2025年大数据技术专业技能考试试卷及答案.docxVIP

2025年大数据技术专业技能考试试卷及答案

一、单项选择题（每题2分，共30分）

1.关于Hadoop分布式文件系统（HDFS）的核心特性，以下描述错误的是（）

A.适合存储大文件（GB级以上）

B.支持低延迟的随机读写操作

C.采用主从架构（NameNode/DateNode）

D.默认块大小为128MB

2.以下不属于SparkRDD（弹性分布式数据集）特性的是（）

A.不可变性（Immutable）

B.自动容错（FaultTolerance）

C.细粒度的内存管理

D.基于血统（Lineage）的恢复机制

3.在Kafka消息队列中，消息的持久化存储单元是（）

A.Topic

B.Partition

C.ConsumerGroup

D.Offset

4.数据清洗过程中，处理“年龄字段出现-5”的异常值时，最合理的操作是（）

A.直接删除该条记录

B.用字段均值填充

C.检查数据采集逻辑是否错误

D.标记为缺失值后建模

5.关于HBase的存储结构，以下说法正确的是（）

A.数据按行键（RowKey）升序存储在Region中

B.列族（ColumnFamily）在表创建后可动态添加

C.所有数据操作必须指定列限定符（ColumnQualifier）

D.支持全表范围的高效扫描操作

6.Flink流处理中，实现“每10分钟统计过去1小时的订单量”需使用（）

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.数据仓库（DataWarehouse）的核心特征不包括（）

A.面向主题（Subject-Oriented）

B.实时更新（Real-TimeUpdate）

C.集成性（Integrated）

D.时变性（Time-Variant）

8.以下属于非结构化数据的是（）

A.关系型数据库中的用户表

B.日志文件中的JSON格式记录

C.扫描的纸质合同图片

D.财务系统中的Excel报表

9.在数据挖掘中，用于发现“啤酒与尿布”关联关系的算法是（）

A.K-Means

B.Apriori

C.SVM

D.决策树

10.关于分布式计算框架的对比，以下说法错误的是（）

A.MapReduce适合离线批处理，延迟较高

B.Spark基于内存计算，适合迭代式算法

C.Flink支持事件时间（EventTime）处理

D.Storm的吞吐量低于SparkStreaming

11.数据湖（DataLake）与数据仓库的主要区别在于（）

A.数据湖存储结构化数据，数据仓库存储非结构化数据

B.数据湖在存储阶段不进行模式定义（Schema-on-Read）

C.数据仓库的查询性能低于数据湖

D.数据湖仅用于实时处理，数据仓库仅用于离线分析

12.以下不属于数据倾斜（DataSkew）常见表现的是（）

A.某个任务运行时间远长于其他任务

B.部分节点内存溢出（OOM）

C.数据聚合结果出现偏差

D.集群网络带宽利用率显著下降

13.为提升Hive查询性能，以下优化手段不适用的是（）

A.对大表进行分桶（Bucket）

B.启用MapJoin代替普通Join

C.增加Reduce任务的数量

D.关闭推测执行（SpeculativeExecution）

14.关于大数据安全，以下措施中最能防止数据越权访问的是（）

A.对敏感字段进行哈希（Hash）处理

B.部署数据脱敏（DataMasking）工具

C.实施基于角色的访问控制（RBAC）

D.定期备份数据至冷存储介质

15.在实时数据流处理场景中，保证“精确一次”（Exactly-Once）语义的关键是（）

A.消息队列支持持久化存储

B.处理框架支持状态检查点（Checkpoint）

C.消费者采用拉（Pull）模式获取数据

D.增加任务并行度以减少延迟

二、填空题（每空1分，共20分）

1.Hadoop生态中，负责资源管理和任务调度的组件是__________。

2.SparkSQL中，用于将DataFrame转换为临时视图的方法是______