2026锦泰财产保险股份有限公司招聘数据开发工程师等岗位20人笔试历年典型考点题库附带答案详解

2026锦泰财产保险股份有限公司招聘数据开发工程师等岗位20人笔试历年典型考点题库附带答案详解一、单项选择题下列各题只有一个正确答案，请选出最恰当的选项（共30题）1、在数据仓库建模中，关于星型模型与雪花模型的描述，下列哪项是正确的？

A.星型模型规范化程度高，节省存储空间

B.雪花模型查询性能通常优于星型模型

C.星型模型维度表非规范化，结构简单，查询效率高

D.雪花模型事实表包含大量冗余数据2、在SQL查询优化中，以下哪种操作最可能导致索引失效从而引发全表扫描？

A.使用等值查询`WHEREid=100`

B.使用范围查询`WHEREage>25`

C.对索引列进行函数运算`WHEREYEAR(create_time)=2025`

D.使用联合索引的最左前缀`WHEREa=1ANDb=2`3、关于Hadoop生态组件的功能描述，下列哪项是错误的？

A.HDFS负责分布式文件存储

B.MapReduce负责分布式计算

C.Hive基于Hadoop提供SQL查询接口，适用于实时低延迟查询

D.YARN负责集群资源管理和调度4、在数据质量管理中，“完整性”这一维度主要关注的是？

A.数据值是否符合预定义的格式或类型

B.数据是否存在缺失值或空值

C.不同数据源之间的数据是否一致

D.数据是否准确反映了现实世界的业务对象5、Python中，关于列表（List）和元组（Tuple）的区别，下列说法正确的是？

A.列表是不可变的，元组是可变的

B.元组的访问速度通常比列表快，且占用内存更小

C.列表可以作为字典的键，元组不可以

D.两者都只允许存储相同数据类型的数据6、在关系型数据库事务特性ACID中，“隔离性”（Isolation）指的是？

A.事务中的所有操作要么全部完成，要么全部不完成

B.事务执行前后，数据库从一个一致性状态变换到另一个一致性状态

C.多个并发事务之间互不干扰，一个事务的执行不应影响其他事务

D.事务一旦提交，对数据的改变就是永久的7、以下哪种算法不属于常见的机器学习分类算法？

A.逻辑回归（LogisticRegression）

B.K近邻（K-NearestNeighbors）

C.K均值聚类（K-MeansClustering）

D.支持向量机（SupportVectorMachine）8、在Linux系统中，若要查看当前目录下所有文件（包括隐藏文件）的详细信息，应使用的命令是？

A.`ls-l`

B.`ls-a`

C.`ls-al`

D.`pwd`9、关于API接口设计规范，遵循RESTful风格时，对于“删除用户资源”的操作，通常使用的HTTP方法是？

A.GET

B.POST

C.PUT

D.DELETE10、在数据链路层中，用于唯一标识网络设备物理地址的是？

A.IP地址

B.MAC地址

C.URL

D.端口号11、在Hive中，关于内部表与外部表的区别，下列说法正确的是：

A.删除内部表时，元数据和数据均被删除

B.删除外部表时，元数据和数据均被删除

C.内部表数据存储在HDFS任意位置

D.外部表无法建立分区12、在SQL查询优化中，以下哪种操作最可能导致数据倾斜？

A.对分布均匀的主键进行Join

B.对含有大量NULL值的字段进行GroupBy

C.使用Limit限制返回行数

D.对索引字段进行等值查询13、关于Python中列表（List）和元组（Tuple）的区别，下列描述错误的是：

A.列表是可变的，元组是不可变的

B.列表使用方括号[]，元组使用圆括号()

C.元组可以作为字典的键，列表不可以

D.列表的访问速度比元组快14、在数据仓库建模中，星型模型与雪花模型的主要区别在于：

A.星型模型存在数据冗余，雪花模型规范化程度更高

B.雪花模型查询性能一定优于星型模型

C.星型模型维度表必须规范化

D.雪花模型不包含事实表15、下列关于Kafka消息队列特性的描述，正确的是：

A.Kafka保证消息的全局严格顺序

B.Consumer消费消息后，消息立即从Broker删除

C.Kafka支持高吞吐量的实时数据流处理

D.Topic的Partition数量一旦创建不可修改16、在Java多线程编程中，用于实现线程同步的关键字是：

A.static

B.synchronized

C.volatile

D.final17、关于Linux系统中查看进程状态的命令，下列哪项可以实时动态显示系统资源使用情况？

A.ps-ef

B.top

C.ls-l

D.cat/proc/cpuinfo18、在关系型数据库中，第三范式（3NF）要求：

A.每个属性都是不可再分的基本数据项

B.非主属性完全依赖于主键

C.非主属性不传递依赖于主键

D.表中不能有重复行19、以下哪种算法不属于常见的机器学习分类算法？

A.逻辑回归（LogisticRegression）

B.K-近邻（K-NearestNeighbors）

C.K-均值（K-Means）

D.支持向量机（SVM）20、在Git版本控制中，将工作区的修改提交到本地仓库的正确命令顺序是：

A.gitcommit->gitadd

B.gitpush->gitcommit

C.gitadd->gitcommit

D.gitpull->gitadd21、在数据仓库建模中，关于星型模型与雪花模型的描述，下列哪项是正确的？

A.星型模型规范化程度高，节省存储空间

B.雪花模型查询性能通常优于星型模型

C.星型模型维度表非规范化，查询效率更高

D.雪花模型维护简单，适合快速开发22、在SQL查询优化中，关于索引使用的原则，下列说法错误的是？

A.遵循最左前缀法则使用联合索引

B.避免在索引列上进行函数运算或计算

C.使用SELECT*可以充分利用覆盖索引

D.区分度低的列（如性别）不适合单独建索引23、关于Hadoop生态组件的功能描述，下列匹配正确的是？

A.HDFS：分布式计算框架

B.MapReduce：分布式文件系统

C.Hive：基于Hadoop的数据仓库工具

D.YARN：分布式协调服务24、在Python数据处理库Pandas中，若要删除DataFrame中包含缺失值（NaN）的行，应使用哪个方法？

A.df.fillna()

B.df.dropna()

C.df.isnull()

D.df.drop_duplicates()25、关于数据库事务的ACID特性，其中“隔离性”（Isolation）主要指的是？

A.事务一旦提交，对数据的改变是永久的

B.事务中的所有操作要么全部完成，要么全部不完成

C.并发执行的事务之间互不干扰

D.事务执行前后，数据库完整性约束没有被破坏26、在Elasticsearch中，关于倒排索引（InvertedIndex）的描述，下列哪项是正确的？

A.记录文档ID到完整文档内容的映射

B.记录词条（Term）到包含该词条的文档列表的映射

C.是一种正排索引，按文档顺序存储数据

D.仅支持精确匹配，不支持全文检索27、关于Kafka消息队列中的ConsumerGroup（消费者组），下列说法正确的是？

A.同一个分区可以被同一个消费者组内的多个消费者同时消费

B.同一个消费者组内的消费者数量可以无限增加以提高吞吐量

C.同一个分区在同一时刻只能被同一个消费者组内的一个消费者消费

D.不同消费者组不能消费同一个Topic的数据28、在数据清洗过程中，处理异常值（Outliers）的常见方法不包括？

A.3σ原则（三倍标准差）

B.箱线图（IQR）法

C.将所有异常值直接替换为0

D.使用聚类算法识别并处理29、关于Python中浅拷贝（shallowcopy）与深拷贝（deepcopy）的区别，下列描述正确的是？

A.浅拷贝会递归复制对象内部的所有子对象

B.深拷贝仅复制对象本身，不复制其引用的子对象

C.修改浅拷贝得到的嵌套列表中的子元素，原对象也会受影响

D.对于不可变对象，深拷贝和浅拷贝没有任何区别30、在保险行业数据分析中，关于“赔付率”（LossRatio）的计算公式，下列哪项是正确的？

A.赔付率=保费收入/赔款支出

B.赔付率=赔款支出/保费收入

C.赔付率=（保费收入-赔款支出）/保费收入

D.赔付率=赔款支出/（保费收入+投资收益）二、多项选择题下列各题有多个正确答案，请选出所有正确选项（共15题）31、在数据仓库建模中，关于维度建模的说法正确的有：

A.星型模型结构简单，查询性能高

B.雪花模型规范化程度高，节省存储空间

C.事实表通常包含大量外键和度量值

D.维度表应当尽量保持非规范化以减少Join32、关于Hadoop生态组件的功能描述，下列正确的有：

A.HDFS负责分布式海量数据存储

B.MapReduce适用于实时流处理场景

C.YARN负责集群资源管理和调度

D.Hive基于Hadoop提供SQL查询接口33、在SQL优化中以下哪些措施能有效提升查询性能？

A.避免在索引列上使用函数运算

B.使用SELECT*获取所有字段以简化开发

C.合理建立联合索引遵循最左前缀原则

D.大表关联时确保关联字段有索引34、关于数据质量管理的维度，下列属于常见评估指标的有：

A.完整性：数据是否存在缺失值

B.一致性：不同来源数据逻辑是否冲突

C.及时性：数据从产生到可用的时间延迟

D.美观性：数据展示界面的色彩搭配35、在Python数据处理库Pandas中，下列说法正确的有：

A.DataFrame是二维标签化数据结构

B.merge函数主要用于数据库风格的连接操作

C.groupby操作后必须立即聚合否则报错

D.dropna方法可用于处理缺失数据36、关于保险行业数据特征，下列描述准确的有：

A.数据具有高敏感性和隐私保护要求

B.业务流程长，涉及承保、理赔等多个环节

C.历史数据积累深厚，适合长期趋势分析

D.数据结构单一，仅需处理结构化表格37、下列关于ETL流程设计的说法，正确的有：

A.Extract阶段需考虑对源系统性能的影响

B.Transform阶段应完成数据清洗与标准化

C.Load阶段必须采用全量覆盖方式加载

D.ETL过程中应记录日志以便故障排查38、在关系型数据库设计中，关于范式的理解正确的有：

A.第一范式要求字段不可再分

B.第二范式要求消除非主键对主键的部分依赖

C.第三范式要求消除传递依赖

D.实际应用中必须严格遵守第三范式39、关于大数据计算引擎Spark的特点，下列描述正确的有：

A.基于内存计算，速度优于MapReduce

B.支持SQL、Streaming、MLlib等多种组件

C.RDD是弹性分布式数据集，具有容错性

D.Spark只能运行在HadoopYARN上40、数据开发工程师在进行数据安全治理时，应采取的措施包括：

A.对敏感字段进行脱敏或加密存储

B.实施严格的权限控制最小化原则

C.定期备份数据并验证恢复可用性

D.将所有数据公开以促进共享41、在数据仓库建模中，关于维度建模的说法正确的有：

A.星型模型结构简单，查询性能高

B.雪花模型规范化程度高，节省存储空间

C.事实表通常包含度量值和外来键

D.维度表必须是非规范化的42、关于Hadoop生态系统组件的功能，下列描述正确的有：

A.HDFS负责分布式数据存储

B.MapReduce负责分布式计算

C.Hive基于MapReduce提供SQL查询接口

D.Spark只能运行在YARN上43、在SQL优化中，以下哪些措施能有效提升查询性能？

A.避免使用SELECT*，只查询必要字段

B.在WHERE子句中对索引列进行函数运算

C.使用EXPLAIN分析执行计划

D.尽量使用JOIN代替子查询44、关于Python数据处理库Pandas，下列说法正确的有：

A.DataFrame是二维表格型数据结构

B.read_csv可读取CSV文件为DataFrame

C.merge函数用于实现数据库风格的连接

D.apply函数只能应用于列方向45、在关系型数据库事务特性ACID中，下列描述对应的概念正确的有：

A.原子性：事务要么全部完成，要么全部不完成

B.一致性：事务执行前后数据库状态合法

C.隔离性：并发事务互不干扰

D.持久性：事务提交后数据仅保存在内存中三、判断题判断下列说法是否正确（共10题）46、在数据仓库建模中，星型模型由一个事实表和多个维度表组成，维度表通常是非规范化的，这种说法是否正确？A.正确B.错误47、SQL语句中，LEFTJOIN返回左表的所有记录以及右表中匹配的记录，若右表无匹配则填充NULL，这种说法是否正确？A.正确B.错误48、HadoopHDFS适合存储大量小文件，因为其NameNode内存中可以高效管理海量元数据，这种说法是否正确？A.正确B.错误49、在Python中，列表（List）是可变对象，而元组（Tuple）是不可变对象，因此元组可以作为字典的键，这种说法是否正确？A.正确B.错误50、数据清洗过程中，对于缺失值的处理，直接删除含有缺失值的记录总是最优策略，这种说法是否正确？A.正确B.错误51、Kafka消息队列中，ConsumerGroup内的多个消费者可以共同消费同一个Topic的不同Partition，以实现并行处理，这种说法是否正确？A.正确B.错误52、在关系型数据库中，第三范式（3NF）要求消除传递依赖，即非主键字段不能依赖于其他非主键字段，这种说法是否正确？A.正确B.错误53、Spark计算框架中，RDD（弹性分布式数据集）是不可变的、分区的、可并行操作的数据集合，这种说法是否正确？A.正确B.错误54、数据指标体系中，“原子指标”通常由业务过程+度量+时间周期+修饰词构成，这种说法是否正确？A.正确B.错误55、在Linux系统中，chmod755filename命令表示文件所有者拥有读、写、执行权限，组用户和其他用户拥有读和执行权限，这种说法是否正确？A.正确B.错误

参考答案及解析1.【参考答案】C【解析】星型模型的核心特征是维度表非规范化，直接连接事实表，结构简单，减少了Join操作，因此查询效率较高，适合OLAP场景。A项错误，星型模型冗余度高；B项错误，雪花模型因Join多，查询性能通常低于星型模型；D项错误，事实表主要存储度量值，冗余主要存在于维度表中。锦泰财产保险等金融机构在处理海量保单和理赔数据时，常采用星型模型以保障报表查询速度。理解两种模型的区别是数据开发工程师的基础考点，需掌握其适用场景及优缺点。2.【参考答案】C【解析】对索引列使用函数（如YEAR、SUBSTR等）或进行计算，会导致数据库引擎无法直接使用索引树进行查找，从而退化为全表扫描，严重影响性能。A、D项均能高效利用索引。B项范围查询虽可能停止后续索引列的使用，但当前列仍可使用索引。在保险业务系统中，针对创建时间、保单号等高频查询字段，应避免在WHERE子句中对索引列进行函数转换，建议在应用层处理或使用生成列索引。这是数据开发笔试中的高频优化考点。3.【参考答案】C【解析】Hive是将SQL转换为MapReduce或Tez/Spark任务执行的工具，其设计初衷是处理离线批处理任务，延迟较高，不适用于实时低延迟查询场景。实时查询通常使用Impala、Presto或ClickHouse等引擎。A、B、D项描述均正确：HDFS是存储基础，MapReduce是经典计算框架，YARN是资源调度器。在保险公司大数据平台建设中，Hive常用于历史保单数据的离线清洗与统计，而实时风控则需其他组件支持。考生需清晰区分各组件的适用场景。4.【参考答案】B【解析】数据质量通常包含准确性、完整性、一致性、及时性等维度。完整性特指数据是否存在缺失，如必填字段为空、记录数不足等。A项属于有效性或规范性；C项属于一致性；D项属于准确性。在保险业务中，客户身份证号、保单生效日期等关键信息的缺失会直接影响业务流转，因此完整性校验是ETL开发中的重要环节。数据开发工程师需通过设置默认值、非空约束等手段保障数据完整性。5.【参考答案】B【解析】列表是可变序列，元组是不可变序列。由于元组不可变，其内部结构更简单，因此访问速度略快且占用内存更少，适合存储常量数据。A项说反了；C项错误，只有不可变对象（如元组、字符串、数字）才能作为字典的键，列表不可哈希，不能做键；D项错误，两者均可存储不同类型数据。在数据处理脚本编写中，若数据不需修改，推荐使用元组以提升性能并防止意外篡改，这是编程基础考点。6.【参考答案】C【解析】ACID分别代表原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）、持久性（Durability）。隔离性确保并发执行的事务彼此独立，避免脏读、不可重复读和幻读等问题。A项是原子性；B项是一致性；D项是持久性。在保险核心系统中，扣款与出单往往涉及多个表操作，必须保证事务隔离性以防止数据错乱。开发人员需根据业务需求选择合适的事务隔离级别，如读已提交（RC）或可重复读（RR）。7.【参考答案】C【解析】K均值聚类（K-Means）是一种无监督学习算法，主要用于聚类分析，即将数据划分为K个簇，而非进行分类预测。A、B、D项均为经典的有监督分类算法，用于预测离散标签。在保险科技应用中，分类算法可用于预测客户流失、欺诈检测等场景，而聚类算法常用于客户分群。数据开发工程师需明确区分监督学习（分类、回归）与无监督学习（聚类、降维）的应用边界，这是算法基础题的重点。8.【参考答案】C【解析】`ls`是列出目录内容的命令。`-l`参数表示以长格式显示详细信息（权限、所有者、大小等）；`-a`参数表示显示所有文件，包括以`.`开头的隐藏文件。组合使用`-al`（或`-la`）即可同时满足“详细”和“包括隐藏文件”的要求。A项仅显示详细信息但不含隐藏文件；B项显示所有文件但非详细格式；D项`pwd`用于显示当前工作目录路径。Linux基本操作是数据工程师部署任务、查看日志的必备技能，需熟练掌握常用参数。9.【参考答案】D【解析】RESTful架构风格中，HTTP方法对应资源的特定操作：GET用于获取资源，POST用于创建资源，PUT用于更新资源（全量），PATCH用于部分更新，DELETE用于删除资源。因此，删除用户资源应使用DELETE方法。A项GET应是安全且幂等的，不能用于修改数据；B项POST通常用于新建；C项PUT用于替换。在微服务架构日益普及的今天，数据开发人员常需对接各类API，理解标准的HTTP语义有助于构建规范、易维护的数据服务接口。10.【参考答案】B【解析】MAC地址（媒体访问控制地址）是烧录在网卡中的物理地址，用于在局域网数据链路层唯一标识设备。A项IP地址是网络层逻辑地址，可配置且随网络环境变化；C项URL是应用层资源定位符；D项端口号是传输层用于区分不同应用程序的逻辑标识。虽然数据开发工程师主要关注应用层和数据层，但理解底层网络基础有助于排查数据传输故障、配置防火墙规则及理解分布式通信原理，是综合素质考察的一部分。11.【参考答案】A【解析】Hive中，内部表（ManagedTable）由Hive完全管理，删除表时，其元数据（Metadata）和HDFS上的数据文件会被同时删除。而外部表（ExternalTable）仅管理元数据，删除表时只删除元数据，保留HDFS上的数据文件，便于数据共享和安全保护。两者均可建立分区，且默认存储位置均在Hive仓库目录下，但外部表可指定任意HDFS路径。因此，A选项描述准确，符合大数据开发中数据存储管理的最佳实践。12.【参考答案】B【解析】数据倾斜通常发生在Key分布不均匀的场景下。当对含有大量NULL值或特定高频值的字段进行GroupBy或Join时，这些相同Key的数据会被分发到同一个Reducer节点，导致该节点负载过重，而其他节点空闲，从而引发性能瓶颈。A选项主键分布均匀，不易倾斜；C和D选项属于常规查询优化手段，不直接导致倾斜。解决倾斜常用方法包括给Key加盐、过滤NULL值或提高并行度。13.【参考答案】D【解析】Python中，列表是可变序列，支持增删改操作；元组是不可变序列，一旦创建不能修改。由于元组的不可变性，其在内存中占用空间更小，且在某些场景下（如作为字典键或集合元素）具有哈希性，而列表不可哈希。通常情况下，元组的迭代和访问速度略优于列表，因为其结构更简单且无需处理动态扩容逻辑。因此，D选项说法错误，其他选项均正确描述了二者特性。14.【参考答案】A【解析】星型模型由一个事实表和多个非规范化的维度表组成，结构简单，查询效率高，但存在一定数据冗余。雪花模型是对星型模型的扩展，将维度表进一步规范化，拆分为多个子维度表，减少了数据冗余，节省存储空间，但增加了Join操作的复杂度，可能降低查询性能。两者都包含事实表和维度表。在实际应用中，为追求查询效率，常优先选择星型模型或轻度规范的雪花模型。故A选项正确。15.【参考答案】C【解析】Kafka设计目标是高吞吐量，适用于大规模实时数据流处理，C正确。Kafka仅保证Partition内的局部有序，而非全局有序，A错误。Kafka基于日志存储，消息保留时间由配置决定，不因消费而立即删除，B错误。Topic的Partition数量可以在创建后增加，但不能减少，D错误。理解Kafka的分区机制和保留策略对于构建稳定数据管道至关重要。16.【参考答案】B【解析】synchronized是Java中用于实现线程同步的关键字，它可以修饰方法或代码块，确保同一时刻只有一个线程执行该段代码，从而保证原子性和可见性。volatile主要用于保证变量的可见性和禁止指令重排序，但不保证原子性。static用于修饰类成员，final用于定义常量或不可继承类。在高并发数据处理场景中，合理使用synchronized或ReentrantLock等锁机制是保障数据一致性的核心手段。17.【参考答案】B【解析】top命令能够实时动态地显示系统中各个进程的资源占用状况，如CPU、内存使用率等，类似于Windows的任务管理器，适合监控系统负载。ps-ef用于显示当前瞬间的进程快照，非动态。ls-l用于列出目录内容。cat/proc/cpuinfo用于查看CPU静态硬件信息。在排查服务器性能问题或监控后台数据处理任务时，top是常用的运维工具。18.【参考答案】C【解析】第一范式（1NF）要求属性不可再分（A选项）；第二范式（2NF）要求非主属性完全依赖于主键，消除部分依赖（B选项）；第三范式（3NF）要求非主属性不传递依赖于主键，即消除传递依赖（C选项）。D选项是关系表的基本要求。遵循3NF有助于减少数据冗余和维护异常，但在数据仓库场景中，为了查询性能有时会故意反范式化。19.【参考答案】C【解析】逻辑回归、K-近邻和支持向量机均为监督学习中的经典分类算法，用于预测离散类别标签。K-均值（K-Means）是一种无监督学习算法，主要用于聚类分析，即将数据划分为K个簇，而非进行分类预测。在数据开发与应用中，区分监督学习（分类/回归）与无监督学习（聚类/降维）的适用场景是构建智能数据产品的基础。20.【参考答案】C【解析】Git的标准工作流程是：首先使用gitadd将工作区（WorkingDirectory）的修改添加到暂存区（StagingArea），然后使用gitcommit将暂存区的内容提交到本地仓库（LocalRepository）。gitpush用于将本地仓库推送到远程仓库，gitpull用于拉取远程更新。掌握正确的Git命令顺序对于团队协作开发和代码版本管理至关重要，避免代码丢失或冲突。21.【参考答案】C【解析】星型模型的核心特征是事实表周围环绕着非规范化的维度表，这种结构减少了JOIN操作，从而提高了查询性能，特别适合OLAP场景。相比之下，雪花模型对维度表进行了规范化，虽然节省了存储空间并减少了数据冗余，但增加了表的连接数量，导致查询复杂度和执行时间增加，维护难度也相对较大。因此，在追求查询效率的数据仓库应用中，星型模型更为常见。选项A错误，星型模型冗余大；选项B错误，雪花模型查询通常较慢；选项D错误，雪花模型维护更复杂。故正确答案为C。22.【参考答案】C【解析】覆盖索引是指索引包含查询所需的所有字段，无需回表查询数据行。使用SELECT*会选取所有列，除非索引包含了表中所有列（极少见且维护成本高），否则无法利用覆盖索引，反而会导致大量的回表操作，降低性能。正确的做法是只查询需要的字段。选项A正确，联合索引需满足最左前缀；选项B正确，对索引列运算会导致索引失效；选项D正确，区分度低的列索引选择性差，优化器可能放弃使用索引。故错误的是C。23.【参考答案】C【解析】Hadoop生态中各组件功能明确：HDFS（HadoopDistributedFileSystem）是分布式文件系统，负责数据存储；MapReduce是分布式计算框架，负责离线批量数据处理；YARN（YetAnotherResourceNegotiator）是资源调度和集群管理系统；ZooKeeper才是典型的分布式协调服务。Hive则是建立在Hadoop之上的数据仓库基础设施，提供类SQL查询功能（HQL），将SQL转化为MapReduce或Spark任务执行。因此，A、B、D描述均错位，只有C正确描述了Hive的定位。故正确答案为C。24.【参考答案】B【解析】Pandas中处理缺失值的常用方法包括：dropna()用于删除含有缺失值的行或列；fillna()用于用指定值填充缺失值；isnull()用于判断每个元素是否为缺失值，返回布尔型DataFrame；drop_duplicates()用于删除重复行。题目要求“删除”包含缺失值的行，因此应使用dropna()。默认情况下，df.dropna()会删除任何包含NaN的行。若需填充则用fillna，若需检测则用isnull。故正确答案为B。25.【参考答案】C【解析】ACID分别代表原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）和持久性（Durability）。A描述的是持久性，即提交后数据永久保存；B描述的是原子性，即不可分割的操作单元；D描述的是一致性，即事务必须使数据库从一个一致性状态变换到另一个一致性状态。C描述的是隔离性，指多个并发事务之间互不干扰，一个事务的执行不应影响其他事务，通过锁机制或多版本并发控制（MVCC）实现。故正确答案为C。26.【参考答案】B【解析】倒排索引是Elasticsearch实现高效全文检索的核心数据结构。它不再是从文档找内容，而是从内容（词条/Term）找文档。具体结构是建立“词条->文档ID列表”的映射关系。当用户搜索某个关键词时，系统直接查找该关键词对应的文档ID列表，从而快速定位相关文档。A描述的是正排索引（StoredFields）；C错误，倒排索引并非按文档顺序存储；D错误，倒排索引正是为了支持高效的全文检索和模糊匹配而设计的。故正确答案为B。27.【参考答案】C【解析】Kafka的消费者组机制保证了消息消费的负载均衡和有序性。核心规则是：同一个分区（Partition）在同一时刻只能被同一个消费者组内的一个消费者实例消费，这保证了组内消费的有序性和不重复性（A错，C对）。如果消费者数量超过分区数，多余的消费者将空闲，不会提高吞吐量，因此消费者数不应超过分区总数（B错）。不同的消费者组之间是独立的，可以消费同一个Topic的数据，实现发布-订阅模式（D错）。故正确答案为C。28.【参考答案】C【解析】处理异常值需谨慎，目的是减少其对模型或统计结果的负面影响，同时保留数据真实性。A项3σ原则适用于正态分布数据，超出均值±3倍标准差视为异常；B项箱线图法利用四分位距（IQR），超出1.5*IQR范围视为异常，鲁棒性强；D项聚类算法可将远离簇中心的点识别为异常。C项直接将异常值替换为0是不科学的，因为0本身可能具有特定含义（如“无”），且强行替换会扭曲数据分布和统计特征，通常应采用删除、填补均值/中位数或分箱等方法。故不包括的是C。29.【参考答案】C【解析】浅拷贝（copy.copy）创建一个新的容器对象，但其中填充的是对原容器中子对象的引用。因此，如果原对象包含可变子对象（如列表中的列表），修改浅拷贝后的子对象，原对象中的对应子对象也会改变，因为它们指向同一内存地址。深拷贝（copy.deepcopy）则递归复制所有层级的对象，完全独立。A描述的是深拷贝；B描述的是浅拷贝；D不准确，虽然不可变对象本身不可改，但容器结构可能不同，且概念上二者机制不同。故正确答案为C。30.【参考答案】B【解析】赔付率是衡量保险公司承保业务盈利能力的核心指标之一，反映了每单位保费收入中用于支付赔款的比例。其标准计算公式为：赔付率=已决赔款支出（或发生赔款）/已赚保费（或保费收入）。比值越高，说明赔付成本越高，承保利润空间越小。A项是倒数；C项近似于承保利润率的一部分；D项分母引入了投资收益，不符合标准赔付率定义。故正确答案为B。31.【参考答案】ABCD【解析】维度建模是数据仓库核心技术。星型模型通过非规范化维度表减少表连接，提升查询效率，适合大多数BI场景，故A正确。雪花模型对维度表进一步规范化，虽增加复杂度但能减少数据冗余，节省存储，故B正确。事实表记录业务过程，包含指向维度的外键及可累加的度量指标，故C正确。维度表保留冗余信息（如地址层级）旨在避免多表关联，提高读取性能，故D正确。四者均符合维度建模最佳实践。32.【参考答案】ACD【解析】HDFS是Hadoop分布式文件系统，专为高吞吐量大文件存储设计，A正确。MapReduce基于磁盘迭代，延迟较高，适合离线批处理而非实时流处理，实时场景通常使用Flink或SparkStreaming，故B错误。YARN作为资源管理器，统一分配计算资源，解耦计算框架与资源管理，C正确。Hive将SQL转化为MapReduce或Tez任务，降低了Hadoop使用门槛，D正确。因此正确答案为ACD。33.【参考答案】ACD【解析】在索引列使用函数会导致索引失效，引发全表扫描，应避免，A正确。SELECT*会传输无用数据，增加IO和网络开销，且阻碍覆盖索引优化，应指定具体字段，故B错误。联合索引遵循最左前缀匹配规则，合理设计可加速查询，C正确。大表Join时若关联字段无索引，复杂度极高，建立索引可将嵌套循环优化为索引查找，显著提升性能，D正确。综上，ACD为有效优化手段。34.【参考答案】ABC【解析】数据质量管理关注数据本身特性。完整性指数据记录及字段是否齐全，无缺失，A正确。一致性指同一数据在不同系统或表中逻辑一致，无矛盾，B正确。及时性反映数据更新频率及延迟，满足业务时效需求，C正确。美观性属于前端可视化呈现范畴，不属于数据本身的质量属性，故D错误。保险公司尤其重视数据的准确、完整与及时，以支撑精算与风控决策。35.【参考答案】ABD【解析】DataFrame是Pandas核心结构，类似Excel表格，具有行索引和列标签，A正确。merge支持inner、outer等连接方式，实现多表关联，B正确。groupby生成GroupBy对象，可进行聚合、转换或过滤，并非必须立即聚合，也可遍历或应用自定义函数，故C错误。dropna能删除含缺失值的行或列，是常用清洗手段，D正确。掌握这些基础对数据开发工程师至关重要。36.【参考答案】ABC【解析】保险数据包含客户身份、健康状况等敏感信息，需严格合规加密，A正确。保险生命周期长，涵盖投保、核保、保全、理赔等复杂流程，数据链路长，B正确。保险业发展成熟，拥有多年积累的历史保单与赔付数据，利于精算建模和风险预测，C正确。随着科技发展，非结构化数据如医疗影像、查勘照片、客服录音占比日益增加，数据结构复杂多样，故D错误。37.【参考答案】ABD【解析】抽取（Extract）时应采用增量或错峰策略，避免占用源系统过多资源影响业务，A正确。转换（Transform）核心任务是清洗脏数据、统一格式及代码映射，B正确。加载（Load）可根据场景选择全量或增量方式，对于大规模历史数据，增量加载更高效，并非必须全量，故C错误。完善的日志记录有助于监控任务状态、定位错误及数据血缘追踪，D正确。38.【参考答案】ABC【解析】1NF要求原子性，列不可拆分，A正确。2NF在1NF基础上，要求非主属性完全依赖于主键，消除部分依赖，B正确。3NF在2NF基础上，消除非主属性对主键的传递依赖，C正确。在实际数据仓库或高性能场景中，为提高查询效率，常适当反规范化（冗余字段），牺牲空间换时间，并非必须严格遵守3NF，故D错误。39.【参考答案】ABC【解析】Spark利用内存迭代计算，减少磁盘IO，比MapReduce快得多，A正确。Spark生态丰富，包含SparkSQL、SparkStreaming、MLlib机器学习库等，B正确。RDD是其核心抽象，具备血统机制实现容错，C正确。Spark部署灵活，可运行在YARN、Mesos、Kubernetes或Standalone模式下，不依赖Hadoop，故D错误。40.【参考答案】ABC【解析】数据安全是底线。敏感信息如身份证号、手机号需脱敏展示或加密存储，防止泄露，A正确。权限管理应遵循最小权限原则，仅授权必要人员访问必要数据，B正确。定期备份及恢复演练是防范数据丢失、应对灾难的关键手段，C正确。数据共享需在合规与安全前提下进行，绝不可随意公开，尤其涉及个人隐私和商业机密，故D严重错误。41.【参考答案】ABC【解析】星型模型以事实表为中心，周围环绕维度表，结构简洁且JOIN操作少，查询效率高，A正确。雪花模型对维度表进一步规范化，减少数据冗余，节省存储，但查询时需更多JOIN，B正确。事实表主要存储业务过程的度量指标及关联维度的外键，C正确。维度表可以是非规范化的（如星型），也可以是部分规范化的（如雪花型），并非“必须”非规范化，D错误。维度建模核心在于平衡查询性能与存储效率，实际应用中需根据场景选择模型类型。42.【参考答案】ABC【解析】HDFS（HadoopDistributedFileSystem）是Hadoop的分布式文件系统，用于海量数据存储，A正确。MapReduce是Hadoop的核心计算框架，适用于离线批量处理，B正确。Hive将SQL语句转换为MapReduce任务执行，降低了大数据开发门槛，C正确。Spark是一个通用的内存计算引擎，支持多种资源管理器，包括Standalone、YARN、Mesos和Kubernetes，并非只能运行在YARN上，D错误。掌握各组件定位有助于构建合理的大数据架构。43.【参考答案】ACD【解析】SELECT*会返回所有列，增加网络传输和I/O开销，指定必要字段可减少资源消耗，A正确。对索引列使用函数（如YEAR(date)）会导致索引失效，引发全表扫描，应尽量避免，B错误。EXPLAIN能展示SQL的执行路径、索引使用情况等，是定位性能瓶颈的关键工具，C正确。在某些数据库引擎中，JOIN比相关子查询效率更高，因为优化器能更好地优化JOIN顺序，D正确。优化需结合具体数据库特性及数据量综合判断。44.【参考答案】ABC【解析】DataFrame是Pandas核心的二维标记数据结构，类似Excel表格或SQL表，A正确。read_csv是常用IO函数，可将CSV文件加载为DataFrame对象，B正确。merge函数支持inner、outer、left、right等多种连接方式，类似SQLJOIN，C正确。apply函数非常灵活，既可作用于行（axis=1），也可作用于列（axis=0），还可应用于整个DataFrame，D错误。熟练掌握Pandas基础操作是数据清洗与分析的前提。45.【参考答案】ABC【解析】原子性（Atomicity）保证事务是不可分割的最小工作单元，全部成功或全部回滚，A正确。一致性（Consistency）确保事务执行不破坏数据库完整性约束，如外键、唯一性等，B正确。隔离性（Isolation）通过锁或多版本控制机制，使并发事务看似串行执行，互不影响，C正确。持久性（Durability）指事务一旦提交，对数据的修改是永久的，即使系统故障也不会丢失，通常写入磁盘而非仅存内存，D错误。46.【参考答案】A【解析】星型模型是数据仓库