2026年数据工程与数据管理考试试题及答案

2026年数据工程与数据管理考试试题及答案一、单项选择题（每题2分，共20分）1.关于数据治理的核心目标，下列说法正确的是？A.最大化数据存储量B.提升数据可用性、一致性和安全性C.减少数据库数量D.降低软硬件采购成本答案：B解析：数据治理的核心是通过组织、制度与技术手段提升数据资产的可用性、一致性与安全性，而非以缩减存储或降低成本为直接目标。2.学生表（学号，姓名，系别）与选课表（学号，课程号，成绩）进行自然连接，结果集中元组数量取决于下列哪项？A.学生表中的元组数B.选课表中的元组数C.两表元组数的乘积D.相同属性列上取值相等的元组匹配情况答案：D解析：自然连接结果的元组数由连接属性上的实际匹配情况决定，并非简单地等于某一表的元组数或两表之积。3.在数据仓库中，用于跟踪维度属性随时间变化历史的常见技术是？A.缓慢变化维度（SCD）B.事实表快照C.汇总表定时刷新D.物化视图重建答案：A解析：SCD是维度建模中专门处理属性缓慢变化的技术，通过版本记录或覆盖更新保存历史。4.在数据仓库的分层架构中，明细数据层（DWD）的核心作用是？A.直接为业务报表提供汇总结果B.对源数据进行清洗、转换与标准化C.存储未经处理的原始日志D.面向数据挖掘提供非结构化数据答案：B解析：DWD层对操作数据存储层（ODS）或源系统数据进行清洗、规范化与标准化，形成一致的明细数据；汇总指标由公共汇总层（DWS）承担，应用层（ADS）面向报表。5.下列哪类数据存储最适合处理非结构化文档数据？A.关系型数据库B.文档型NoSQL数据库C.列式存储数据库D.图数据库答案：B6.在Hadoop2.x及以上版本中，HDFS默认数据块大小是？A.64KBB.128MBC.512MBD.1GB答案：B解析：HDFS默认块大小在Hadoop2.x中调整为128MB，目的是降低寻址开销、提升大文件读写吞吐量。7.下列哪种数据质量问题最能体现"一致性"维度的缺失？A.客户表中10%的身份证号字段为空B.同一客户的手机号在CRM系统与计费系统中不一致C.库存表中部分商品价格出现负数D.报表数据仅在每日凌晨2点更新答案：B解析：同一实体的同一属性在不同系统中取值不同，属于典型的一致性问题；A属于完整性，C属于准确性，D属于及时性。8.下列哪一项不属于数据生命周期的典型阶段？A.数据采集B.数据存储与使用C.数据归档与销毁D.数据压缩编码答案：D解析：数据生命周期通常包括采集、存储、使用、共享、归档、销毁等阶段；压缩编码是优化存储的技术手段，而非独立的生命周期阶段。9.关于事实表与维度表的关系，下列说法错误的是？A.事实表用于记录业务过程的度量B.维度表为事实表提供描述性上下文C.事实表外键关联维度表主键D.维度表中通常包含大量连续型数值度量答案：D解析：维度表包含的是离散的描述性属性，连续型数值度量应存放于事实表。10.与数据仓库相比，数据湖的典型特点是？A.支持ACID强事务B.以低成本存储多格式原始数据C.查询性能更高D.数据治理能力更强答案：B二、判断题（每题2分，共20分）1.数据治理仅涉及技术部门，与业务部门无关。答案：错误解析：数据治理需要业务、技术、管理等多方协同。2.在关系模式中，超键不要求具有最小性，而候选键必须是最小超键。答案：正确3.ETL与ELT的区别在于转换环节与加载环节的执行顺序不同。答案：正确4.数据脱敏是指将敏感数据从存储介质中彻底删除。答案：错误解析：数据脱敏是对敏感数据进行变形、遮盖或替换，使其在保持可用性的同时无法识别到个人，而非物理删除。5.根据CAP定理，分布式系统在网络分区发生时必须在一致性与可用性之间做出取舍。答案：正确6.雪花模型是对星型模型中维度表进行规范化拆分后形成的多维模型。答案：正确7.Hive的本质是将SQL查询编译为MapReduce、Spark或Tez等分布式计算任务。答案：正确8.元数据仅包含数据的业务含义描述，不包含技术信息。答案：错误解析：元数据分为技术元数据（如数据结构、存储位置、数据血缘）和业务元数据（如含义、归属、统计口径）。9.关系模式规范化的主要目的是消除数据冗余与更新异常。答案：正确10.数据湖中的数据只能被单个应用独占访问，不具备共享能力。答案：错误三、简答题（每题6分，共30分）1.请从存储方式、写入模式、使用场景等角度，简述数据仓库与数据湖的主要区别。答案：(1)数据仓库存储经过清洗转换的结构化数据，遵循Schema-on-Write（写时模式）；数据湖可存储任意格式的原始数据，遵循Schema-on-Read（读时模式）。(2)数据仓库支持高效的SQL分析与报表查询，面向确定的业务问题；数据湖主要面向探索式分析、数据挖掘与机器学习等场景。(3)数据仓库具备较成熟的数据治理与数据质量管理机制；数据湖治理能力相对薄弱，需要额外建设。2.什么是数据血缘？列举并简要说明数据血缘的两类典型应用场景。答案：数据血缘是指数据从源头产生、经加工处理到最终消费全过程中形成的流向与依赖关系，用于描述数据的来源链路。典型应用场景：(1)影响分析：评估上游表结构或统计口径变更对下游报表和任务的波及范围。(2)问题溯源：当数据质量出现异常时，沿血缘反向定位异常产生的环节。(3)合规审计：满足数据来源可追溯的监管要求。3.简述星型模型与雪花模型的区别。答案：星型模型中维度表不规范化，每个维度表直接与事实表相连，形成星型结构，查询连接次数少、性能高，但维度表存在一定冗余；雪花模型将维度表按规范化方式进一步拆分为多个关联表，形成雪花状结构，减少了冗余，但增加了表连接数量与查询复杂度，占用更少存储空间。4.列举数据质量评估中四个典型维度，并简要说明其含义。答案：(1)完整性：实体或属性是否存在缺失，如必填字段为空的比例。(2)准确性：数据取值是否真实反映客观实体。(3)一致性：同一实体的相关属性在不同系统或时间点是否保持一致。(4)及时性：数据从产生到可被使用的时间延迟是否满足要求。(5)唯一性：同一实体是否被重复记录。5.简述第二范式（2NF）的定义及其消除的主要问题。答案：满足1NF，且每一个非主属性都完全函数依赖于任一候选键（即不存在非主属性对候选键的部分函数依赖）的关系模式属于2NF。2NF消除了非主属性对候选键的部分函数依赖，解决了因部分依赖导致的数据冗余与更新异常问题。四、综合分析题（每题10分，共30分）1.某电商平台数据库包含如下两张表：•users(user_id,name,city,reg_date)•orders(order_id,user_id,amount,order_time)请写出满足下列要求的SQL查询语句。(1)查询2025年12月下单总金额最高的前5位用户的姓名及其总金额。(2)查询从未下过订单的用户姓名。答案：(1)SELECT,SUM(o.amount)AStotal_amount

FROMusersu

JOINordersoONu.user_id=o.user_id

WHEREo.order_timeBETWEEN'2025-12-01'AND'2025-12-3123:59:59'

GROUPBYu.user_id,

ORDERBYtotal_amountDESC

LIMIT5;(2)SELECT

FROMusersu

LEFTJOINordersoONu.user_id=o.user_id

WHEREo.order_idISNULL;或使用NOTEXISTS：SELECT

FROMusersu

WHERENOTEXISTS(

SELECT1FROMordersoWHEREo.user_id=u.user_id

);解析：第(1)题需要同时使用内连接、分组聚合、排序与LIMIT限制行数，日期条件应落在订单时间字段上。第(2)题本质是查找"在一个表中存在、在另一表中不存在"的记录，使用LEFTJOIN...ISNULL或NOTEXISTS均可实现。2.某零售企业计划构建企业级数据仓库，采用维度建模方法。请回答以下两个问题：(1)设计一个面向销售分析的星型模型，包含1张事实表和不少于3张维度表，说明各表的主键、外键及关键字段。(2)说明采用缓慢变化维度（SCD）类型2记录"客户所在城市发生变化"的具体操作方法。答案：(1)星型模型设计如下：事实表sales_fact：主键为sale_id；外键为product_key、customer_key、store_key、date_key；度量字段为quantity、amount。维度表：•product_dim：主键product_key，字段product_name、category•customer_dim：主键customer_key，字段customer_id（自然键）、customer_name、city、valid_from、valid_to、current_flag•store_dim：主键store_key，字段store_name、region•date_dim：主键date_key，字段date、year、month、day事实表通过外键与各维度表主键关联，形成星型结构。(2)当客户所在城市发生变化时，SCD类型2的操作步骤为：将原记录标记为过期，即将current_flag置为'N'，将valid_to更新为变化发生日期；随后插入一条新记录，city为新值，valid_from为变化日期，valid_to为空，current_flag置为'Y'。这样，事实表通过customer_key关联到变化后的记录，而按日期关联则可还原任意历史时刻的客户地址快照。解析：星型模型的关键在于事实表存放度量值与外键，维度表存放描述属性；SCD类型2通过增加有效期与当前标识保存历史版本，是处理维度缓慢变化最常用的方法。3.某金融企业的数据平台出现以下问题：•晚间汇总报表中的客户存款余额与核心业务系统的实时余额不一致。•客户信息表中约8%的客户缺少身份证号。•某地市分支机构的上报数据经常延迟超过6小时。请回答：(1)上述三类问题分别对应数据质量维度的哪些维度？(2)针对每一类问题提出至少一条治理改进措施。答案：(1)三类问题分别对应一致性（同一客户余额在汇总报表与核心系统取值不一致）、完整性（身份证号缺失）和及时性（上报数据延迟超过6小时）。(2)治理措施：•一致性：建立统一客户主数据管理（MDM），统一余额计算口径；对汇总系统与