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）（1114）.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）

以下哪项是Hadoop分布式文件系统（HDFS）的默认块大小？

A.32MB

B.64MB

C.128MB

D.256MB

答案：C

解析：HDFS设计用于存储大文件，默认块大小在Hadoop2.x及以上版本中为128MB（早期版本为64MB），该设计减少了元数据管理开销并提升了数据传输效率。错误选项中，A为早期部分系统默认值，B为Hadoop1.x默认值，D为部分企业自定义配置值。

Spark的核心抽象是（）？

A.DataFrame

B.Dataset

C.RDD（弹性分布式数据集）

D.DataSet[Row]

答案：C

解析：RDD（ResilientDistributedDatasets）是Spark的核心数据抽象，支持分布式计算、容错和惰性求值。DataFrame和Dataset是RDD的高级封装，本质基于RDD实现，因此C为正确选项。

以下哪项不属于Flink的时间类型？

A.事件时间（EventTime）

B.处理时间（ProcessingTime）

C.摄入时间（IngestionTime）

D.窗口时间（WindowTime）

答案：D

解析：Flink定义了三种时间类型：事件时间（数据生成的实际时间）、处理时间（数据被处理的系统时间）、摄入时间（数据进入Flink的时间）。窗口时间是基于前三者定义的计算逻辑，并非独立时间类型，因此D错误。

Kafka消息队列的主要设计目标是（）？

A.高吞吐、低延迟、持久化

B.强一致性、高可用

C.实时计算、状态管理

D.结构化查询、事务支持

答案：A

解析：Kafka作为分布式消息队列，核心设计目标是处理大规模实时数据流，强调高吞吐（每秒百万级消息）、低延迟（毫秒级）和持久化存储（基于磁盘日志）。B是分布式数据库目标，C是流计算框架目标，D是关系型数据库目标，故A正确。

HBase的存储模型属于（）？

A.键值存储（Key-Value）

B.列族存储（ColumnFamily）

C.文档存储（Document）

D.图存储（Graph）

答案：B

解析：HBase基于GoogleBigtable设计，采用列族（ColumnFamily）存储模型，数据按行键（RowKey）排序，同一列族的列存储在一起。键值存储如Redis，文档存储如MongoDB，图存储如Neo4j，故B正确。

数据倾斜（DataSkew）的典型表现是（）？

A.部分任务执行时间远长于其他任务

B.所有任务执行时间均匀

C.内存占用率持续低于阈值

D.数据写入延迟稳定

答案：A

解析：数据倾斜指数据在分布式计算中分布不均，导致部分分区数据量过大，对应任务处理时间显著延长。B是理想情况，C和D与数据倾斜无关，故A正确。

数据湖（DataLake）与数据仓库（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.数据湖采用Schema-on-Write，数据仓库采用Schema-on-Read

C.数据湖支持多类型数据，数据仓库聚焦结构化数据

D.数据湖仅用于离线分析，数据仓库支持实时查询

答案：C

解析：数据湖支持结构化、半结构化、非结构化等多类型数据（如日志、图片、文本），采用Schema-on-Read（读取时定义模式）；数据仓库聚焦结构化数据（如关系型数据库表），采用Schema-on-Write（写入时定义模式）。A、B、D均描述错误，C正确。

特征工程中，对类别型特征“性别（男/女）”进行编码时，最适合的方法是（）？

A.独热编码（One-HotEncoding）

B.标签编码（LabelEncoding）

C.目标编码（TargetEncoding）

D.二进制编码（BinaryEncoding）

答案：A

解析：类别型特征无顺序关系时（如性别），独热编码通过创建虚拟变量避免模型误判顺序，是最常用方法。标签编码（将类别映射为数值）适用于有序特征（如学历），目标编码依赖目标变量易过拟合，二进制编码适用于高基数类别，故A正确。

以下哪项属于数据脱敏（DataMasking）的不可逆方法？

A.替换（如将“138****1234”替换手机号）

B.随机化（如将真实年龄随机加减5岁）

C.加密（如AES加密身份证号）

D.匿名化（如删除用户姓名、身份证号）

答案：D

解析：数据脱敏分为可逆（如加密、替换）和不可逆（如匿名化）。匿名化通过删除或模糊关键标识（如姓名、身份证号）使数据无法关联到真实个体，无法还原；替换、随机化、加密均可通过密钥或规则还原