2026年(数据中台工程师)数据中台技术试题及答案

2026年(数据中台工程师)数据中台技术试题及答案一、单项选择题（每题2分，共20分。每题只有一个正确答案，请将正确选项字母填在括号内）1.在数据中台的分层架构中，负责统一数据口径与质量校验的层级是（）A.ODS层  B.DWD层  C.DWS层  D.ADS层答案：B2.下列关于Hive与SparkSQL的描述，正确的是（）A.Hive仅支持MapReduce引擎  B.SparkSQL无法读取Hive元数据C.Hive3.0已支持LLAP实时查询  D.SparkSQL默认使用Tez引擎答案：C3.在Kafka2.8版本之后，如不使用ZooKeeper，则依赖的仲裁服务组件为（）A.ControllerQuorum  B.KRaftQuorum  C.ZooKeeperObserver  D.BrokerEnsemble答案：B4.某表主键为user_id，现需按user_id做分桶，同时保证同一user_id数据仅落入同一桶，应选择的分桶算法为（）A.Hash(user_id)modN  B.Round-Robin  C.Range(user_id)  D.Random答案：A5.在Flink中，将流式表转换为动态表并注册到Catalog的API调用顺序为（）A.createTemporaryView→fromDataStream→toDataStreamB.fromDataStream→createTemporaryView→toDataStreamC.toDataStream→fromDataStream→createTemporaryViewD.createTemporaryView→toDataStream→fromDataStream答案：B6.某企业采用DataX同步MySQL数据到HDFS，当源表新增列时，为保证同步任务不中断，需在JSON配置文件中添加的参数是（）A."column":[""]  B."isSyncNewColumn":trueA."column":[""]  B."isSyncNewColumn":trueC."dynamicColumn":true  D."column":["id","newCol"]答案：A7.在数据资产目录中，为字段打上“PII”标签的最主要目的是（）A.优化查询性能  B.支持数据脱敏策略C.降低存储成本  D.提升数据压缩率答案：B8.使用StarRocks构建宽表模型时，能够最大限度减少Join操作的表类型是（）A.明细表  B.聚合表  C.更新表  D.主键表答案：D9.在数据血缘解析中，SQL语句“INSERTOVERWRITETABLEads_userSELECTFROMdws_user”体现的血缘关系是（）9.在数据血缘解析中，SQL语句“INSERTOVERWRITETABLEads_userSELECTFROMdws_user”体现的血缘关系是（）A.物理血缘  B.逻辑血缘  C.业务血缘  D.反向血缘答案：B10.当数据中台采用多活架构时，为规避脑裂问题，通常引入的分布式协调算法是（）A.Bully  B.Raft  C.Paxos  D.2PC答案：B二、多项选择题（每题3分，共15分。每题至少有两个正确答案，多选、少选、错选均不得分）11.下列属于数据治理核心域的有（）A.元数据管理  B.主数据管理  C.数据生命周期管理  D.集群资源调度答案：A、B、C12.关于DeltaLake的特性，正确的有（）A.支持ACID事务  B.提供TimeTravel语法C.仅支持Parquet格式  D.通过Log文件保证一致性答案：A、B、D13.在数据质量监控规则中，属于业务规则类型的有（）A.唯一性校验  B.值域校验  C.同比波动阈值  D.主外键一致性答案：B、C14.使用FlinkCDC同步MySQLbinlog时，为提高吞吐量可采取的措施有（）A.开启并行度  B.使用Debezium心跳机制C.增大binlogretention  D.采用增量快照算法答案：A、B、D15.以下关于数据沙箱的描述，正确的有（）A.提供隔离环境  B.支持敏感数据脱敏C.可直接修改生产数据  D.通常具备审计功能答案：A、B、D三、填空题（每空2分，共20分）16.在HDFS联邦架构中，通过__________机制实现NameNode横向扩展，解决单NameNode内存瓶颈。答案：BlockPool17.FlinkSQL中，设置状态过期时间的参数为__________。答案：table.exec.state.ttl18.数据资产盘点常用的国际标准是__________，其最新版本为ISO__________。答案：ISO8000；8000-2:202219.当使用Hudi进行流式Upsert时，若记录键为复合键，需在DDL中用__________语法声明。答案：PRIMARYKEY(col1,col2)NOTENFORCED20.在数据网格（DataMesh）范式中，领域数据产品必须自包含__________、__________、__________三大要素。答案：代码、数据、元数据21.StarRocks的__________模型可支持高并发点查，其底层索引结构为__________。答案：主键；前缀索引22.数据血缘可视化常用的图数据库引擎为__________，其查询语言是__________。答案：Neo4j；Cypher四、判断题（每题1分，共10分。正确打“√”，错误打“×”）23.Iceberg的隐藏分区（HiddenPartitioning）特性可以减少用户误用分区列的风险。（√）24.在Kafka中，Producer的acks参数设为0时，可保证消息不丢失。（×）25.数据目录（DataCatalog）与元数据管理（MetadataManagement）是同一概念的不同表述。（×）26.使用SparkDynamicAllocation时，Executor数量可由Spark根据负载自动增减。（√）27.在数据治理成熟度模型中，第4级为“已管理级”，第5级为“优化级”。（√）28.Hudi的COW表每次写入都会生成新的Base文件，因此适合高频更新场景。（×）29.数据资产估值的“成本法”将历史开发成本直接等同于当前市场价值。（×）30.Flink的Checkpoint屏障（Barrier）是Chandy-Lamport算法的实现。（√）31.在数据安全分级中，级别越高，脱敏算法强度越低。（×）32.DataWorks的“基线”功能主要用于保障数据产出时间SLA。（√）五、简答题（封闭型，每题8分，共24分）33.简述数据中台“OneData”体系的核心原则，并给出两项落地措施。答案：核心原则：统一数据建设、统一数据标准、统一数据服务、统一数据资产。落地措施：1.制定企业级数据标准，建立标准审核流程，所有ODS→DWD字段必须引用标准字典；2.构建统一指标平台，指标定义经数据委员会评审后锁定，任何BI工具必须通过指标平台API获取口径。34.说明Flinkexactly-once语义实现的关键技术点，并指出与at-least-once的差异。答案：关键技术：1.分布式快照（Checkpoint）机制，通过Barrier对齐实现全局一致性；2.状态后端（RocksDBStateBackend）支持异步快照；3.两阶段提交（2PC）Sink，预提交阶段刷写外部系统，确认阶段提交事务。差异：exactly-once在故障恢复时不会重复写入外部系统，而at-least-once可能因重放导致重复，需要下游幂等或去重。35.列举三种主流数据湖格式（Delta、Iceberg、Hudi）在更新场景下的性能差异，并给出选型建议。答案：Delta：Copy-On-Write（COW）写放大高，适合低频更新；Iceberg：支持行级更新但需重写文件，适合准实时；Hudi：提供Merge-On-Read（MOR），写性能高，读需合并Log，适合高频Upsert。选型：更新频率>10min⁻¹选HudiMOR；更新频率<1min⁻¹且需TimeTravel选Delta；多引擎兼容且分区演化强需求选Iceberg。六、简答题（开放型，每题10分，共20分）36.某电商公司大促期间，实时GMV指标延迟从2分钟突增至10分钟，请给出系统性排查与优化方案。答案：1.监控：检查FlinkBackpressure、Checkpoint时长、Kafkalag、CPU/IO；2.定位：发现Kafka单分区热点，导致某TaskManager负载高；3.优化：a.重分区，按店铺IDkeyBy替代用户ID，打散热点；b.并行度由200提至400，并开启FlinkAdaptiveScheduler；c.使用MiniBatch聚合，缓存1s微批，减少状态访问；d.RocksDBStateBackend启用增量快照，本地SSD盘；4.验证：压测QPS提升3倍，延迟降至30s；5.长效：建立大促压测基线，指标平台自动告警延迟>5min。37.讨论在“数据要素流通”政策背景下，数据中台如何平衡数据开放与隐私保护，提出可落地的技术架构。答案：技术架构：1.数据分级分类：按《个人信息保护法》将数据分为公开、内部、敏感、核心四级；2.隐私计算层：引入联邦学习、多方安全计算（MPC）、差分隐私，确保“数据不动模型动”；3.数据沙箱：提供可信执行环境（TEE），外部用户可提交算法，数据不出域；4.区块链审计：将数据调用日志上链，确保授权、用数、审计全流程可追溯；5.收益分配：基于智能合约按数据贡献度自动结算，激励数据提供方；6.合规管控：引入数据使用协议模板，API网关自动核验调用方资质与剩余额度。七、应用题（综合类，共41分）38.数据模型设计（15分）背景：某视频平台需构建DWS层宽表，统计每日视频播放情况，需求如下：维度：日期、用户、视频、设备类型、省份；度量：播放次数、播放时长、完播次数、点赞次数；数据量：日活1亿，日均播放记录80亿条；查询场景：a.某视频近30天每日播放趋势；b.某省份Top100视频；c.用户播放时长分布（0-30s、30-60s、>60s）。要求：1.给出星型或雪花模型逻辑图（文字描述即可）；2.写出DWS层宽表建表语句（StarRocks语法），含分区、分桶、索引；3.说明为何选择该模型及性能预估。答案：1.模型：星型，事实表dws_play_di，维表dim_user、dim_video、dim_device、dim_province；2.建表：```sqlCREATETABLEdws_play_di(dtDATE,user_idBIGINT,video_idBIGINT,device_typeSTRING,provinceSTRING,play_cntBIGINTSUM,play_duration_msBIGINTSUM,complete_cntBIGINTSUM,like_cntBIGINTSUM,INDEXidx_video(video_id)USINGBITMAP)ENGINE=OLAPAGGREGATEKEY(dt,user_id,video_id,device_type,province)PARTITIONBYRANGE(dt)(START("2026-01-01")END("2026-12-31")EVERY(INTERVAL1DAY))DISTRIBUTEDBYHASH(video_id)BUCKETS32768PROPERTIES("replication_num"="3","compression"="zstd");```3.理由：AGGREGATEKEY预聚合，减少80亿→1亿行；按video_id分桶，查询a、b可桶裁剪；bitmap索引加速video_id过滤；日分区支持快速删除；32768桶使单桶约3万行，点查<50ms。39.数据质量监控方案设计（12分）背景：上游MySQL订单表order_info同步到数据湖，出现金额字段异常负值，导致GMV指标失真。要求：1.设计一套实时+离线双层监控规则；2.给出规则配置样例（JSON或YAML）；3.说明异常告警与自动熔断机制。答案：1.实时：FlinkCEP监控流，负金额事件>5笔触发告警；离线：每日DataQuality任务扫描分区，异常占比>0.1%触发。2.配置：```yamlrealtime:rule_id:R001metric:negative_amountsql:"SELECTCOUNT()FROMorder_streamWHEREamount<0"sql:"SELECTCOUNT()FROMorder_streamWHEREamount<0"threshold:5window:1_minuteoffline:rule_id:R002metric:negative_ratiosql:"SELECTSUM(CASEWHENamount<0THEN1ELSE0END)/COUNT()FROMorder_infoWHEREdt='"sthreshold:0.001action:suspend_task```3.告警：钉钉+电话，附带样本数据；熔断：调用AirflowAPI暂停下游GMV任务，写入Redash标注“数据质量异常”，待人工确认后重跑。40.性能调优计算题（14分）背景：某Spark批任务处理ORC文件2T