2026年大数据HCIA复习题(含答案)

2026年大数据HCIA复习题(含答案)1.以下选项中，不属于大数据4V特性的是（）A.数据量大（Volume）B.数据类型多（Variety）C.数据价值密度高（Value）D.处理速度快（Velocity）答案：C解析：大数据的核心特性中，数据价值密度低是典型特征，例如监控视频中只有极少片段是有效数据，因此C选项表述错误。2.下列选项中，属于Hadoop核心组件中负责分布式存储的是（）A.YARNB.MapReduceC.HDFSD.ZooKeeper答案：C3.以下哪一种数据类型属于结构化数据（）A.网页文本B.关系型数据库中的表数据C.视频文件D.微信聊天语音答案：B4.在默认配置下，HDFS中一个块的副本数是多少（）A.1B.2C.3D.4答案：C5.YARN架构中，负责整个集群资源的管理与调度的组件是（）A.NodeManagerB.ResourceManagerC.ApplicationMasterD.Container答案：B6.以下属于大数据常见应用场景的有（）A.电商用户精准推荐B.城市交通路况预测C.金融反欺诈风控D.医疗辅助诊断答案：ABCD7.下列场景适合用HDFS存储的有（）A.存储TB级以上的大文件B.存储海量小文件C.需要一次写入多次读取的业务D.需要低延迟数据访问的业务答案：AC解析：HDFS针对大文件存储优化，不适合存储海量小文件，NameNode存储元数据会带来过大内存压力；同时HDFS设计偏向高吞吐量，不满足低延迟访问需求，因此BD错误。8.ZooKeeper作为分布式协调服务，具备的核心特性包括（）A.顺序一致性B.原子性C.单一视图D.可靠性答案：ABCD9.MapReduce计算过程主要分为哪两个核心阶段（）A.Input阶段B.Map阶段C.Reduce阶段D.Output阶段答案：BC10.HBase是基于HDFS开发的分布式列存数据库，适合存储结构化、半结构化数据。（）A.正确B.错误答案：A11.NameNode负责存储HDFS中所有文件的块数据，不存储元数据信息。（）A.正确B.错误答案：B解析：HDFS中NameNode存储文件系统的元数据信息，DataNode存储实际的块数据，因此本题表述错误。12.下列组件中，属于分布式协调服务，常用于解决分布式系统一致性问题的是（）A.HBaseB.ZooKeeperC.FlumeD.Kafka答案：B13.在Hadoop2.x及以上版本默认配置下，HDFS一个块的大小是（）A.64MBB.128MBC.256MBD.512MB答案：B14.以下组件中，专门用于分布式海量日志采集的是哪一个（）A.FlumeB.SqoopC.HiveD.Spark答案：A15.Kafka作为高吞吐量的分布式消息队列，它的实际消息存储单元是（）A.TopicB.PartitionC.BrokerD.Producer答案：B解析：Topic是Kafka中逻辑层面的消息分类，实际消息存储在Topic的分区（Partition）中，因此选B。16.以下属于Hive的特点的是（）A.本质是基于Hadoop的数据仓库工具B.支持类SQL语法，降低大数据开发门槛C.可以直接存储结构化数据，不依赖HDFSD.支持自定义函数，适合离线数据分析场景答案：ABD解析：Hive本身不存储数据，底层依赖HDFS存储数据，依赖YARN运行计算任务，因此C选项错误。17.Spark相比MapReduce的优势有哪些（）A.基于内存计算，中间结果存储在内存中，迭代运算速度远快于MapReduceB.提供了丰富的高阶API，开发更便捷C.支持批处理、流处理、SQL查询、机器学习等多场景统一计算D.原生不支持资源调度，不需要依赖YARN答案：ABC解析：Spark可以依托YARN、Standalone、Kubernetes等多种方式做资源调度，生产环境中大多依赖YARN进行资源管理，因此D选项错误。18.HBase适合的业务场景有（）A.结构化数据海量存储，需要随机实时读写B.存储半结构化、非结构化数据C.需要复杂多表关联分析的离线统计业务D.需要低延迟的超高吞吐量读写场景答案：ABD解析：HBase是分布式KV数据库，不支持复杂的多表关联查询，这类场景更适合Hive等数据仓库工具，因此C选项错误。19.Sqoop主要用于在关系型数据库和Hadoop生态系统之间传输数据，支持全量同步和增量同步。（）A.正确B.错误答案：A20.Flink是流处理引擎，只支持流处理，不支持批处理。（）A.正确B.错误答案：B解析：Flink以流为核心设计思想，将批处理视为有界流，原生同时支持流处理和批处理，因此本题表述错误。21.以下哪一项不属于Hadoop生态系统中的数据同步工具（）A.SqoopB.DataXC.FlinkD.Canal答案：C解析：Flink是分布式计算引擎，不属于数据同步工具。22.大数据采集过程中，针对数据库的增量数据采集，常用的方式不包括（）A.基于时间戳同步B.基于binlog同步C.全量扫描同步D.基于触发器同步答案：C解析：全量扫描同步是每次同步全量数据，不属于增量采集方式。23.下面关于数据仓库的描述，正确的是（）A.数据仓库主要用于实时事务处理B.数据仓库中的数据通常是从不同数据源整合而来，面向主题组织C.数据仓库中的数据经常需要更新修改D.数据仓库不支持大数据量存储答案：B解析：数据仓库面向分析，是面向主题、集成、相对稳定、反映历史变化的数据集合，不面向实时事务处理，数据一般不频繁修改，因此只有B表述正确。24.以下关于Lambda架构的描述，正确的是（）A.Lambda架构分为批处理层、速度层、服务层三层B.Lambda架构只处理实时数据，不需要处理批量数据C.Lambda架构只能用Hadoop一种组件实现D.Lambda架构不需要合并批量计算和实时计算的结果答案：A25.大数据生命周期一般包含以下哪些环节（）A.数据采集B.数据存储C.数据处理D.数据分析E.数据可视化答案：ABCDE26.以下属于非关系型数据库（NoSQL）常见分类的有（）A.键值存储数据库B.列存储数据库C.文档存储数据库D.图存储数据库答案：ABCD27.HDFS中SecondaryNameNode的作用是替代NameNode存储元数据，可以直接接管NameNode的对外服务工作。（）A.正确B.错误答案：B解析：SecondaryNameNode的核心作用是帮助NameNode合并edits日志，减少NameNode启动时间，仅作为辅助节点，不能直接替代NameNode提供服务，因此本题表述错误。28.消费者组是Kafka中用于实现消费负载均衡和故障转移的机制，同一个消费者组中的多个消费者可以同时消费同一个分区的消息。（）A.正确B.错误答案：B解析：同一个分区在同一个消费者组中，只能分配给一个消费者消费，因此本题表述错误。29.在Hive中，内部表和外部表的区别，描述正确的是（）A.删除内部表时，会同时删除表的元数据和HDFS上的实际存储数据B.删除外部表时，会同时删除实际存储的数据和元数据C.内部表不支持分区，外部表支持分区D.外部表不适合共享数据，内部表适