2026年大数据与云计算职业资格考试题及答案

2026年大数据与云计算职业资格考试题及答案1.单项选择题（每题1分，共20分）1.1在HDFS中，默认的Block大小为A.32MB  B.64MB  C.128MB  D.256MB答案：C1.2下列哪一项最能准确描述云计算的“资源池化”特征？A.按使用量计费  B.多租户隔离  C.物理资源抽象为共享池  D.弹性伸缩答案：C1.3在Spark中，下列RDD操作属于“宽依赖”的是A.map  B.filter  C.union  D.groupByKey答案：D1.4某企业使用AWSS3存储冷数据，若期望取回时间可接受数小时，但成本最低，应选择A.S3Standard  B.S3Intelligent-Tiering  C.S3GlacierDeepArchive  D.S3OneZone-IA答案：C1.5在Kubernetes中，用于定义“期望副本数”的对象是A.Pod  B.Deployment  C.Service  D.ConfigMap答案：B1.6下列关于YARN资源调度器的描述，正确的是A.FIFO调度器支持队列层级  B.Capacity调度器默认队列间资源不可抢占C.Fair调度器可动态调整资源份额  D.以上都不对答案：C1.7在GoogleBigQuery中，查询嵌套字段price.amount的正确语法是A.SELECTprice.amountFROMt  B.SELECTprice[amount]FROMtC.SELECTprice:amountFROMt  D.SELECTprice->amountFROMt答案：A1.8下列哪项不是Serverless计算的典型特点？A.事件驱动  B.自动扩缩容  C.长连接常驻  D.按调用计费答案：C1.9在Flink中，Exactly-Once语义依赖的核心机制是A.异步快照（Checkpoint）  B.窗口累加器  C.背压机制  D.增量迭代答案：A1.10某云厂商提供“包年包月”计费方式，主要目的是A.降低财务预测难度  B.提升资源利用率  C.绑定长期客户  D.实现按秒计费答案：C1.11在HBase中，RowKey设计应避免A.散列随机  B.时间戳前缀  C.反转URL  D.加盐哈希答案：B1.12下列关于IPv6在云计算网络中的优势，错误的是A.地址枯竭问题缓解  B.无需NAT即可端到端通信C.报文头部更复杂导致性能下降  D.支持更灵活的地址自动配置答案：C1.13在多云灾备架构中，RPO=0意味着A.数据零丢失  B.切换时间零秒  C.成本为零  D.网络零延迟答案：A1.14使用Terraform管理基础设施时，状态文件默认命名为A.terraform.tf  B.main.tf  C.terraform.tfstate  D.variables.tf答案：C1.15在Kafka中，保证分区消息顺序消费的必要条件是A.单分区  B.单消费者组内单线程  C.启用压缩  D.设置acks=all答案：B1.16下列关于GPU虚拟化技术vGPU的描述，正确的是A.仅支持直通模式  B.不支持热迁移  C.可将物理GPU切分为多个实例  D.只能用于图形渲染答案：C1.17在Prometheus监控体系中，用于聚合查询的关键字是A.JOIN  B.GROUP  C.AGGR  D.BY答案：D1.18某企业使用AzureBlob存储，需要设置对象在30天后自动删除，应启用A.LifecycleManagement  B.SoftDelete  C.CORS  D.Snapshots答案：A1.19在数据湖架构中，下列哪一层负责统一元数据管理？A.Ingestion  B.Storage  C.Metadata  D.Serving答案：C1.20在Linuxcgroup中，用于限制内存用量的文件是A.cpu.shares  B.memory.limit_in_bytes  C.blkio.throttle.read_bps_device  D.net_cls.classid答案：B2.多项选择题（每题2分，共20分；多选少选均不得分）2.1下列属于Hadoop3.x新特性的有A.纠删码存储  B.YARN联邦  C.MapReduce内存自动扩容  D.支持GPU资源调度  E.支持ZSTD压缩答案：ABDE2.2关于云原生数据库PolarDB的共享存储架构，正确的有A.计算节点无状态  B.只读节点可横向扩展  C.redo日志在共享存储层回放D.支持MySQL与PostgreSQL双引擎  E.数据文件通过NFS挂载答案：ABCD2.3以下哪些操作会触发SparkDAG重新计算？A.对RDD调用collect  B.对RDD调用checkpoint  C.对RDD调用persist(StorageLevel.MEMORY_ONLY)D.对RDD调用map并再次count  E.对RDD调用repartition答案：ADE2.4在AWSWell-ArchitectedFramework的五大支柱中，包含A.成本优化  B.性能效率  C.安全  D.卓越运营  E.可靠性答案：ABCDE2.5下列关于Serverless容器服务（如AWSFargate）的描述，正确的有A.用户无需管理底层EC2  B.按vCPU-秒计费  C.支持挂载EFS持久存储D.支持GPU规格  E.启动时间通常低于200ms答案：ABC2.6在数据治理流程中，属于“数据质量”维度评估指标的有A.准确性  B.一致性  C.可用性  D.可追溯性  E.时效性答案：ABCE2.7下列属于KubernetesNetworkPolicy可控制的三层/四层要素的有A.PodSelector  B.NamespaceSelector  C.CIDR  D.port  E.HTTP头答案：ABCD2.8在多云网络互联场景中，可采用的链路加密技术有A.IPSecVPN  B.MACsec  C.TLS1.3  D.GREoverDMVPN  E.WireGuard答案：ABCE2.9下列关于DeltaLake的“时间旅行”查询，正确的有A.可通过VERSIONASOF语法  B.依赖Parquet列存格式  C.支持回滚到历史版本D.历史版本永久保留不自动清理  E.依赖事务日志答案：ABCE2.10在FinOps生命周期中，包含的阶段有A.通知  B.优化  C.运营  D.规划  E.归档答案：ABCD3.填空题（每空1分，共20分）3.1在HDFS的副本放置策略中，默认第一个副本放在________节点，第二个副本放在________机架的不同节点。答案：客户端本地；不同3.2在SparkSQL中，将DataFrame注册为临时视图的函数是________。答案：createOrReplaceTempView3.3阿里云OSS中，支持将对象回源到私有Bucket的触发方式称为________回源。答案：镜像3.4在Linux内核级容器隔离技术中，________命名空间用于隔离进程ID号。答案：PID3.5在FlinkCEP库中，模式序列后跟随“________”关键字表示严格连续。答案：next3.6AWSSnowballEdge设备在集群模式下最少需要________台才能组成高可用集群。答案：33.7在PromQL中，计算CPU使用率表达式rate(node_cpu_seconds_total{mode!="idle"}[5m])需要配合________关键字进行多核聚合。答案：by(instance)3.8在Kubernetes滚动更新策略中，maxUnavailable的默认值是________。答案：25%3.9在GoogleCloudIAM中，预定义的角色BigQueryDataEditor包含的权限级别为________访问。答案：读写3.10在数据湖格式Iceberg中，记录快照信息的元数据文件以________格式存储。答案：JSON3.11在MySQL组复制（MGR）中，保证分布式一致性的算法为________。答案：Paxos3.12在Serverless框架中，函数运行时可重用的临时目录路径为________。答案：/tmp3.13在AzureARM模板中，使用________函数可获取资源部署后的运行时属性。答案：reference3.14在Hadoop纠删码策略RS-6-3中，数据块与校验块的比例为________。答案：6:33.15在LinuxHugePage机制中，默认Page大小为________KB。答案：20483.16在KafkaConnect中，负责将源系统数据导入Kafka的组件角色称为________。答案：SourceConnector3.17在CI/CD流水线中，________测试阶段通常用于验证微服务间接口契约。答案：集成3.18在GPU直通模式下，VFIO驱动需要开启内核参数________。答案：intel_iommu=on3.19在Terraform中，使用________命令可生成执行计划但不实际应用。答案：plan3.20在数据安全分级中，GDPR将能够直接识别个人的数据称为________数据。答案：个人4.简答题（共6题，每题10分，共60分）4.1（封闭型）说明MapReduce中“Shuffle”阶段的具体流程，并指出可优化的两个参数。答案：（1）Map端：每个Map任务将输出结果根据分区函数（默认HashPartitioner）写入环形内存缓冲区，当阈值（mapreduce.map.sort.spill.percent，默认80%）达到时，启动溢写线程，将数据按分区排序后溢写到磁盘，生成溢写文件；若后续有Combiner则合并相同Key。（2）Copy阶段：Reduce任务通过HTTP向各Map节点拉取属于自己的分区数据，并发线程数由mapreduce.reduce.shuffle.parallelcopies控制（默认5）。（3）Merge阶段：将多个溢写文件/远程Copy文件进行多路归并，生成最终输入文件；归并因子由mapreduce.task.io.sort.factor控制（默认10）。可优化参数：1.mapreduce.map.sort.spill.percent：提高可减少溢写次数，降低磁盘I/O；2.mapreduce.reduce.shuffle.input.buffer.percent：调整内存比例，提高归并效率。4.2（开放型）某电商公司“618”大促期间，订单流量瞬间上涨20倍，系统基于Kubernetes+HorizontalPodAutoscaler（HPA）运行。请给出三种预防HPA“震荡”的治理策略，并说明利弊。答案：策略1：设置稳定窗口（--horizontal-pod-autoscaler-downscale-stabilization，默认5min），延长缩容判断时间，避免瞬时低谷导致过早缩容。利：简单有效；弊：资源闲置时间拉长，成本略增。策略2：采用自定义指标（如QPS、消息队列堆积量）替代CPU，降低CPU抖动带来的误判。利：更贴近业务；弊：需开发Exporter，增加维护成本。策略3：引入预测型Autoscaler（KEDA+PredictKube），基于历史数据提前扩容。利：提前预热，用户体验好；弊：预测误差可能导致过度扩容，浪费资源。4.3（封闭型）写出在AWSRDSMySQL中开启TDE（透明数据加密）的完整步骤，并说明加密密钥存储位置。答案：步骤：1.在KMS创建客户主密钥（CMK）；2.创建RDS参数组，设置encrypt参数为1；3.创建OptionGroup，添加MEDICAL_ENCRYPT选项；4.创建RDS实例时选择上述参数组与OptionGroup，并在“Encryption”选项勾选“Enableencryption”，选择刚创建的CMK；5.对已有实例需先创建加密快照，再还原为新加密实例。密钥存储：AWSKMS，CMK永不明文导出，RDS通过Envelope加密机制使用。4.4（开放型）某市政府将各委办局数据汇聚到统一数据湖，需满足《数据安全法》分类分级要求。请设计一套自动化的敏感数据识别与脱敏流水线，列出核心组件与数据流转过程。答案：核心组件：1.数据目录：ApacheAtlas+插件，自动爬取元数据；2.敏感数据识别：Presidio+正则+ML模型，支持身份证、地址、税号等；3.策略中心：OpenPolicyAgent，维护分级策略（公共、内部、机密、绝密）；4.脱敏引擎：基于Spark的动态脱敏库（如ARX），支持K-匿名、差分隐私；5.审计日志：Kafka→ElasticSearch，提供实时告警。数据流转：RawZone→识别任务（SparkJob）→标记敏感标签→策略中心返回脱敏规则→脱敏引擎生成CleanZone数据→Atlas更新血缘→审计日志记录操作人、时间、规则版本。4.5（封闭型）给出在Flink中实现“会话窗口”的Java代码片段，要求超时5分钟、允许延迟30秒，并说明触发器与累加器行为。答案：```javaDataStream<Event>stream=env.addSource(...);stream.keyBy(Event::getUserId).window(ProcessingTimeSessionWindows.withGap(Time.minutes(5))).allowedLateness(Time.seconds(30)).aggregate(newSessionAggFunc(),newSessionWindowFunc());```触发器：当会话间隔超过5分钟或水印到达窗口结束+30秒时触发；累加器：SessionAggFunc维护ListState，收集所有事件，输出会话起始时间、结束时间、事件数。4.6（开放型）某金融公司采用“两地三中心”架构，生产中心A、同城双活中心B、异地灾备中心C。若要求RPO<15秒、RTO<2分钟，请给出数据复制与切换方案，并评估成本与风险。答案：方案：1.数据层：A→B采用同步复制（MySQLGroupReplication，单主模式），RTT<1ms；A→C采用异步并行复制，BinlogServer压缩传输，带宽≥200Mbps；2.网络层：A-B使用DWDM裸光纤，双链路冗余；A-C使用IPSecVPN+专线混合；3.切换层：MHAManager部署在B中心，探测超时10秒，自动提升B节点为主，DNS通过云解析API秒级切换；4.验证：每季度进行真实流量演练，演练前通过数据库快照+流量镜像回放验证数据一致性。成本：专线费用约每年300万元，较纯异步方案增加40%；风险：同步复制可能带来性能抖动，需设置超时降级为半同步；若城市级灾难同时影响A、B，需人工介入C，预计RTO5分钟，可通过提高C节点规格、预置Ansible脚本进一步压缩。5.应用题（共4题，每题15分，共60分）5.1计算题某视频公司使用AWSCloudFront分发4K片源，平均文件大小1.2GB，月活用户500万，每人每天观看2部，请求命中率85%，回源带宽单价0.02USD/GB，CloudFront边缘流量单价0.053USD/GB。计算月度流量成本与回源成本，并给出提高命中率至90%后的节省金额。答案：月总流量=5×10⁶×2×30×1.2GB=360000000GB命中流量=360000000×0.85=306000000GB回源流量=360000000×0.15=54000000GB成本=306000000×0.053+54000000×0.02=16218000+1080000=17298000USD命中率90%时：回源流量=360000000×0.1=36000000GB成本=324000000×0.053+36000000×0.02=17172000+720000=17892000USD节省=17298000–17892000=–594000USD（即节省59.4万美元）。5.2分析题给定某电商订单表order（order_id,user_id,amount,ts），使用FlinkSQL统计“过去10分钟累计金额超过10000元的用户”，并输出报警。写出完整SQL与执行计划截图要点，并说明状态后端选型与TTL设置。答案：```sqlCREATETABLEorder(order_idSTRING,user_idSTRING,amountBIGINT,tsTIMESTAMP(3),WATERMARKFORtsAStsINTERVAL'5'SECOND)WITH(...);SELECTuser_id,SUM(amount)astotalFROMorderGROUPBYuser_idHAVINGSUM(amount)>10000;```执行计划：GroupAggregate(groupBy=[user_id],select=[user_id,SUM(amount)AStotal])└─Calc(select=[user_id,amount])└─TableSourceScan(...)]状态后端：RocksDBStateBackend，设置状态TTL15分钟（>10分钟窗口+允许迟到5分钟），避免状态无限增长。5.3综合设计题设计一个“基于Kubernetes+KubeEdge的工业视觉质检”边缘云协同方案，要求：1.边缘节点ARM64，算力有限；2.模型大小300MB，更新频率每周；3.推理延迟<100ms；4.支持离线运行24小时。给出架构图文字描述、模型下发与版本管理流程、资源调度策略、数据回流与联邦学习机制。答案：架构：云侧：KubeEdgeCloudCore+ModelHub+Harbor（ARM64镜像）+联邦学习控制器；边缘：EdgeCore+MQTTBroker+InferenceService（TensorRTLite，量化后模型80MB）；相机通过gRPC本地调用边缘Pod，推理结果缓存至EdgeSQLite，批量加密上传S3。下发流程：1.训练完毕触发CI，生成ONNX→TensorRTLite，推送到Harbor；2.KubeEdgeDeviceController创建ModelCRD，携带镜像digest；3.EdgeCore监听CRD，调用Containerd拉取差分层（约15MB），热替换InferenceService容器，零停机。调度策略：节点标签：feature.no