2025华为HCIP大数据真题（含答案解析）

2025华为HCIP大数据真题（含答案解析）一、单项选择题（每题2分，共20分）1.在HDFS中，默认的副本因子是？A.1B.2C.3D.4答案：C解析：HDFS默认副本数为3，分别放在本地机架一个节点、同机架另一个节点、不同机架一个节点。2.MapReduce中，Shuffle阶段的核心作用不包括？A.分区B.排序C.合并D.数据清洗答案：D解析：Shuffle包含分区、排序、溢写、合并、归并等过程，数据清洗属于Map或Reduce端业务逻辑。3.HBase中，一张表默认只有一个______，一个Region由多个Store组成。A.RowKeyB.ColumnFamilyC.CellD.RegionServer答案：B解析：HBase表默认只有一个ColumnFamily，每个ColumnFamily对应一个Store。4.Flink中，事件时间（EventTime）处理需要配合哪种机制来实现乱序数据正确处理？A.CheckpointB.WatermarkC.SavepointD.Backpressure答案：B解析：Watermark是事件时间下处理乱序数据和延迟数据的重要机制。5.Spark中RDD的持久化级别StorageLevel.MEMORYANDDISK表示？A.仅存储在内存B.仅存储在磁盘C.优先内存，内存放不下则写入磁盘D.内存和磁盘各存一份答案：C解析：MEMORYANDDISK将RDD分区以非序列化方式存入内存，放不下的分区落到磁盘。6.Kafka中，一个消费者组内的多个消费者共同消费一个主题时，每个分区同时最多被多少个消费者消费？A.0B.1C.2D.取决于配置答案：B解析：同一个消费者组内，一个分区同时只能被一个消费者消费，这是Kafka保证分区内消息有序消费的基础。7.Flume中，Source从Avro端口接收数据的常用Source类型是？A.SpoolingDirectorySourceB.TaildirSourceC.AvroSourceD.KafkaSource答案：C解析：AvroSource监听指定端口，接收Avro客户端发送的事件，常用于多层Flume之间的传输。8.Yarn中，负责接收客户端请求并管理整个集群资源分配的组件是？A.ResourceManagerB.NodeManagerC.ApplicationMasterD.Container答案：A解析：ResourceManager负责集群资源统一管理和任务调度，NodeManager管理单节点资源，ApplicationMaster管理单个应用。9.Hive中，下列哪种文件格式支持列式存储和压缩，且适合大规模数据分析？A.TextFileB.SequenceFileC.ORCD.Avro答案：C解析：ORC是Hive常用的列式存储格式，具备高压缩比和谓词下推等优化能力，适合数据分析场景。10.关于Zookeeper的角色，下列说法正确的是？A.Leader负责处理写请求，Follower只负责读请求B.Leader崩溃后，任意Follower都可以直接成为新LeaderC.Follower接收写请求后转发给LeaderD.Observer不参与投票，也不能处理读请求答案：C解析：Follower收到写请求会转发给Leader，Leader处理写请求；Leader崩溃后需通过选举产生新Leader，Observer可以处理读请求但不参与投票。二、多项选择题（每题3分，共30分）1.下列属于HDFS写流程中涉及的组件或操作的有？A.Client向NameNode发起上传请求B.DataNode之间建立数据管道C.NameNode记录数据块副本位置D.SecondaryNameNode合并EditLog答案：A,B,C解析：HDFS写流程包括客户端请求、NameNode分配块、DataNode管道写、回传确认等，SecondaryNameNode合并EditLog属于周期合并，不是写流程必须步骤。2.Hive中，下列哪些操作会触发MapReduce计算？A.SELECT*FROMtableWHEREpartition_date='2025-01-01'B.SELECTcount(*)FROMtableGROUPBYcityC.INSERTINTOtableSELECT...FROMsourceD.SHOWTABLES答案：B,C解析：全表扫描不加聚合时也可能走MapReduce（除非开启fetchtask），但SELECT*一般走fetch读取；SHOWTABLES是元数据操作。B和C需要聚合或写入，必然触发MapReduce或Tez/Spark计算引擎。3.SparkStreaming中，与状态相关的算子包括？A.updateStateByKeyB.mapWithStateC.reduceByKeyD.window答案：A,B,D解析：updateStateByKey和mapWithState用于跨批次状态维护，window涉及滑动窗口状态；reduceByKey仅处理当前批次内数据，不保留跨批次状态。4.Flink中，以下哪些是可靠的容错机制？A.CheckpointB.SavepointC.自动重启策略D.背压机制答案：A,B,C解析：Checkpoint是自动容错，Savepoint是手动备份，自动重启策略用于任务恢复；背压是流量控制机制，不属于容错。5.下列关于Kafka分区与副本的说法，正确的是？A.一个分区可以有多个副本B.副本之间是同步复制还是异步复制可以动态配置C.Leader负责读写，Follower负责备份D.ISR是可用且与Leader保持同步的副本集合答案：A,C,D解析：Kafka副本复制机制在0.9之前可配置同步/异步，之后采用基于ISR的动态同步机制，因此B描述不准确。6.HBase中，下列关于RowKey设计原则正确的有？A.长度宜短，不要超过16字节B.尽量使用单调递增连续序列C.采用散列设计避免热点D.同一表中不同的列族可以使用不同RowKey答案：A,C解析：RowKey过长浪费内存；单调递增会造成写入热点，应加盐或散列；同一表的RowKey是唯一的，不能按列族区分。7.关于Hive分区和分桶，下列说法正确的有？A.分区可以在HDFS上形成目录层级B.分桶是在分区之下进一步对数据文件进行切分C.分区字段是表中真实存在的列D.分桶必须依据某个列的哈希值取模答案：A,B,D解析：分区字段是虚拟列（在元数据中记录，不在表数据中存储），因此C错误。分桶通过哈希取模将数据散布到多个文件。8.在大数据平台中，常见的数据采集工具包括？A.FlumeB.SqoopC.OozieD.Kafka答案：A,B,D解析：Flume、Sqoop、Kafka都可用于数据采集传输；Oozie是工作流调度工具，不属于采集工具。9.下列哪些属于SparkSQL中DataFrame与RDD的区别？A.DataFrame包含Schema信息B.DataFrame自带优化引擎CatalystC.DataFrame支持SQL查询D.DataFrame是弹性分布式数据集答案：A,B,C解析：DataFrame是带Schema的分布式表结构，不是RDD；Catalyst优化器和SQL支持是DataFrame的典型特性。10.关于Flink的窗口计算，下列哪些窗口类型是内置的？A.滚动窗口TumblingWindowB.滑动窗口SlidingWindowC.会话窗口SessionWindowD.全局窗口GlobalWindow答案：A,B,C,D解析：Flink内置四类窗口：滚动、滑动、会话和全局窗口，它们均可在KeyedStream或非KeyedStream上使用。三、判断题（每题2分，共20分）1.HDFS中小文件过多不会影响NameNode的内存使用。答案：错误解析：每个文件、目录和数据块都在NameNode内存中建立对象，小文件过多会大量消耗NameNode内存。2.MapReduce中，Combiner的输入和输出类型必须与Mapper的输出类型一致。答案：错误解析：Combiner的输入类型必须与Mapper输出类型一致，输出类型必须与Reducer输入类型一致，两者不一定相同。3.HBase的数据模型是稀疏的、多维的映射表。答案：正确4.Spark中的map和flatMap算子都可以实现一行数据输出多行结果。答案：错误解析：flatMap可以一对多，map只能一对一输出。5.Kafka的消费者可以重复消费同一个分区中的消息。答案：正确解析：消费者通过提交offset管理消费位置；如果不提交或重置offset，就可以重复消费。6.Flume的Event由头部（Headers）和正文字节数组组成。答案：正确7.Hive中ORDERBY只会对单个Reduce产生的数据进行排序，适合全排序。答案：正确解析：ORDERBY确保全局有序，但只能使用一个Reduce完成，数据量大时效率低。8.Zookeeper集群中，所有节点都可以同时处理写请求。答案：错误解析：写请求只能由Leader处理，其他节点收到写请求会转发给Leader。9.Oozie可以通过Coordinator实现周期性调度工作流。答案：正确10.Flink的任务失败后，可以从最近一次成功的Checkpoint恢复状态。答案：正确四、简答题（每题5分，共10分）1.简述Hadoop平台中NameNode和SecondaryNameNode的作用，并说明SecondaryNameNode是如何辅助NameNode工作的。答案：(1)NameNode是HDFS的主节点，负责管理文件系统的命名空间、维护文件与数据块的映射关系，并处理客户端的读写请求。(2)SecondaryNameNode并非NameNode的热备节点，其作用是定期从NameNode获取EditLog和FsImage，合并生成新的FsImage传回NameNode，从而减少EditLog体积，降低NameNode重启时的恢复时间。2.请写出Flink中实现一个简单的WordCount程序的核心代码（伪代码或算子链均可），并说明每段代码的作用。DataStream<String>text=env.readTextFile("input.txt");

text.flatMap(newTokenizer())