2026年计算机四《数据工程师》试题(附答案)

2026年计算机四《数据工程师》试题(附答案)一、单项选择题（共15题，每题2分，共30分。每题只有1个正确答案，多选、错选、不选均不得分）1.下列关于湖仓一体架构核心特性的描述，正确的是（）A.仅支持结构化数据的事务性写入和查询B.整合了数据湖的低成本存储能力和数据仓库的事务管理能力C.必须依托公有云基础设施才能部署D.仅支持批处理查询，不支持实时流写入2.数据编织（DataFabric）与传统数据集成方案的核心差异在于（）A.仅支持结构化数据的集成B.依赖人工配置映射规则实现数据集成C.以主动元数据为核心驱动，实现数据自动发现、集成和服务D.只能在同构系统之间实现数据集成3.某企业需要搭建实时数仓，要求存储层支持流批统一读写、ACID事务、增量快照查询，下列存储组件中最优选型是（）A.HDFSB.ApachePaimonC.RedisD.MongoDB4.下列数据质量问题中，属于一致性维度问题的是（）A.用户表中10%的用户手机号字段为空B.订单表中存在订单金额为负数的记录C.同一个用户ID在用户表和会员表中的会员等级不一致D.物流表中物流更新时间比订单创建时间早3天5.两家银行需要联合构建信贷风控模型，双方的用户重叠度达80%，但各自拥有的用户特征维度完全不同，该场景下最适合采用的联邦学习类型是（）A.横向联邦学习B.纵向联邦学习C.联邦迁移学习D.强化联邦学习6.大模型在元数据管理场景中，自动为技术元数据匹配业务标签的核心能力基础是（）A.海量参数的记忆能力B.自然语言理解与语义匹配能力C.代码生成能力D.逻辑推理能力7.某银行核心交易系统需要选型分布式数据库，要求交易过程中数据强一致、分区故障时业务可降级但不能出现数据不一致，该场景下优先满足CAP理论中的哪两个特性（）A.一致性、可用性B.可用性、分区容错性C.一致性、分区容错性D.三者必须同时满足8.某企业需要对PB级的非结构化日志数据做预处理，要求处理成本低、弹性扩展能力强，下列数据处理模式最优的是（）A.ETLB.ELTC.流式实时处理D.批量离线处理9.数据血缘的核心作用不包括下列哪一项（）A.排查数据质量问题的根因B.评估字段变更的影响范围C.追溯数据的全生命周期流向D.实现数据的加密存储10.某工业物联网平台需要每秒存储10万条设备指标数据，要求支持降采样、时间范围聚合查询、存储成本低，下列数据库最优选型是（）A.MySQLB.ApacheIoTDBC.HBaseD.Elasticsearch11.下列元数据类型中，不属于数据目录（DataCatalog）核心管理范畴的是（）A.技术元数据B.业务元数据C.算力资源元数据D.操作元数据12.某企业有10PB的历史归档数据，年平均访问频率低于1次，要求存储成本最低，下列存储介质最优选型是（）A.SSD硬盘B.SATA硬盘C.对象存储D.磁带库13.某企业需要对用户身份证号做脱敏处理，要求保留前6位行政区划码和后4位校验位，中间8位生日信息隐藏，下列脱敏算法最优的是（）A.哈希脱敏B.掩码脱敏C.加密脱敏D.随机替换脱敏14.流批一体架构的核心设计目标是（）A.用同一套计算资源同时运行流任务和批任务，提升资源利用率B.使用同一套代码实现流计算和批计算逻辑，保证数据口径一致C.用流计算替代所有批计算任务，降低计算延迟D.用批计算替代所有流计算任务，降低计算成本15.采用成本法对数据资产进行估值的核心计算逻辑是（）A.统计数据资产为业务带来的增量收益B.统计数据采集、存储、加工、治理全流程的累计投入成本C.参考同行业同类型数据资产的交易价格D.按数据存储量的大小乘以单位存储成本二、多项选择题（共10题，每题3分，共30分。每题有2个及以上正确答案，多选、少选、错选、不选均不得分）1.下列属于湖仓一体架构核心能力的有（）A.支持结构化、半结构化、非结构化数据的统一存储B.支持ACID事务，保证数据写入的一致性C.支持流批统一读写，满足实时和离线场景需求D.支持存算分离架构，实现资源弹性扩缩E.仅支持SQL查询接口，不支持第三方编程语言访问2.下列属于企业数据治理核心流程的有（）A.元数据管理B.数据质量管控C.数据安全合规管理D.数据生命周期管理E.大模型微调3.下列属于实时数仓标准分层的有（）A.ODS实时原始层B.DWD实时明细层C.DWS实时汇总层D.ADS实时应用层E.冷数据归档层4.下列属于隐私计算主流技术路径的有（）A.联邦学习B.安全多方计算C.差分隐私D.同态加密E.数据脱敏5.下列属于大模型在数据工程领域的落地应用场景的有（）A.自动生成ETL/ELT处理代码B.自动为元数据匹配业务标签C.自动生成数据质量校验规则D.实现自然语言转SQL查询E.实现分布式任务的自动调度6.下列属于分布式数据库常见数据分片策略的有（）A.哈希分片B.范围分片C.列表分片D.复合分片E.串行分片7.下列属于数据质量监控常见触发方式的有（）A.定时触发B.事件触发C.流式触发D.阈值触发E.随机触发8.下列属于数据血缘常规覆盖粒度的有（）A.表级血缘B.字段级血缘C.任务级血缘D.SQL级血缘E.硬件级血缘9.下列属于存算分离架构核心优势的有（）A.存储资源和计算资源可独立弹性扩缩B.降低存储成本，冷温热数据可分层存储C.提升资源利用率，避免资源闲置D.降低网络传输开销，提升查询性能E.支持多计算引擎共享同一套存储数据10.下列属于国内数据合规相关法律法规的有（）A.《中华人民共和国数据安全法》B.《中华人民共和国个人信息保护法》C.《中华人民共和国网络安全法》D.《数据出境安全评估办法》E.《软件工程国家标准规范》三、判断题（共5题，每题2分，共10分。正确填√，错误填×）1.湖仓一体架构中，数据湖存储的原始数据可直接提供给业务人员做自助分析，不需要经过数据清洗和口径统一。（）2.数据编织的核心是通过主动元数据驱动，实现数据的自动发现、集成和服务，可大幅降低人工配置数据集成规则的成本。（）3.联邦学习建模过程中，所有参与方的原始数据不会离开本地，仅交换加密后的中间计算结果，不会泄露原始数据。（）4.流批一体架构中，流计算和批计算的延迟要求差异较大，因此无法使用统一的存储层实现数据共享。（）5.数据资产的价值仅与数据存储量大小相关，与数据质量、应用场景无关。（）四、简答题（共3题，每题6分，共18分）1.请简述2026年主流实时数仓DWD、DWS、ADS三层的核心定位、数据流向，并各举1个适用业务场景。2.请列举3种大模型在数据治理中的落地应用，并分别说明其核心价值。3.跨机构数据共享场景中，采用隐私计算的核心优势有哪些？请列举至少2种落地过程中需要注意的限制条件。五、综合应用题（共1题，12分）某连锁零售企业2026年需搭建企业级数据平台，覆盖线下1200家门店、线上4个电商渠道的交易、用户、供应链、物流数据，日均新增数据量12TB，需满足三类核心业务需求：①电商大促实时交易监控，指标延迟要求≤5s；②用户画像标签更新，延迟要求≤1h；③年度经营趋势分析，数据更新要求T+1。同时需满足《个人信息保护法》对用户敏感数据的全链路合规要求。请回答以下问题：1.请设计该数据平台的核心技术架构，说明各层的技术选型和核心作用（6分）2.请针对用户手机号、身份证号、详细收货地址三类敏感数据，设计全链路安全管控方案（6分）参考答案一、单项选择题1.B2.C3.B4.C5.B6.B7.C8.B9.D10.B11.C12.D13.B14.B15.B二、多项选择题1.ABCD2.ABCD3.ABCD4.ABCD5.ABCD6.ABCD7.ABCD8.ABCD9.ABCE10.ABCD三、判断题1.×2.√3.√4.×5.×四、简答题1.参考答案：（1）DWD实时明细层：核心定位是对ODS层的实时原始数据做清洗、脱敏、格式规范、去重等处理，保留最细粒度的业务明细数据，不做聚合计算。数据流向是从ODS层实时同步增量数据，处理后写入DWD层存储。适用场景：用户实时行为路径分析，可基于DWD层的行为明细数据，追踪单个用户的全链路操作路径。（2分）（2）DWS实时汇总层：核心定位是按业务主题域对DWD层的明细数据做轻度聚合，统一计算口径，形成公共汇总指标，避免重复计算。数据流向是从DWD层读取明细数据，按主题维度做聚合后写入DWS层。适用场景：企业级实时核心指标大屏展示，比如实时订单量、实时用户数等通用指标，可直接从DWS层查询，无需重复计算。（2分）（3）ADS实时应用层：核心定位是按具体业务场景的定制化需求，对DWS层的数据做高度聚合或特殊处理，直接对接业务应用。数据流向是从DWS层读取汇总数据，按业务需求加工后写入ADS层。适用场景：电商大促实时GMV计算，按分钟维度聚合的交易指标直接推送至运营后台，支撑大促决策。（2分）2.参考答案：（1）元数据自动标注：大模型基于自然语言理解和语义匹配能力，自动识别技术元数据（比如数据库表字段、ETL任务）对应的业务含义，自动关联业务标签、业务口径。核心价值：大幅降低元数据人工维护成本，提升元数据的覆盖率和准确率，解决传统元数据管理中“技术人员不懂业务、业务人员不懂技术”的痛点。（2分）（2）数据质量规则自动生成：业务人员仅需输入自然语言描述的业务规则，大模型可自动识别规则逻辑、匹配对应的数据表和字段，生成可执行的质量校验SQL或规则代码。核心价值：降低数据质量规则的配置门槛，业务人员无需掌握SQL即可配置规则，大幅提升质量规则的覆盖度。（2分）（3）自然语言转SQL（NL2SQL）：业务人员输入自然语言描述的数据查询需求，大模型可自动生成对应的SQL语句，直接查询数据平台返回结果。核心价值：降低业务人员的取数门槛，减少数据分析师的重复取数工作量，提升数据的使用效率。（2分）3.参考答案：核心优势：①原始数据不出域，所有参与方的原始数据仅在本地存储和处理，不会传输给其他参与方，满足数据安全合规要求，避免数据泄露风险；②可实现跨机构的数据价值融合，在不共享原始数据的前提下完成联合统计、联合建模等计算，充分挖掘多源数据的价值；③计算过程可追溯，可明确各参与方的权责，为数据权益分配提供依据。（3分，答出3点即可）落地限制：①计算性能损耗大，同等计算量下，隐私计算的耗时是明文计算的3-10倍，且算力消耗更高，不适合超大规模实时计算场景；②平台兼容性差，不同厂商的隐私计算平台技术标准不统一，跨机构对接的适配成本较高；③合规认定标准不明确，目前国内尚未出台隐私计算计算结果的合规认定规范，部分金融、政务场景下的计算结果法律效力不明确。（3分，答出2点即可，每点1.5分）五、综合应用题参考答案：1.核心架构采用湖仓一体+流批一体的存算分离架构，分为5层：（1）数据采集层：实时增量数据采用FlinkCDC采集业务库的变更数据，采用Filebeat采集用户行为日志和门店POS数据；离线存量数据采用DataX同步，支持全量和增量同步。核心作用：统一对接多源异构数据，保证数据采集的时效性、完整性，支持ExactlyOnce语义，避免数据重复或丢失。（2分）（2）统一存储层：采用存算分离架构，冷数据（存储超过1年、访问频率<1次/季度）存储在低成本对象存储，热温数据存储在ApachePaimon湖仓存储，支持ACID事务、流批统一读写、增量快照查询。核心作用：统一存储结构化、半结构化、非结构化数据，降低存储成本，避免数据孤岛，支持多引擎共享数据。（1.5分）（3）统一计算层：采用Flink作为流批一体计算引擎，实时计算场景（≤5s延迟）采用Flink流模式，近实时计算场景（≤1h延迟）采用Flink微批模式，离线计算场景（T+1）采用Flink批模式。核心作用：统一流批计算逻辑，保证实时和离线指标的口径一致，避免重复开发。（1分）（4）数据治理层：部署主动元数据管理平台、数据质量监控平台、大模型辅助治理工具，实现元数据自动标注、质量规则自动校验、数据全生命周期管理、数据权限管控。核心作用：保证数据质量，满足合规要求，提升数据的可复用性。（1分）（5）数据服务层：实时查询采用ClickHouse，支持高并发低延迟的多维聚合查询；用户标签查询采用Redis，支持毫秒级点查；离线分析采用SparkSQL，支持大规模数据的批量分析；对外提供统一的API网关和自助分析平台。核心作用：满足不同业务场景的查询需求，降低业务方的使用门槛。（0.5分）2.全链路安全管控方案：（1）采集层：采集到敏感数据后第一时间做掩码处理，手机号保留前3后4，身份证号保留前6后4，详细收货地址隐去门牌号，原始明文敏感数据仅存储在加密的ODS层，仅授权极少数