2026大数据培训考试题（含参考答案）

2026大数据培训考试题（含参考答案）满分100分，考试时间90分钟

题型：单选、多选、判断、简答、案例分析一、单项选择题（每题2分，共20分）大数据4V特征不包含（）

A.Volume大量B.Velocity高速C.Virtual虚拟化D.Variety多样HDFS默认数据副本数量是（）

A.1B.2C.3D.4Spark核心抽象RDD中文全称是（）

A.弹性分布式数据集B.关系数据集C.实时数据集D.内存数据库用于日志数据采集的工具是（）

A.SqoopB.FlumeC.HiveD.HBaseHadoop中负责资源调度管理的组件是（）

A.HDFSB.YARNC.MapReduceD.Zookeeper下面属于无监督聚类算法的是（）

A.逻辑回归B.K‑MeansC.决策树D.SVM列式NoSQL数据库HBase底层存储依赖（）

A.HDFSB.MySQLC.RedisD.MongoDB适合实时流数据处理框架（）

A.MapReduceB.FlinkC.HiveD.Sqoop下面属于数据湖特点的是（）

A.只存结构化清洗后数据B.存储原始多格式数据C.严格预定义SchemaD.主要用于报表CAP定理中C代表（）

A.分区容错B.可用性C.一致性D.并发单选答案：1.C2.C3.A4.B5.B6.B7.A8.B9.B10.C二、多项选择题（每题3分，共30分，多选少选不得分）Hadoop三大核心组件（）

A.HDFSB.YARNC.MapReduceD.SparkSpark生态包含以下哪些组件（）

A.SparkSQLB.SparkStreamingC.MLlibD.GraphX大数据数据预处理包含哪些步骤（）

A.数据清洗B.数据集成C.数据转换D.数据规约属于NoSQL数据库的有（）

A.MongoDBB.HBaseC.RedisD.Oracle下列属于大数据采集来源（）

A.日志文件B.传感器设备C.API接口D.关系数据库数据清洗处理缺失值常用方法（）

A.删除记录B.均值填充C.中位数填充D.随机数填充下面属于离线批处理技术（）

A.MapReduceB.HiveC.SparkCoreD.Flink实时Zookeeper主要作用（）

A.配置管理B.集群协调C.主节点选举D.海量业务数据存储大数据应用场景（）

A.金融风控B.用户画像C.工业物联网D.政务数据分析下面哪些是数据可视化工具（）

A.TableauB.EChartsC.SupersetD.HBase多选答案：

1.ABC2.ABCD3.ABCD4.ABC5.ABCD

6.ABC7.ABC8.ABC9.ABCD10.ABC三、判断题（每题2分，共20分，正确√，错误×）HDFS适合多次写入、多次修改文件。（）RDD是弹性分布式数据集，不可直接修改。（）数据仓库一般存储清洗加工后的数据；数据湖存储原始数据。（）Sqoop工具主要实现关系数据库和HDFS之间数据导入导出。（）K‑Means属于监督学习算法。（）Hive不是数据库，是基于Hadoop的数据仓库工具。（）宽依赖会产生Shuffle，性能开销较大。（）CAP定理三者可以同时完全满足。（）价值密度低是大数据典型特征，海量数据中有效信息少。（）Flume的agent由source、channel、sink三部分组成。（）判断答案：

1.×2.√3.√4.√5.×

6.√7.√8.×9.√10.√四、简答题（每题6分，共18分）简述大数据和传统数据库处理的区别。参考答案：

①数据规模：大数据TB‑PB级海量；传统数据库GB级别。

②数据类型：大数据支持结构化、半结构化、非结构化；传统以结构化为主。

③处理方式：大数据分布式并行计算；传统单机集中式。

④时效：支持离线批处理+实时流处理；传统多为离线。

⑤硬件：大数据可运行普通廉价服务器；传统对硬件要求高。简述HDFS主从架构中NameNode与DataNode各自职责。参考答案：

NameNode（主节点）：管理元数据（文件名、目录、块位置）；接收客户端读写请求；分配数据块；管理副本策略。

DataNode（从节点）：实际存储数据块；执行读写；定期上报块状态给NameNode。什么是RDD懒加载机制？参考答案：RDD转换算子（map、filter等）不会立刻执行计算，只记录操作依赖；只有遇到行动算子（count、collect、save）才触发真正任务计算。优点减少中间结果IO，优化执行流程。五、案例分析题（12分）某互联网公司需要采集服务器日志，进行实时统计用户访问行为。

现有技术组件：Flume、Kafka、Flink、HDFS、Hive。设计一条数据处理链路；简单说明每个组件作用。参考答案：

采集链路：服务器日志→Flume采集→Kafka消息队列→Flink实时计算→结果写入HDFS/Hi