2025年大数据技术与应用职业技能考试试卷及答案 .docxVIP

2025年大数据技术与应用职业技能考试试卷及答案

一、单项选择题（每题2分，共20分）

1.以下关于数据湖（DataLake）与传统数据仓库（DataWarehouse）的描述，错误的是：

A.数据湖存储原始数据（RawData），数据仓库存储经过清洗的结构化数据

B.数据湖支持多类型数据（结构化、半结构化、非结构化），数据仓库以结构化为主

C.数据湖的典型应用场景是实时分析，数据仓库更适合历史报表

D.数据湖通常采用分层架构（如ODS、DWD、DWS），数据仓库多采用星型或雪花模型

2.在Flink流处理中，若需要处理“事件时间（EventTime）”并基于滚动窗口统计，关键配置是：

A.设置水位线（Watermark）的生成策略

B.启用检查点（Checkpoint）机制

C.配置并行度（Parallelism）为分区数

D.使用ProcessFunction替代RichFlatMapFunction

3.某电商平台需对用户点击流数据进行实时反欺诈分析，要求延迟低于100ms，应优先选择的技术栈是：

A.SparkStreaming+HBase

B.Flink+Redis

C.KafkaStreams+Cassandra

D.Storm+Elasticsearch

4.数据质量评估中，“一致性”指标主要关注：

A.数据是否符合业务规则（如日期格式）

B.同一实体在不同系统中的值是否一致

C.数据记录是否存在缺失字段

D.数据是否反映真实业务状态

5.隐私计算技术中，联邦学习（FederatedLearning）的核心目标是：

A.在不共享原始数据的前提下联合训练模型

B.对敏感数据进行脱敏处理（如哈希、掩码）

C.实现跨机构数据的加密传输

D.确保数据存储的物理隔离

6.以下不属于大数据平台元数据（Metadata）管理范畴的是：

A.数据表的字段类型、存储位置

B.数据ETL任务的调度日志

C.数据血缘关系（从原始表到结果表的流转路径）

D.数据查询的QPS（每秒查询次数）

7.某企业需构建实时数据仓库（Real-timeDataWarehouse），要求支持高并发读和实时写入，最适合的存储引擎是：

A.Hive（基于HDFS）

B.ClickHouse

C.HBase

D.MongoDB

8.在Kafka中，若消费者组（ConsumerGroup）的分区分配策略设置为“RoundRobin”，当消费者数量大于分区数时，可能出现的现象是：

A.部分消费者无法分配到分区，处于空闲状态

B.每个消费者分配到1个分区，多余消费者等待

C.所有消费者平均分配分区，可能跨主题分配

D.分区按顺序依次分配给消费者，直到分区耗尽

9.关于大数据治理，以下描述错误的是：

A.数据标准制定需结合业务需求与技术实现

B.主数据管理（MasterDataManagement）的核心是统一关键业务实体（如客户、产品）的定义

C.数据生命周期管理仅需关注存储成本，无需考虑业务价值

D.数据安全合规需符合《个人信息保护法》《数据安全法》等法规要求

10.某银行需对客户交易数据进行异常检测，要求模型能实时更新且适应非平衡数据（正常交易远多于异常交易），应优先选择的算法是：

A.逻辑回归（LogisticRegression）

B.孤立森林（IsolationForest）

C.K-means聚类

D.随机森林（RandomForest）

二、填空题（每空2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.Flink中用于处理乱序事件时间数据的核心机制是__________。

3.数据脱敏的常用方法包括__________（如将身份证号后四位替换为）、__________（如将真实姓名替换为“用户A”）。

4.实时数仓分层架构中，DWD层的全称是__________，其主要任务是__________。

5.Kafka生产者（Producer）的ACK机制中，设置ACK=__________时，仅需leader副本确认接收，可兼顾性能与部分可靠性。

6.数据血缘分析的核心作用是__________（至少答两点）。

7.隐私计算的三大技术路线是__________、__________、__________。

三