2026年大数据与云计算应用考试试卷及答案

2026年大数据与云计算应用考试试卷及答案一、单项选择题（每题1分，共20分。每题只有一个正确答案，请将正确选项字母填入括号内）1.在Hadoop3.x版本中，默认的HDFS块大小为（）A.32MB  B.64MB  C.128MB  D.256MB答案：C2.下列关于YARN资源调度器的描述，错误的是（）A.CapacityScheduler支持多级队列B.FairScheduler支持抢占式调度C.FIFOScheduler支持资源隔离D.调度器可通过yarn-site.xml切换答案：C3.在SparkSQL中，用于将DataFrame注册为临时视图的API是（）A.createOrReplaceGlobalTempView  B.registerTempTableC.createTempTable  D.cacheTable答案：A4.某云厂商提供的对象存储服务最终一致性模型属于（）A.强一致性  B.顺序一致性  C.因果一致性  D.最终一致性答案：D5.在Kubernetes中，负责维护Pod副本数量的控制器是（）A.DaemonSet  B.StatefulSet  C.Deployment  D.Job答案：C6.下列关于Parquet文件格式的说法，正确的是（）A.基于行存储  B.不支持嵌套数据模型C.支持列式压缩  D.与Avro不可互操作答案：C7.在Flink中，用于保证exactly-once语义的核心机制是（）A.异步快照Barrier  B.Event-time窗口C.增量检查点  D.背压机制答案：A8.某Lambda架构项目将批处理层结果保存于（）A.DeltaLake  B.Cassandra  C.HDFS  D.Kafka答案：C9.在AWSWell-ArchitectedFramework中，成本优化支柱不包括（）A.按需实例  B.预留实例  C.Spot实例  D.共享责任模型答案：D10.下列关于GaussDB(forMySQL)计算存储分离架构的描述，正确的是（）A.计算节点有状态  B.日志即数据C.存储节点无副本  D.不支持并行回放答案：B11.在TensorFlowonKubernetes方案中，TFJob的CRD版本从v1alpha2升级到v1后，必须显式声明的字段是（）A.tfReplicaType  B.restartPolicy  C.workerNum  D.cleanPodPolicy答案：D12.使用AzureDataFactory映射数据流实现SCDType2时，用于标识版本起止时间的系统列是（）A.IsCurrent  B.ValidFrom  C.RowHash  D.Timestamp答案：B13.在ClickHouse中，最适合做高基数去重且内存可控的聚合函数是（）A.uniq  B.uniqCombined  C.uniqExact  D.uniqHLL12答案：B14.某企业采用多云容灾，要求RPO<15min，最经济的方案是（）A.冷备  B.热备  C.双活  D.备份加定时快照答案：B15.在Serverless架构中，以下哪项最可能成为“冷启动”瓶颈（）A.容器镜像拉取  B.用户代码编译C.负载均衡规则更新  D.日志收集答案：A16.在数据湖Iceberg中，用于实现并发提交的元数据文件是（）A.manifestlist  B.snapshot  C.metadata.json  D.commitlog答案：C17.下列关于边缘计算KubeEdge的说法，错误的是（）A.CloudCore与EdgeCore通过WebSocket隧道通信B.DeviceCRD描述设备孪生属性C.EdgeMesh提供L4代理D.支持边缘节点自治离线运行答案：C18.在GCPBigQuery中，将查询结果写入带分区的目标表时，分区列必须出现在（）A.SELECT子句  B.WHERE子句  C.ORDERBY子句  D.GROUPBY子句答案：B19.某SparkStructuredStreaming作业设置Trigger.ProcessingTime("10seconds")，其微批间隔为（）A.≤10s的任意值  B.固定10sC.系统动态调整  D.由maxOffsetsPerTrigger决定答案：B20.在OpenStack中，提供块存储服务的是（）A.Swift  B.Cinder  C.Manila  D.Glance答案：B二、多项选择题（每题2分，共20分。每题有两个或两个以上正确答案，多选、少选、错选均不得分）21.下列属于HDFS联邦（Federation）带来的好处有（）A.单NameNode内存压力下降  B.支持跨NameNode的renameC.元数据隔离  D.水平扩展NameService答案：ACD22.以下哪些操作会触发SparkDAGScheduler重新提交Stage（）A.Task重试超过4次  B.Shuffle文件丢失C.用户调用RDD.checkpoint()  D.Executor崩溃答案：ABD23.在Kubernetes网络模型中，符合CNI规范的有（）A.FlannelVXLAN  B.CalicoBGP  C.OpenShift-SDN  D.kube-proxyipvs答案：ABC24.下列属于云原生数据库PolarDBMy版关键特性的是（）A.共享存储多写  B.并行RedologC.存储多副本强一致  D.计算节点秒级弹升答案：BCD25.使用FlinkCEP库检测事件序列时，可使用的模式量词有（）A.oneOrMore  B.times  C.until  D.allowCombinations答案：ABC26.在AWSGlueDataCatalog中，支持自动爬取的元数据包括（）A.Parquetschema  B.JSON分区列C.Avro列注释  D.ORCbloomfilter答案：ABC27.以下关于ServerlessSparkonACK的描述，正确的有（）A.按秒计费  B.无需预留ExecutorC.使用ECI弹性容器  D.支持Spot实例答案：ABCD28.在数据治理中，属于数据质量维度的是（）A.准确性  B.可用性  C.可审计性  D.时效性答案：ABD29.下列属于云安全共担模型中客户侧责任的有（）A.对象存储数据加密密钥管理  B.VPC安全组规则C.底层基础设施物理安全  D.云主机OS补丁答案：ABD30.在多云成本优化策略中，可使用的技术手段有（）A.按需+Spot混合实例  B.跨区域数据压缩传输C.智能分层存储  D.云厂商免费额度叠加答案：ABC三、填空题（每空1分，共20分）31.在HDFS写入管道中，默认数据副本放置策略采用“第一副本本地，第二副本________，第三副本随机”原则。答案：不同机架32.Spark3.x自适应查询执行（AQE）默认将reduce分区数设置为________乘以spark.sql.adaptive.coalescePartitions.minPartitionNum。答案：spark.sql.shuffle.partitions33.Kubernetes中，Pod的QoS类别从高到低分别为Guaranteed、________、BestEffort。答案：Burstable34.在AWSS3智能分层存储中，对象连续30天未被访问则自动降至________层。答案：InfrequentAccess35.Flink使用________算法生成分布式快照，实现轻量级容错。答案：Chandy-Lamport36.在数据湖Iceberg中，________文件记录所有数据文件的统计信息，用于查询裁剪。答案：manifest37.在GaussDB(forRedis)中，默认采用________协议兼容Redis客户端。答案：RESP38.在ClickHouse的MergeTree引擎中，________子句可指定数据按周进行分区。答案：toYYYYWeek()39.在Serverless场景，函数计算平台通常使用________技术实现毫秒级实例快照恢复。答案：microVM（或Firecracker）40.在多云网络互联方案中，________协议可提供加密通道且支持全路由广播。答案：IPsecBGP41.在SparkMLlib中，________评估指标适用于二分类且标签极不平衡的场景。答案：PR-AUC42.在GCPCloudSpanner中，________是全局分布式事务的核心，基于TrueTimeAPI。答案：2PC（两阶段提交）43.在阿里PolarDB中，RedoLog采用________存储格式，实现日志即数据。答案：PhysiologicalLogging44.在边缘计算KubeEdge中，________组件负责将云侧APIServer元数据同步至边缘本地SQLite。答案：MetaManager45.在AWSLakeFormation中，________是定义表级与列级权限的最小单元。答案：LF-Tag46.在FlinkSQL中，________语法用于声明更新视图，支持Retract流。答案：CREATEVIEW47.在Kubernetes1.24版本之后，默认容器运行时为________。答案：containerd48.在ServerlessAurora中，________连接方式可避免每次冷启动重新建立TCP三次握手。答案：Data-API（HTTP）49.在数据治理ApacheAtlas中，________类型表示血缘关系边。答案：Process50.在多云监控方案中，________指标最能反映Serverless函数资源利用率。答案：Concurrency（并发度）四、简答题（共6题，每题8分，共48分）51.（封闭型）简述HDFSNameNode高可用（HA）架构中JournalNode的作用，并说明为什么需要2N+1个节点。答案：JournalNode是HA架构中共享编辑日志的守护进程，Active与StandbyNameNode均将编辑日志写入JournalNode集群，保证元数据一致。JournalNode采用多数派确认机制，需容忍N台故障，故最少部署2N+1台，常见为3或5台。52.（开放型）某电商公司使用SparkStructuredStreaming实时统计店铺GMV，发现延迟逐小时递增，请列举三种可能原因并给出排查思路。答案：1.背压：查看StreamingUI中ProcessingTime>TriggerInterval，可增大cluster资源或提高并行度；2.数据倾斜：通过maxOffsetsPerTrigger限流，或repartition；3.状态膨胀：使用statestoreTTL清理过期状态，或启用RocksDB状态后端。53.（封闭型）说明Kubernetes中PodDisruptionBudget（PDB）的工作机制，并写出yaml关键字段。答案：PDB限制同时不可用的Pod数量，保障集群主动驱逐时的可用性。关键字段：spec.minAvailable或maxUnavailable，selector匹配目标Pod。54.（开放型）对比AWSIAMRole与GCPServiceAccount在权限委托模型上的差异。答案：IAMRole采用临时凭证STS，支持跨账户信任策略；ServiceAccount通过OAuth2短令牌，绑定到资源级，需激活IAMAPI启用外部身份联合。AWS支持基于SAML/OIDC的Web身份，GCP通过WorkloadIdentityFederation映射外部IdP。55.（封闭型）简述FlinkCheckpoint与Savepoint的区别，并指出如何在命令行触发Savepoint。答案：Checkpoint由Flink定时触发，用于故障恢复，用户不可控；Savepoint由用户手动触发，用于版本升级、迁移，支持手动指定路径。命令：bin/flinksavepoint<jobID>[targetDirectory]56.（开放型）某金融公司计划将本地OracleRAC迁移至云原生分布式数据库，请给出三种技术路线并比较其风险。答案：1.应用层分库分表+中间件：风险在于分布式事务与跨分片查询复杂度；2.使用云原生分布式数据库（如OceanBase、TiDB）一键迁移：风险在于SQL兼容性、性能回退；3.采用云托管RAC（如OracleCloudExadata）：风险在于云锁定、成本不可控。五、计算与分析题（共4题，共42分）57.（计算题·10分）某HDFS集群块大小128MB，副本因子3，存储1TB文本文件（实际大小1000000KB），忽略元数据开销，求占用的HDFS磁盘空间与块数量。答案：块数量=ceil(1000000KB÷131072KB)=8块；磁盘空间=8×128MB×3=3072MB=3GB。58.（分析题·10分）某Spark任务读取2TBSnappy压缩Parquet文件（压缩比5:1），集群单Executor4vCore、16GBRAM，估算所需Executor数，使任务在10min内完成。已知Spark扫描吞吐率为2GB/vCore/min。答案：逻辑数据量=2TB×5=10TB；所需总vCore=10000GB÷(2GB/vCore/min×10min)=500vCore；Executor数=500÷4=125，考虑10%冗余，取140Executor。59.（综合题·12分）某视频公司使用Flink处理播放日志，峰值QPS300k，每条日志0.5KB，需保留7天，计算Kafka集群所需最小磁盘容量与分区数。已知压缩比3:1，副本因子2，保留冗余20%，单盘4TB，单节点12盘，每台broker承担1000partition可接受。答案：日数据量=300000×0.5KB×86400≈12.96TB；7天压缩后=12.96×7÷3=30.24TB；副本后=30.24×2=60.48TB；冗余后=60.48×1.2=72.58TB；盘数=ceil(72.58÷4)=19盘→2节点（24盘）；分区数：单分区吞吐按10MB/s估算，峰值300k×0.5KB≈150MB/s，需15分区，考虑扩展取60分区。60.（设计题·10分）设计一套基于多云的冷-热-温数据分层方案，要求：1.热数据RPO<5min；2.温数据查询延迟<2s；3.冷数据保存3年，成本低于热层10%。给出存储选型、数据迁移触发条件及监控指标。答案：热：AWSAuroraMySQLMulti-AZ，开启Binlog实时复制到AzureDatabaseforMySQL，RPO=1min；温：通过DMS将Aurora快照每日导入GCPBigQuery分区表，使用BIEngine加速，查询<2s；冷：每月导出BigQuery至AWSGlacierDeepArchive，采用90天最小存储策略，成本为热层1/12；迁移触发：Aurora审计表insert_time>1天→温；BigQuery分区30天无查询→冷；监控：CloudWatch记录AuroraBinlog延迟；BigQueryINFORMATION_SCHEMA.JOBS_BY_PROJECT统计查询耗时；Glacier恢复耗时及成本。六、综合应用题（20分）61.某市政府搭建“城市大脑”项目，需要整合交通、公安、气象、互联网社交四类数据，日均