2026年大数据与云计算技术应用考试试题及答案

2026年大数据与云计算技术应用考试试题及答案1.单项选择题（每题2分，共20分）1.1在Hadoop3.x版本中，默认的块大小为A.32MB  B.64MB  C.128MB  D.256MB答案：C1.2下列哪一项不是AWSWell-ArchitectedFramework的五大支柱之一A.成本优化  B.性能效率  C.敏捷交付  D.可靠性答案：C1.3某Spark作业设置spark.sql.shuffle.partitions=400，最终产生结果文件300个，其最可能原因是A.数据倾斜  B.使用了coalesce(300)C.使用了repartition(500)D.启用了动态分区裁剪答案：B1.4在GoogleCloudStorage中，提供跨区域强一致性的访问控制层是A.CloudIAM  B.BucketLock  C.Uniformbucket-levelaccess  D.ObjectLifecycleManagement答案：C1.5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.日志提交必须由Leader完成  C.Follower可以主动发起日志复制  D.选举超时时间固定为150ms答案：B1.6某企业使用AzureDataLakeStorageGen2，若要实现文件级别的审计日志，应启用A.AzureMonitor  B.DiagnosticSettings中的Blob日志  C.LogAnalyticsWorkspace  D.StorageAnalyticsMetrics答案：B1.7在Kubernetes中，用于实现Pod跨节点反亲和性的字段是A.nodeAffinity  B.podAffinity  C.podAntiAffinity  D.taints答案：C1.8下列关于DeltaLake的“TimeTravel”特性，错误的是A.可通过VERSIONASOF语法查询历史版本  B.默认保留30天历史  C.历史版本占用额外存储  D.可通过VACUUM命令物理删除旧文件答案：B1.9在Flink中，当checkpointing间隔为30s，作业失败恢复后发现lastCompletedCheckpoint=1001，则作业恢复点对应的时间戳为A.作业启动时间+30s×1001  B.作业启动时间+30s×1000  C.无法确定，需查看checkpoint元数据  D.作业启动时间+30s×999答案：C1.10某云原生数据仓库采用列存+向量化执行，其ORC文件StripeSize设置为256MB，主要影响A.网络I/O次数  B.单条记录大小  C.聚合查询延迟  D.NameNode内存占用答案：C2.多项选择题（每题3分，共15分；多选少选均不得分）2.1以下哪些组件属于Hadoop3.xYARN的ResourceManager高可用方案A.ZooKeeper  B.EmbeddedElector  C.StateStore  D.JobHistoryServer  E.NodeManager答案：A、B、C2.2关于Serverless计算，下列说法正确的有A.用户无需预留实例  B.计费粒度可到毫秒  C.冷启动一定小于10ms  D.支持自动横向扩展  E.适合长连接TCP服务答案：A、B、D2.3在AWSGlueDataCatalog中，以下哪些操作会触发元数据版本号递增A.ALTERTABLEADDPARTITION  B.MSCKREPAIRTABLE  C.UPDATETABLESETLOCATION  D.GRANTSELECTONTABLE  E.DROPPARTITION答案：A、C、E2.4下列属于云原生可观测性“三大支柱”的有A.Traces  B.Profiles  C.Metrics  D.Logs  E.Alerts答案：A、C、D2.5使用Terraform管理多云资源时，以下哪些命令会访问远端stateA.terraformplan  B.terraformvalidate  C.terraformapply  D.terraformrefresh  E.terraformfmt答案：A、C、D3.填空题（每空2分，共20分）3.1在Spark3.4中，自适应查询执行（AQE）默认将spark.sql.adaptive.coalescePartitions.minPartitionNum设置为________。答案：13.2GoogleBigQuery中，每导入1TB数据到分区表，若采用WRITE_TRUNCATE写入模式，最小计费数据量为________GB。答案：103.3某Kafka集群设置offsets.topic.replication.factor=5，则__consumer_offsets主题每个分区在ISR列表中至少需存在________个副本才能提交offset。答案：33.4在Linuxcgroupv2中，对CPU最大带宽限制的文件节点为________。答案：cpu.max3.5某企业使用Terraformworkspace，命令terraformworkspacelist可列出当前配置后端中所有工作区，结果中当前工作区名称前标记符号为________。答案：答案：3.6在FlinkSQL中，将流式表转换为动态表并注册为视图的语法关键字为________。答案：CREATEVIEW3.7某对象存储桶启用S3ObjectLock的Compliance模式，文件保护期为“1year”，则在保护期内即使root账户也无法通过________操作删除对象。答案：DELETE3.8在Kubernetes1.29中，HorizontalPodAutoscalerv2的metrics字段中，类型为Resource时，默认指标名称为________。答案：cpu3.9使用AzureSynapseAnalytics无服务器SQL池查询Parquet文件时，若文件包含1000个小文件，总大小2GB，则查询引擎会生成________个DMS分区。答案：10003.10在HDFSEC（纠删码）策略RS-6-3-1024k中，数据块与校验块的比例为________。答案：6:34.判断题（每题1分，共10分；正确打“√”，错误打“×”）4.1在AWSAthena中，使用CTAS语句创建的新表默认采用Parquet格式且压缩算法为SNAPPY。答案：√4.2在SparkStructuredStreaming中，Complete模式必须调用watermark函数才能输出结果。答案：×4.3在GoogleCloudDataflow中，用户可通过设置--enableStreamingEngine参数启用流式引擎以自动扩展工作节点。答案：√4.4某Delta表执行OPTIMIZE命令后，文件数量一定减少。答案：×4.5在Linux内核5.x中，cgroupv1与v2可以混合挂载在同一目录下。答案：×4.6使用AzureBlob存储的HotTier访问层时，读取延迟始终低于CoolTier。答案：√4.7在Flink中，Checkpointbarrier对齐过程会导致Exactly-Once语义下的延迟增加。答案：√4.8在HBase2.5中，RegionServer宕机后，其上的WAL文件可由Master自动分割并回放。答案：√4.9在Terraform中，resource与data源可以循环引用，只要变量解析在apply阶段完成即可。答案：×4.10在Kubernetes中，ConfigMap大小上限为1MB，超过后需拆分为多个ConfigMap。答案：√5.简答题（封闭型，每题6分，共18分）5.1简述Hadoop3.x引入的YARNFederation架构中，Router与StateStore的职责差异。答案：Router负责接收客户端提交的应用程序请求，根据分片策略将请求路由到子集群；StateStore持久化存储子集群的元数据、心跳信息及应用程序状态，供Router查询以实现路由决策。5.2说明在AWSGlue作业中，使用Glue4.0运行时相比Glue3.0在Spark版本及Python库支持上的两点主要升级。答案：Glue4.0升级至Spark3.3（Glue3.0为Spark3.1），并默认提供Python3.9运行时，同时内置Pandas1.5、NumPy1.23等新版数据科学库。5.3列举Kubernetes中Pod级别的三种QoS类别，并给出每种类别在节点资源紧张时的驱逐优先级顺序。答案：Guaranteed、Burstable、BestEffort；驱逐顺序从高到低为BestEffort→Burstable→Guaranteed。6.简答题（开放型，每题8分，共16分）6.1某电商公司每日新增500GB用户行为日志，需构建低成本、可扩展的实时推荐特征仓库。请给出基于云原生组件的技术选型，并说明理由。答案：采用Kafka+Flink+Iceberg+S3组合。Kafka承担高吞吐日志缓冲；Flink完成实时特征计算，支持Exactly-Once；IcebergonS3提供事务性、低成本存储，支持ACID及SchemaEvolution；S3深度归档层降低长期存储成本；通过FlinkSQL直接读写Iceberg，简化开发。6.2某金融企业计划将本地Hadoop集群迁移至Azure，要求停机窗口小于2小时，且支持回滚。请设计迁移流程并指出关键风险控制点。答案：流程：1）使用AzureDataFactory+DistCp做全量数据预同步；2）基于AzureDatabaseMigrationService同步HiveMetastore；3）利用AzureHDInsight或Synapse创建并行集群；4）切换前通过增量DistCp同步最后2小时数据；5）流量灰度切换，保留原集群7天。风险控制：增量同步延迟监控、Metastore版本一致性校验、网络带宽QoS保障、回滚DNSTTL提前调低。7.计算题（共21分）7.1（7分）某Spark批处理作业输入数据1TB，存储于HDFS（块大小128MB），采用Spark3.3默认并行度公式。求理论最大分区数，并说明若发现实际分区数为8192，可能的调优动作。答案：默认并行度=max(128MB×2,128MB)=256MB；1TB/256MB≈3900分区。若出现8192分区，说明上游小文件过多，应使用合并小文件策略（如HDFSconcat、Spark加载时添加.coalesce(3900)或AQE自动合并）。7.2（7分）某Kafka集群共6broker，单broker磁盘12×8TB，副本因子3，保留7天。假设每日摄入原始日志2TB，压缩比0.3，计算集群可支持的最大日摄入量（保留磁盘余量20%）。答案：可用磁盘=6×12×8×0.8=460.8TB；单副本7天数据=2×7=14TB；三副本=42TB；最大日摄入量=460.8/42×2≈21.9TB。7.3（7分）某云函数（1vCPU，2GB内存）处理图片缩略图，平均执行时间500ms，月调用1亿次，AWSLambda计费公式：请求0.20/答案：请求费=100×0.2=20美元；持续时间=0.5s×2GB×1亿=1亿GB-s；持续费=1亿×0.0000166667≈1666.67美元；总费用≈1686.67美元。8.综合分析题（共30分）8.1（15分）背景：某视频平台采用多区域部署，总日活5000万，平均每分钟上传视频3万条，单条视频200MB。要求：1）上传链路支持断点续传；2）转码任务优先级可动态调整；3）全球边缘节点可在15分钟内完成热门视频预热。请给出整体架构图（文字描述），并说明关键技术选型与数据一致性策略。答案：架构：客户端→CloudFront边缘→S3Multi-PartUpload（支持断点续传）；上传完成事件触发Lambda→SQS优先级队列→EKS转码集群（使用Karpenter自动伸缩）；转码后输出至S3，通过CloudFrontOriginShield预热。优先级：SQS提供高/中/低三级队列，转码Worker根据队列权重动态调整并发。一致性：S3强一致性保证上传立即可见；转码结果通过Dy