.触发窗口计算并清理过期状态

C.优化数据分区的并行度

D.协调不同任务槽（TaskSlot）的资源分配

答案：B（水位线用于确定事件时间的进展，当水位线超过窗口结束时间时触发计算，并清理不再需要的状态）

4.Hive中，以下存储格式对复杂类型（如Array、Struct）支持最好的是（）

A.TextFile

B.ORC

C.Parquet

D.SequenceFile

答案：B（ORC格式原生支持复杂类型，且元数据存储更高效）

5.Kafka中，ISR（In-SyncReplicas）的作用是（）

A.定义消费者组的最大偏移量

B.保证生产者的消息有序性

C.维护与Leader保持同步的Follower集合

D.限制单个分区的最大消息大小

答案：C（ISR是与Leader副本保持同步的Follower副本集合，用于保障数据可靠性和一致性）

6.数据倾斜（DataSkew）问题最可能导致的后果是（）

A.任务并行度无法提升

B.部分节点内存溢出或运行超时

C.数据写入延迟降低

D.元数据服务负载均衡

答案：B（数据倾斜会导致某几个任务处理大量数据，引发资源耗尽或超时）

7.ZooKeeper中，以下角色不参与选举的是（）

A.Leader

B.Follower

C.Observer

D.Learner

答案：C（Observer不参与投票和选举，仅同步Leader状态）

8.ClickHouse中，适合实时写入并支持高并发查询的引擎是（）

A.MergeTree

B.Distributed

C.Log

D.ReplacingMergeTree

答案：A（MergeTree是ClickHouse核心引擎，支持数据分区、索引和实时写入，适合大表查询）

9.以下不属于OLAP（联机分析处理）典型特征的是（）

A.支持复杂聚合查询

B.数据读多写少

C.事务ACID特性要求高

D.数据规模通常较大

答案：C（OLTP强调事务ACID，OLAP更关注查询效率）

10.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.数据湖支持原始数据存储，数据仓库需经过ETL清洗

D.数据湖仅支持批处理，数据仓库支持实时处理

答案：C（数据湖存储原始多模态数据，数据仓库存储经过清洗的结构化数据）

二、填空题（每空2分，共20分）

1.HDFS默认块大小为______MB（Hadoop3.x版本）。

答案：128

2.YARN中负责资源管理和任务调度的核心组件是______。

答案：ResourceManager（RM）

3.Spark提交任务到YARN集群的命令是______（填写主命令）。

答案：spark-submit

4.Flink中，用于处理时间窗口内数据聚合的常见窗口类型包括滚动窗口（TumblingWindow）、滑动窗口（SlidingWindow）和______。

答案：会话窗口（SessionWindow）

5.Hive元数据默认存储在______数据库中（填写数据库名称）。

答案：MySQL（或Derby，但若