2026年大数据HCIA复习题+答案

2026年大数据HCIA复习题+答案下列选项中，不属于大数据5V特征的是哪一项？A.Volume（量大）B.Velocity（快）C.Variety（多样）D.Valuable（有价值）E.Vision（可视）答案：E解析：大数据经典5V核心特征分别是Volume（数据量大）、Velocity（处理速度快）、Variety（数据类型多样）、Value（价值密度低）、Veracity（数据真实性），部分归纳会将Valuable纳入特征范畴，可视化不属于5V核心特征，因此选E。在HDFS体系架构中，负责存储实际数据块的是哪个角色？A.NameNodeB.DataNodeC.ResourceManagerD.NodeManager答案：B解析：HDFS采用主从架构设计，NameNode作为主节点，负责管理文件系统命名空间、维护文件块信息与集群节点的映射关系，不存储实际业务数据；DataNode作为从节点，负责实际数据块的存储、读写处理；ResourceManager是YARN的资源调度主节点，NodeManager是YARN的单节点资源管理节点，因此本题选B。HDFS默认一个块的大小是多少？A.64MBB.128MBC.256MBD.512MB答案：B解析：Hadoop1.x版本默认HDFS块大小为64MB，Hadoop2.x及之后的版本默认块大小调整为128MB，当前HCIA大数据考核的标准默认块大小为128MB，因此选B。以下关于HDFS优点的描述，错误的是哪一项？A.适合存储超大文件B.适合低延迟数据访问C.可构建在廉价机器上D.高容错性答案：B解析：HDFS为大容量批处理场景设计，核心追求是高吞吐量，因此会牺牲一定的访问延迟，不适合要求低延迟的随机访问场景，B选项描述错误。以下属于HBase特点的有哪些？A.海量数据存储B.结构化数据存储C.高并发读写D.线性扩展E.稀疏存储答案：ACDE解析：HBase是分布式面向列的开源NoSQL数据库，适合存储海量半结构化、非结构化数据，并非专门针对结构化数据设计，B选项错误；HBase原生支持PB级海量数据存储，能够提供低延迟高并发读写服务，支持通过新增节点实现存储和计算能力的线性扩展，且对空列不会占用存储空间，属于稀疏存储架构，因此ACDE正确。MapReduce计算过程的核心阶段包含以下哪几项？A.采集阶段B.Map阶段C.Shuffle阶段D.Reduce阶段E.存储阶段答案：BCD解析：MapReduce将整个计算过程拆分为三个核心阶段：Map阶段负责处理输入的原始数据，生成中间键值对；Shuffle阶段负责对Map输出的中间数据进行分区、排序、合并，将对应数据传输给对应的Reduce节点；Reduce阶段对Shuffle输出的数据进行汇总计算，输出最终结果，因此核心阶段为BCD。HBase中的RowKey是唯一的，按照字典序排序。答案：正确解析：HBase中每行数据通过RowKey唯一标识，RowKey默认按照字典序排序，实际业务开发中可以利用该排序特性优化查询效率。YARN中ApplicationMaster负责为应用程序申请资源，并且调度内部任务。答案：正确解析：YARN架构中，ResourceManager负责全局集群资源管理和调度，NodeManager负责本节点的资源管理和任务监控，ApplicationMaster运行在用户容器中，负责向ResourceManager申请对应应用所需资源，同时管理应用内部的任务调度和运行监控。以下哪一项是分布式协调服务Zookeeper的核心特性？A.分布式存储B.统一命名服务C.分布式计算D.大数据挖掘答案：B解析：Zookeeper是分布式协调服务框架，核心功能包括统一命名服务、集群配置管理、分布式锁、集群节点状态管理等，分布式存储、分布式计算、大数据挖掘均不属于Zookeeper的核心功能，因此选B。在Zookeeper的节点类型中，节点创建后会一直存在，直到主动删除的节点类型是？A.持久节点B.临时节点C.持久顺序节点D.临时顺序节点答案：A解析：Zookeeper节点分为持久节点、持久顺序节点、临时节点、临时顺序节点四类，持久节点的特性是创建后持久存在，不会因客户端会话失效而删除，需要主动调用删除接口才会移除，因此选A。Kafka是什么类型的组件？A.分布式消息队列B.分布式数据库C.分布式计算框架D.分布式存储系统答案：A解析：Kafka是高吞吐分布式消息队列，广泛应用于大数据场景的实时数据采集、传输，起到削峰填谷、系统解耦的作用，因此选A。Kafka中负责存储消息实际数据的角色是？A.ProducerB.ConsumerC.BrokerD.Zookeeper答案：C解析：Producer是消息生产者，负责生成并发送消息；Consumer是消息消费者，负责拉取并消费消息；Broker是Kafka集群的服务节点，负责存储实际的消息业务数据；Zookeeper为Kafka集群提供元数据管理、节点协调服务，不存储业务消息，因此选C。以下属于Spark相对于MapReduce的优势的有哪些？A.基于内存计算，迭代计算效率更高B.Spark原生支持SQL、流计算、机器学习等多种场景C.Shuffle阶段性能更优D.只能处理批处理，不能处理实时计算E.不需要资源调度框架就能运行答案：ABC解析：MapReduce是基于磁盘的计算框架，Spark将中间计算数据缓存在内存中，针对机器学习这类多轮迭代的场景，效率远高于MapReduce，A正确；Spark生态包含SparkCore、SparkSQL、StructuredStreaming、MLlib、GraphX，原生支持批处理、SQL查询、流计算、机器学习、图计算等多种场景，MapReduce仅支持批处理，B正确；Spark对Shuffle机制做了排序优化、内存缓存等优化，性能优于MapReduce的Shuffle机制，C正确；Spark可以同时处理批处理和实时流计算，D错误；Spark本身不提供资源管理能力，需要运行在YARN、Kubernetes等资源调度框架上，E错误，因此正确选项为ABC。Spark中，哪一个组件是用于结构化数据处理，支持SQL查询的？A.SparkCoreB.SparkSQLC.SparkStreamingD.MLlib答案：B解析：SparkCore是Spark的核心基础组件，提供内存计算、任务调度等基础能力；SparkSQL是Spark用于处理结构化数据的模块，原生支持标准SQL和HiveQL查询，能够对接多种数据源；SparkStreaming/StructuredStreaming是Spark的流计算组件；MLlib是Spark的机器学习算法库，因此选B。Hive是什么组件？A.分布式数据库B.分布式数据仓库工具C.分布式消息队列D.分布式计算框架答案：B解析：Hive是基于Hadoop构建的数据仓库基础设施，能够将结构化数据映射为数据表，提供类SQL的HiveQL查询能力，底层将HiveQL转换为MapReduce、Spark任务运行，本身不属于数据库，是数据仓库分析工具，因此选B。Hive默认的数据存储格式是TextFile。答案：正确解析：Hive支持TextFile、SequenceFile、ORC、Parquet等多种存储格式，默认的存储格式为TextFile即文本格式。Flink是一个批流一体的分布式计算引擎。答案：正确解析：Flink的核心特性就是批流一体，将批处理任务视为有界流处理，一套引擎同时支持批处理和流处理场景，不同于Spark的微批流处理方案，Flink是原生流计算引擎，同时原生支持批处理任务。以下关于Flume的描述，正确的是哪一项？A.Flume是分布式日志采集工具B.Flume是分布式数据同步工具C.Flume是分布式关系型数据库D.Flume是分布式资源调度工具答案：A解析：Flume是高可用高可靠的分布式日志采集工具，专门用于从不同数据源采集日志数据，传输到HDFS等存储系统；Sqoop才是Hadoop生态和关系型数据库之间的数据同步工具，因此选A。以下哪个组件可以实现MySQL和HDFS之间的数据互导？A.FlumeB.SqoopC.KafkaD.Hive答案：B解析：Sqoop是开源的数据同步工具，核心功能就是在Hadoop生态系统（HDFS、Hive、HBase等）和关系型数据库（MySQL、Oracle等）之间实现数据的导入导出，因此选B。Hive和传统关系型数据库相比，以下说法正确的有哪些？A.Hive不支持完整事务，传统关系型数据库支持完整事务B.Hive适合海量数据的批处理分析，传统关系型数据库适合联机事务处理C.Hive基于Hadoop存储和计算，扩展性好D.Hive查询延迟低，适合实时查询场景E.Hive可以存储半结构化数据答案：ABCE解析：传统关系型数据库ACID特性完善，支持完整事务，Hive仅在新版本支持有限的行级事务，默认不启用，不支持完整事务特性，A正确；Hive的设计目标是海量数据的离线批处理分析，传统关系型数据库面向OLTP联机事务场景设计，适合低延迟的小数据量事务操作，B正确，D错误；Hive底层数据存储在HDFS上，可以通过扩展集群节点实现扩容，扩展性远优于传统关系型数据库，C正确；Hive原生支持文本、JSON等半结构化数据的存储和查询，E正确，因此正确选项为ABCE。Zookeeper集群中，通常推荐部署奇数个节点的原因是？A.奇数节点配置更简单B.为了满足超过半数节点存活才能可用的要求，相同容错能力下奇数节点比偶数节点资源消耗更少C.Zookeeper协议规定必须是奇数D.奇数节点网络延迟更低答案：B解析：Zookeeper的可用条件是存活节点数超过总节点数的半数，例如总节点数为3，可以容忍1个节点故障，总节点数为4同样只能容忍1个节点故障，多余的节点没有提升容错能力还浪费资源，因此通常推荐部署奇数个节点，B描述正确。Kafka的消息消费模式是拉模式，消费者主动从Broker拉取消息。答案：正确解析：Kafka采用消费者主动拉取的消费模式，区别于部分消息队列的推模式，拉模式可以让消费者根据自身的消费能力控制消费速度，更适合大数据场景的高吞吐需求。HBase中，哪个部分负责持久化