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）（1120）.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）

以下哪项不是HDFS（Hadoop分布式文件系统）的设计目标？

A.支持大文件存储

B.提供流式数据访问

C.对硬件故障具有容错性

D.保证低延迟数据访问

答案：D

解析：HDFS设计目标包括处理大文件（A正确）、适合流式数据访问（B正确）、通过副本机制容错（C正确）。低延迟访问是小文件实时处理场景的需求（如HBase），HDFS更关注高吞吐而非低延迟（D错误）。

以下哪种技术属于实时数据处理框架？

A.Hive

B.SparkRDD

C.Flink

D.MapReduce

答案：C

解析：Hive基于MapReduce实现离线计算（A错误）；SparkRDD主要用于批处理（B错误）；Flink是专门的流处理框架（C正确）；MapReduce为离线批处理（D错误）。

数据清洗中处理“年龄字段出现-5”的问题属于：

A.缺失值处理

B.异常值处理

C.重复值处理

D.不一致值处理

答案：B

解析：年龄为负数不符合业务逻辑，属于异常值（B正确）；缺失值指字段为空（A错误）；重复值指记录重复（C错误）；不一致值指格式或含义冲突（如“2023-02-30”日期错误）（D错误）。

数据仓库（DataWarehouse）的核心特性不包括：

A.面向主题

B.实时性

C.集成性

D.非易失性

答案：B

解析：数据仓库的核心特性是面向主题（A正确）、集成（C正确）、非易失（D正确）；实时性是实时数仓或OLTP系统的特性（B错误）。

以下哪个工具用于Hadoop集群资源管理？

A.HDFS

B.YARN

C.HBase

D.ZooKeeper

答案：B

解析：YARN（YetAnotherResourceNegotiator）负责Hadoop集群的资源调度和管理（B正确）；HDFS是存储（A错误）；HBase是数据库（C错误）；ZooKeeper是分布式协调服务（D错误）。

流处理中“窗口（Window）”的主要作用是：

A.限制数据传输带宽

B.将无限流划分为有限的处理单元

C.过滤无效数据

D.实现数据加密

答案：B

解析：流数据是无限的，窗口通过时间或事件数量将流划分为可处理的有限单元（B正确）；限制带宽是流量控制（A错误）；过滤是转换操作（C错误）；加密是安全措施（D错误）。

以下哪种数据库属于列式存储？

A.MySQL

B.Redis

C.HBase

D.MongoDB

答案：C

解析：HBase基于HDFS实现列式存储（C正确）；MySQL是关系型（行式）（A错误）；Redis是键值（B错误）；MongoDB是文档型（D错误）。

数据湖（DataLake）与数据仓库（DataWarehouse）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.数据湖在存储时定义模式（Schema-on-Write），数据仓库在使用时定义模式（Schema-on-Read）

C.数据湖支持多类型数据存储，数据仓库以结构化数据为主

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：数据湖可存储结构化、半结构化、非结构化数据（C正确）；数据仓库以结构化为主（A错误）；数据湖是Schema-on-Read（使用时定义模式），数据仓库是Schema-on-Write（存储时定义）（B错误）；两者均支持离线和实时场景（D错误）。

以下哪项属于机器学习平台（如MLflow）的核心功能？

A.数据实时可视化

B.模型生命周期管理

C.分布式事务处理

D.网络流量监控

答案：B

解析：MLflow等平台主要管理模型训练、部署、监控的全生命周期（B正确）；可视化是BI工具功能（A错误）；事务处理是数据库功能（C错误）；流量监控是运维工具（D错误）。

数据治理的核心目标是：

A.提高数据处理速度

B.确保数据质量与合规性

C.减少存储成本

D.优化查询性能

答案：B

解析：数据治理通过元数据管理、数据质量监控、权限控制等手段，保障数据的准确性、完整性、安全性和合规性（B正确）；处理速度和查询性能是技术优化目标（A、D错误）；存储成本是资源管理目标（C错误）。

二、多项选择题（共10题，每题2分，共20分）

以下属于Hadoop生态组件的有：

A.HDFS

B.YARN

C.Hive

D.Spark

答案：ABC

解析：Hadoop原生生态包括HDFS（存储）、YARN（资源管理）、Hive（数据仓库）（ABC正确）；Spark是独立计算框架，虽可运行在YARN上但非Hadoop原生组件（D错误）。

Spark的核心特性包括：

A.基于内存计算，提升