2026年360大数据笔试题及答案

2026年360大数据笔试题及答案

一、单项选择题，(总共10题，每题2分)1.在HDFS中，默认一个数据块的大小为A.32MBB.64MBC.128MBD.256MB2.SparkCore中负责将RDD转化为有向无环图调度执行的组件是A.DAGSchedulerB.TaskSchedulerC.BlockManagerD.ShuffleManager3.下列哪一项不是Kafka的核心概念A.TopicB.PartitionC.OffsetD.Container4.在Flink的时间语义中，EventTime是指A.数据进入Flink系统的时间B.数据被处理算子看到的时间C.事件在源端实际发生的时间D.窗口触发计算的时间5.使用Hive进行数据倾斜优化时，对热点Key添加随机前缀后再聚合的算子通常称为A.Map-sideJoinB.SkewJoinC.BucketJoinD.SortMergeJoin6.在HBase中，用于实现多版本并发控制的机制是A.WALB.MemStoreC.TimestampD.BloomFilter7.下列关于数据仓库星型模型的描述正确的是A.事实表引用维度表的主键B.维度表之间禁止存在关联C.所有维度表必须第三范式D.事实表不允许有冗余列8.在ClickHouse的MergeTree引擎中，数据按哪一列进行分区A.PRIMARYKEYB.ORDERBYC.PARTITIONBYD.SAMPLEBY9.使用Airflow调度ETL任务时，用于描述任务间依赖关系的核心对象是A.SensorB.OperatorC.DAGD.Hook10.在数据治理成熟度模型DAMA-DMBOK中，最高等级被称为A.ManagedB.DefinedC.QuantitativelyManagedD.Optimizing二、填空题，(总共10题，每题2分)11.Hadoop3.x中YARN资源调度器默认使用________调度器。12.SparkSQL的Catalyst优化器核心步骤包括解析、________、优化和代码生成。13.在Elasticsearch中，一个索引默认被划分为5个________。14.数据血缘追踪时，通常使用________图模型描述表与字段间的依赖关系。15.FlinkCheckpoint的底层依赖分布式一致性快照算法________。16.使用Scala编写Spark程序时，用________关键字声明一个广播变量。17.Hive中，将查询结果插入到分区表并自动创建分区目录的命令关键字是________。18.在数据质量评估维度中，字段空值占比属于________维度。19.KafkaProducer保证幂等性需要开启参数________。20.数据湖三剑客通常指Delta、________和Hudi。三、判断题，(总共10题，每题2分)21.HDFS的NameNode内存大小与文件数量无关，仅与数据块数量有关。22.Spark的shuffle操作一定会产生磁盘落地文件。23.Hive支持事务的前提条件是表必须为ORC格式并开启表属性transactional=true。24.Flink的KeyBy算子会改变数据的分区数。25.HBase中列族的数量越多，随机读性能越高。26.在数据仓库中，缓慢变化维类型2通过添加新行保留历史。27.ClickHouse的JOIN语法完全兼容MySQL语法。28.Airflow的Worker节点可以水平扩展以提升任务并发度。29.数据治理的核心目标之一是降低IT成本而非提升数据价值。30.使用Parquet格式存储数据时，列式存储有助于提高压缩率。四、简答题，(总共4题，每题5分)31.简述MapReduce中Combiner的作用及使用限制。32.说明SparkStreaming与Flink在容错机制上的主要差异。33.列举三种常见的数据倾斜场景并给出对应的监控指标。34.概述数据湖与数据仓库在Schema处理上的本质区别。五、讨论题，(总共4题，每题5分)35.结合Lambda架构痛点，讨论流批一体在实时数仓中的落地挑战与解决思路。36.当企业面临PB级日志存储与秒级查询需求时，论证选择ClickHouse还是Elasticsearch，并给出权衡维度。37.数据治理委员会在推行数据标准时，如何平衡业务部门灵活性与IT部门规范性？提出可落地的组织与流程方案。38.面对GDPR“被遗忘权”，大数据平台需在技术、流程、合规三方面做哪些改造？请给出可执行路线图。答案与解析一、单项选择题1.C2.A3.D4.C5.B6.C7.A8.C9.C10.D二、填空题11.Capacity12.逻辑计划13.主分片14.有向无环15.Chandy-Lamport16.broadcast17.dynamicpartition18.完整性19.enable.idempotence20.Iceberg三、判断题21.×22.×23.√24.√25.×26.√27.×28.√29.×30.√四、简答题31.Combiner是本地聚合函数，可减少Map端输出数据量，降低网络IO；限制为输入输出KV类型必须与Reducer一致，且业务逻辑需满足结合律与交换律。32.SparkStreaming基于RDD血统与WAL实现容错，故障时回溯批处理；Flink基于分布式一致性快照，故障时从最近checkpoint恢复，延迟更低且Exactly-once语义更强。33.场景1：JoinKey热点，监控最大分区记录数与平均记录数比值；场景2：GroupByKey热点，监控Task处理时长标准差；场景3：KafkaPartition倾斜，监控各Partition消费Lag差异。34.数据湖写时无Schema，读时解析，灵活演化；数据仓库存储前需定义Schema，写时校验，强调治理与一致性。五、讨论题35.Lambda维护两套代码与存储，流批结果易不一致；流批一体通过统一引擎与存储，如Flink+Iceberg，挑战在于实时与离线资源隔离、元数据同步、回刷历史数据，可用多版本快照与资源队列解决。36.ClickHouse列存压缩高、写入吞吐大、SQL友好，适合聚合查询；Elasticsearch倒排索引支持全文检索与高并发点查，存储成本高；若90%需求为时序聚合报表选ClickHouse，若需日志检索与仪表盘兼顾可选Elasticsearch，或采用双写分流。37.设立业务数据Owner与IT数据Steward双角色，建立标准评审委员会，采用敏捷迭代发布标准，配套数据质量S