2026年云计算与大数据技术考试卷及答案

2026年云计算与大数据技术考试卷及答案1.单项选择题（每题1分，共20分）1.1在OpenStack中，负责提供块存储服务的组件是A.Nova B.Cinder C.Neutron D.Glance答案：B1.2下列哪种HDFS副本放置策略在Hadoop3.x中被设为默认？A.第一副本同机架，第二副本异机架，第三副本同机架不同节点B.所有副本均放在不同机架C.第一副本本地客户端节点，第二副本同机架，第三副本异机架D.第一副本本地客户端节点，第二、三副本均异机架答案：C1.3在AWSWell-ArchitectedFramework中，用于评估“能否快速从故障中恢复”的支柱是A.成本优化 B.可靠性 C.性能效率 D.卓越运营答案：B1.4某Spark作业提交参数--executor-memory4g--executor-cores2，集群共10台64G/16核节点，最大可并行执行的task数为A.80 B.160 C.320 D.640答案：C1.5在GoogleBigtable的数据模型中，用于实现多版本并发控制的维度是A.RowKey B.ColumnFamily C.ColumnQualifier D.Timestamp答案：D1.6下列关于Serverless架构的描述，错误的是A.按请求计费 B.运行时完全无状态 C.冷启动会影响延迟 D.自动扩缩容答案：B1.7在Kubernetes中，用于实现有状态应用持久化存储的对象是A.Deployment B.StatefulSet C.DaemonSet D.ReplicaSet答案：B1.8使用MapReduce进行Join时，若一张表极小，可放入内存，应选择的算法是A.Reduce-SideJoin B.Map-SideJoin C.Semi-Join D.Bloom-Join答案：B1.9在数据湖架构中，提供元数据管理和表格式抽象的开源项目是A.DeltaLake B.Presto C.Flink D.Airflow答案：A1.10某云厂商对象存储提供99.9999999999%（12个9）持久性，其含义是A.每年最多丢失1字节/1TB B.每月最多丢失1对象/1万对象C.每10000年丢失1字节/1PB D.每1000年丢失1对象/1EB答案：C1.11在Flink的时间语义中，EventTime处理乱序事件依赖的机制是A.Checkpoints B.Watermarks C.Savepoints D.Barriers答案：B1.12下列哪种压缩格式支持split，可直接在MapReduce中被切分？A.gzip B.bzip2 C.LZ4 D.Snappy答案：B1.13在AWSS3中，能够实现“查询运行中才解码”的存储类别是A.S3Standard B.S3GlacierInstantRetrieval C.S3GlacierDeepArchive D.S3OneZone-IA答案：B1.14使用K-means算法时，若初始中心点选择不当导致聚类效果差，可采用的改进策略是A.增加迭代次数 B.Mini-Batch C.K-means++ D.降低维度答案：C1.15在数据治理成熟度模型DAMA-DMBOK中，最高级是A.Managed B.Defined C.QuantitativelyManaged D.Optimizing答案：D1.16在多云容灾方案中，RPO=0的最核心技术是A.快照复制 B.异步复制 C.同步复制 D.冷备份答案：C1.17下列关于Raft算法的描述，正确的是A.只允许一个Candidate发起选举 B.日志提交需半数以上节点确认C.Leader不处理读请求 D.不保证日志连续性答案：B1.18在TensorFlowonKubernetes场景中，TFJob的自定义资源定义由哪个开源项目提供？A.Kubeflow B.Argo C.Tekton D.Helm答案：A1.19某企业使用Kafka收集日志，每天产生10TB，保留7天，副本因子3，压缩比0.3，则实际磁盘空间约为A.21TB B.30TB C.63TB D.90TB答案：C1.20在差分隐私中，若ε=0.1，则隐私预算含义是A.隐私保护强度弱 B.加入噪声方差小 C.隐私保护强度强 D.查询精度高答案：C2.多项选择题（每题2分，共20分；每题至少有两个正确答案，多选少选均不得分）2.1下列属于Hadoop3.x新特性的有A.ErasureCoding B.YARNFederation C.MapReduce2.0 D.Intra-DataNodeBalancing答案：ABD2.2在SparkSQL中，支持向量化读取的文件格式包括A.ORC B.Parquet C.JSON D.CSV答案：AB2.3以下哪些操作会触发Flink的checkpointbarrier对齐？A.map() B.keyBy() C.window() D.union()答案：BC2.4关于云原生数据库PolarDB的架构特点，正确的有A.计算存储分离 B.共享分布式存储 C.只读节点使用Redo日志回放 D.主节点写Redo到本地磁盘答案：ABC2.5在数据仓库Snowflake中，以下哪些对象属于逻辑层？A.Database B.Warehouse C.Table D.StoragePool答案：ABC2.6下列属于Serverless大数据服务的有A.AWSAthena B.GoogleBigQuery C.AzureDatabricksServerless D.AWSEMRonEC2答案：ABC2.7在Kubernetes网络模型中，满足CNI规范的有A.Calico B.Flannel C.kube-proxy D.Weave答案：ABD2.8以下关于数据湖屋（Lakehouse）的描述，正确的有A.支持ACID事务 B.基于对象存储 C.依赖数据仓库ETL D.使用开放文件格式答案：ABD2.9在GDPR条例中，被定义为“敏感个人数据”的有A.生物识别数据 B.宗教信仰 C.cookieID D.健康数据答案：ABD2.10下列属于云成本优化策略的有A.预留实例 B.Spot实例 C.自动伸缩 D.数据归档至冷存储答案：ABCD3.填空题（每空1分，共20分）3.1在HDFS联邦架构中，NameNode拆分为多个________，每个管理一部分________。答案：NameSpaceVolume；BlockPool3.2SparkStreaming的批次间隔最小推荐值为________毫秒，若低于此值会导致________开销占比过高。答案：500；调度3.3在AWSGlobalAccelerator中，静态IP使用________协议任意播发布，实现全球________毫秒级故障切换。答案：Anycast；303.4在Flink的两阶段提交中，预提交阶段将状态写入________，提交阶段向________发送确认。答案：Checkpoint；外部系统3.5在Raft中，心跳超时随机范围通常设置为________ms到________ms，防止________。答案：150；300；选票瓜分3.6在ClickHouse中，________引擎支持更新删除，________引擎仅追加不可变。答案：MergeTree；Log3.7在数据治理中，________矩阵用于映射业务术语与技术元数据，________评分用于衡量数据质量。答案：血缘；DQ3.8在多云网络互联场景，________网关可实现AWSVPC与阿里云VPC的________层互通。答案：Transit；网络3.9在Serverless平台，冷启动延迟主要受________大小、________语言运行时影响。答案：镜像；编程3.10在差分隐私实现中，全局敏感度查询函数f的L1范数记为________，加入噪声分布为________。答案：Δf；Laplace(Δf/ε)4.判断题（每题1分，共10分；正确打“√”，错误打“×”）4.1在Hadoop3.x中，ErasureCoding默认策略RS-6-3-1024k的存储开销为50%。答案：√4.2Spark的RDD一旦缓存到MEMORY_AND_DISK级别，后续任意节点宕机都不会触发重算。答案：×4.3AWSIAM策略中，显式Deny优先级高于任何Allow。答案：√4.4在Kafka中，consumergrouprebalance触发时，所有consumer暂停拉取消息。答案：√4.5在BigQuery中，clustered表可以消除分区裁剪。答案：×4.6在Kubernetes中，ConfigMap大小上限为1MiB。答案：√4.7使用gRPC进行跨云调用时，HTTP/2多路复用可降低尾延迟。答案：√4.8在数据湖格式Iceberg中，删除文件采用AVRO格式保存行级删除向量。答案：√4.9在TensorFlowFederated中，FedAvg算法每轮通信上传完整模型参数，因此通信开销与模型大小无关。答案：×4.10在云原生安全最佳实践里，使用mTLS即可完全抵御中间人攻击，无需再校验证书链。答案：×5.简答题（共30分）5.1（封闭型，6分）简述MapReduce中“数据本地性”的三级优先级，并说明Hadoop3.x如何提升本地性。答案：（1）NODE_LOCAL：任务与数据在同一节点；（2）RACK_LOCAL：任务与数据在同一机架；（3）OFF_SWITCH：跨机架。Hadoop3.x通过Intra-DataNodeBalancing使单节点内多磁盘容量均衡，减少跨盘远程读；同时YARN的NodeManager增加延迟调度策略，等待本地容器释放，提高NODE_LOCAL比例。5.2（开放型，6分）某电商公司每日新增500GB日志，需保存2年，查询集中在近7天，请设计一套基于对象存储+数据湖的分析方案，要求成本低、查询快、Schema可演进。答案：（1）存储层：日志实时流入Kafka→Flink清洗→按日分区写入Iceberg表（Parquet），对象存储采用分层策略，7天内Standard，30天内IA，之后转入GlacierDeepArchive；（2）计算层：Trino/Presto通过Icebergconnector查询，利用分区裁剪+列式存储+min/max索引，7天内查询<5秒；（3）Schema演进：Iceberg支持向后兼容新增列，通过metadata.json版本管理；（4）成本：冷存储单价0.00099$/GB/月，2年总存储约180TB，冷数据占比90%，综合成本下降70%。5.3（封闭型，6分）说明Flink实现Exactly-Once语义的两阶段提交步骤，并指出与At-Least-Once相比的额外开销。答案：步骤：（1）JobManager触发checkpoint，barrier注入Source；（2）算子收到barrier后快照状态并向下游传递；（3）Sink预提交，将事务写入外部系统但未提交；（4）当所有算子报告checkpoint完成，JobManager通知Sink提交事务；（5）若失败则abort事务。额外开销：需要外部系统支持事务（如Kafka事务、两阶段提交协议）；checkpoint对齐增加延迟；barrier对齐时阻塞输入，吞吐下降约5%–10%。5.4（开放型，6分）某金融公司计划将核心Oracle数据库迁移至多云MySQL，需保证RPO<30秒、RTO<5分钟，请给出技术方案并评估限制。答案：（1）采用双云部署：主库在阿里云RDSMySQL8.0，备库在AWSRDSMySQL，通过自研解析AliyunDTS+AWSDMS实现双向并行复制；（2）复制链路：AliyunDTS抓取binlog→Kafka→AWSDMS消费写入，延迟<10秒；反向同理；（3）高可用：阿里云端使用PolarFS+三可用区，AWS端使用Multi-AZ；（4）切换：通过GlobalTrafficManager做DNS，5秒内探测失败，30秒内完成切换；（5）限制：双向复制需解决自增主键冲突，采用奇偶步长；事务级冲突检测需引入校验和补偿队列，增加开发复杂度；网络跨境带宽≥500Mbps，成本约每月2万元。5.5（封闭型，6分）列出三种降低云数据仓库查询冷启动延迟的方法，并比较其适用场景。答案：（1）结果缓存：BigQueryBIEngine将热点表缓存在内存，适合重复Dashboard查询，容量受限；（2）预启动计算池：Snowflake的Multi-clusterWarehouses保持最小节点数，适合峰值不定业务，增加成本；（3）物化视图：Redshift物化视图预计算Join/聚合，适合固定报表，但增加ETL维护量。6.计算与分析题（共30分）6.1（计算题，10分）某Spark作业处理1TBCSV文件，字段大小平均100字节，共10亿行。集群每台节点64GB内存、16核，使用默认HDFS块128MB。（1）估算输入分片数；（2）若转换为Parquet（Snappy压缩比0.3），新文件大小；（3）在Parquet下，Spark读取时可下推的过滤条件占原始数据10%，求实际扫描数据量；（4）若每个executor4核4GB，求最大并行executor数；（5）估算CPU耗时：每核处理速度50MB/s，忽略调度开销，求总耗时。答案：（1）1TB/128MB=8192个分片；（2）1TB×0.3=307.2GB；（3）307.2GB×10%=30.72GB；（4）单节点可起(64GB-4GB)/4GB=15executor，16核/4核=4executor，取min(15,4)=4，10节点共40executor；（5）总数据30.72GB=30720MB，40executor×4核=160核，吞吐160×50MB/s=8000MB/s，耗时30720/8000=3.84秒。6.2（分析题，10分）某视频公司使用AWSCloudFront+S3存储短视频，日均上传量5万条，平均大小100MB，热点遵循80/20法则：20%视频产生80%流量。请分析：（1）若只使用S3Standard，每月存储成本（0.023/G（2）引入CloudFront缓存命中率90%，回源率10%，带宽成本0.085$/GB，求每月流量成本；（3）给出成本优化方案并计算节省比例。答案：（1）存储：5万×100MB×30天=150TB，150×1024×0.023=3532.8/月（2）流量：150TB×0.8=120TB流出，CloudFront边缘命中90%，则回源12TB，带宽成本12×1024×0.085=1044.48$；（3）优化：将非热点80%视频30天后转入S3GlacierDeepArchive（0.00099/GB）6.3（综合题，10分）某市政府构建疫情防控大数据平台，需整合医院、交通、运营商、互联网码数据，日增数据量2TB，峰值QPS8万，要求秒级关联查询、权限细到字段级、可审计。请给出总体架构图文字描述，并说明关键技术选型理由。答案：架构：（1）采集层：医院HIS通过HL7→Kafka，交通摄像头图片通过边缘AI网关转结构化→Kafka，运营商信令通过gRPC→Kafka，互联网码通过HTTPSAPI→APIGateway→Kafka；（2）消息层：Kafka3.0集群跨3AZ，副本因子3，启用Idempotent+事务，保证Exactly-Once；（3）计算层：Flink1.16流处理，CEP规则引擎识别密接，双流Join（用户轨迹与确诊轨迹）窗口10秒；（4）存储层：a.热数据：ClickHouse集群按用户IDsharding，使用MergeTree+物化视图，提供秒级聚合；b.温数据：IcebergonOSS，Parquet+ZSTD，按天分区，支持Trino交互查询；c.冷数据：30天后转入Glacier，审计日志保留10年；（5）安全：a.字段级脱敏：Flink自定义UDF，身份证、手机号掩码；b.Ranger+ClickHouseplugin，列级授权；c.审计：Flink输出审计流到Elasticsearch，Kibana仪表盘；（6）查询：Grafana+TrinoJDBC，平均响应<3秒；（7）理由：Kafka保证高吞吐低延迟；Flink支持乱序事件与CEP；ClickHouse面向OLAP极致性能；Iceberg开放格式避免厂商锁定；Ranger统一权限。7.设计题（共20分）7.1（方案设计，20分）某跨国电商打算在阿里云+AWS双区域部署实时推荐系统，要求：•特征工程日处理1