2025年大数据技术与应用专业考试题及答案.docxVIP

2025年大数据技术与应用专业考试题及答案

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.客户端读取时优先选择本地副本

D.副本数可通过dfs.replication参数调整

答案：B（副本分布优先选择不同机架的节点，避免机架故障导致数据丢失）

2.以下不属于SparkRDD特性的是（）

A.不可变

B.可序列化

C.自动容错

D.细粒度锁机制

答案：D（RDD通过血统（Lineage）实现容错，不使用细粒度锁）

3.Kafka中消费者组（ConsumerGroup）的核心作用是（）

A.提高消息发送吞吐量

B.实现消息的广播与负载均衡

C.管理生产者连接

D.控制主题的分区数

答案：B（同一组内消费者分摊消费，不同组独立消费实现广播）

4.数据湖（DataLake）与传统数据仓库（DataWarehouse）的主要区别在于（）

A.数据存储格式

B.数据结构化程度

C.支持的查询类型

D.面向的用户群体

答案：B（数据湖存储原始、多结构数据，数据仓库存储结构化、清洗后的数据）

5.在Flink流处理中，EventTime的准确性依赖于（）

A.处理时间（ProcessingTime）

B.水印（Watermark）机制

C.窗口触发策略

D.状态后端选择

答案：B（水印用于标记事件时间的进度，解决延迟数据问题）

6.HBase中，RegionServer的核心功能是（）

A.管理元数据（.META.表）

B.处理客户端的读写请求

C.协调Region的分裂与合并

D.存储HLog日志

答案：B（RegionServer负责具体Region的读写，Master管理元数据和协调）

7.以下哪种场景最适合使用实时计算框架（如Flink）而非批处理框架（如Spark）？（）

A.每日用户行为统计报表

B.实时订单支付状态监控

C.历史销售数据趋势分析

D.季度库存数据清洗

答案：B（实时监控需要低延迟、逐条处理能力）

8.数据倾斜（DataSkew）在Spark任务中的典型表现是（）

A.所有Executor内存均匀消耗

B.部分Task运行时间远长于其他Task

C.Shuffle阶段网络传输量显著降低

D.RDD分区数自动调整

答案：B（数据倾斜导致某些分区数据量过大，对应Task耗时增加）

9.关于Kudu的存储特性，以下描述正确的是（）

A.仅支持列式存储

B.适合高频随机写与实时查询

C.基于HDFS存储数据

D.不支持ACID事务

答案：B（Kudu支持行存与列存混合，适合实时写入与点查、范围查询）

10.湖仓一体（Lakehouse）架构的核心优势是（）

A.简化数据迁移流程

B.仅支持结构化数据

C.依赖传统数据仓库工具

D.牺牲数据一致性换取性能

答案：A（湖仓一体统一数据存储，避免数据湖与仓库间的重复ETL）

11.在Hive中，使用分区（Partition）和分桶（Bucket）的主要目的是（）

A.减少HDFS副本数

B.提高查询时的扫描效率

C.增强数据容错能力

D.支持事务操作

答案：B（分区按目录划分，分桶按哈希分文件，均减少全表扫描）

12.以下不属于大数据治理范畴的是（）

A.数据质量监控

B.数据血缘分析

C.数据脱敏处理

D.数据存储扩容

答案：D（数据治理关注数据的管理、质量、安全，扩容属于基础设施运维）

13.Flink中使用状态后端（StateBackend）时，若选择RocksDB，主要考虑的是（）

A.内存占用小，适合大状态

B.纯内存存储，延迟低

C.支持分布式共享状态

D.与HDFS无缝集成

答案：A（RocksDB通过磁盘存储状态，减少内存压力，适合状态量大的场景）

14.关于分布式计算中的一致性哈希（ConsistentHashing），以下说法错误的是（）

A.解决节点增减时哈希重分布问题

B.哈希环上节点分布越均匀，负载越均衡

C.增加节点仅影响少量数据的映射

D.必须使用固定数量的虚拟节点

答案：D（虚拟节点是优化手段，非必需）

15.某电商平台需分析“用