2026年大数据ETL助理岗位知识考试真题及答案

2026年大数据ETL助理岗位知识考试真题及答案一、单项选择题（每题2分，共30分）1.ETL的核心流程对应的中文全称是？A.数据抽取、转换、加载B.数据抽取、加载、转换C.数据存储、转换、查询D.数据清洗、转换、归档答案：A2.ETL流程中，负责处理缺失值、重复值、异常值的核心环节是？A.抽取B.转换C.加载D.调度答案：B3.下列属于开源ETL工具的是？A.InformaticaB.DataStageC.KettleD.OracleGoldengate答案：C解析：Informatica、DataStage是商业付费ETL工具，OracleGoldengate是数据库同步工具，Kettle（PentahoDataIntegration）是应用广泛的开源ETL工具。4.数据仓库的核心特征不包括以下哪一项？A.面向主题B.集成性C.事务性D.时变性答案：C解析：事务性是OLTP业务数据库的核心特征，数据仓库是面向分析的OLAP系统，不支持高频事务操作。5.Sqoop工具的核心作用是？A.分布式内存计算B.关系型数据库与Hadoop生态间的数据同步C.消息队列传输D.实时流处理答案：B6.开源数据同步工具DataX的核心三大组件不包括？A.ReaderB.ChannelC.WriterD.Scheduler答案：D解析：DataX采用Reader（读）、Channel（传输通道）、Writer（写）三层架构，Scheduler是调度组件，不属于核心同步架构。7.下列不属于增量数据抽取实现方式的是？A.时间戳比对B.全表扫描C.触发器捕获D.日志解析（CDC）答案：B解析：全表扫描属于全量抽取的实现逻辑，增量抽取是仅抽取业务变更的部分数据。8.数据质量维度中，“数据不存在缺失、取值符合业务规则”对应的维度是？A.完整性B.一致性C.准确性D.及时性答案：A9.Hive数据仓库的底层存储依赖以下哪个组件？A.MapReduceB.YARNC.HDFSD.HBase答案：C10.关于SQL中的NULL值与空字符串，下列说法正确的是？A.NULL值和空字符串完全等价B.NULL值参与算术运算结果仍为NULLC.空字符串参与算术运算结果为NULLD.COUNT(列名)会统计NULL值的行答案：B11.Kettle工具中，负责实现数据流转、字段处理的核心对象是？A.作业（Job）B.转换（Transformation）C.数据库连接D.调度器答案：B解析：Kettle中转换负责数据处理与流转，作业负责任务编排与流程控制。12.缓慢变化维（SCD）中，保留全部历史变更记录的类型是？A.Type1（覆盖更新）B.Type2（新增行）C.Type3（新增列）D.以上都不是答案：B13.数据血缘的核心作用不包括？A.追踪数据来源与加工链路B.评估变更的影响范围C.排查数据质量问题根因D.实现数据加密存储答案：D14.下列不属于脏数据范畴的是？A.缺失值B.重复值C.异常值D.元数据答案：D15.下列属于ETL作业调度工具的是？A.NavicatB.DolphinSchedulerC.DBeaverD.Redis答案：B解析：Navicat、DBeaver是数据库客户端工具，Redis是缓存数据库，DolphinScheduler是分布式作业调度工具，常用于ETL任务调度。二、多项选择题（每题2分，共20分）1.下列属于ETL数据抽取常见方式的有？A.全量抽取B.增量抽取C.CDC变更捕获D.数据归档答案：ABC解析：数据归档是数据生命周期管理的操作，不属于数据抽取的实现方式。2.下列属于数据清洗常用操作的有？A.重复数据删除B.缺失值填充C.字段格式标准化D.异常值处理答案：ABCD3.下列属于关系型数据库的有？A.MySQLB.OracleC.MongoDBD.PostgreSQL答案：ABD解析：MongoDB是文档型NoSQL数据库，不支持关系模型与标准SQL。4.Kettle（PDI）的核心工具组件包括？A.SpoonB.PanC.KitchenD.Carte答案：ABCD解析：Spoon是图形化设计工具，Pan是命令行执行转换的工具，Kitchen是命令行执行作业的工具，Carte是远程执行服务组件。5.下列属于大数据数据仓库常见分层的有？A.ODS层（贴源层）B.DWD层（明细层）C.DWS层（汇总层）D.ADS层（应用层）答案：ABCD6.下列属于Hive支持的存储文件格式的有？A.TextFileB.ORCC.ParquetD.SequenceFile答案：ABCD7.增量数据抽取的常见实现方式包括？A.时间戳比对法B.触发器法C.日志解析法（CDC）D.全表比对法答案：ABCD8.数据质量校验的常用规则包括？A.空值校验B.唯一性校验C.取值范围校验D.关联一致性校验答案：ABCD9.ETL作业调度的常见触发方式有？A.定时触发B.依赖触发C.事件触发D.手动触发答案：ABCD10.下列工具可用于ETL数据同步的有？A.DataXB.FlumeC.SqoopD.Canal答案：ABCD三、判断题（每题1分，共10分）1.ETL流程的执行顺序是先加载数据，再进行数据转换。答案：错误解析：ETL顺序为抽取（Extract）、转换（Transform）、加载（Load），ELT模式才是先加载后转换。2.全量抽取适合数据量小、业务变更频率低的业务表。答案：正确3.Kettle中的转换步骤是串行执行的。答案：错误解析：Kettle转换的每个步骤默认以多线程并行执行，可通过配置调整并行度。4.数据仓库的数据主要面向业务分析场景，不支持高频事务写入。答案：正确5.SQL中COUNT(*)与COUNT(列名)的统计结果完全一致。答案：错误解析：COUNT(*)会统计所有行（含NULL值行），COUNT(列名)会忽略该列为NULL的行。6.CDC（变更数据捕获）技术属于增量抽取的一种实现方式。答案：正确7.Hive是一个分布式关系型数据库，支持行级事务更新。答案：错误解析：Hive是大数据数据仓库工具，底层依赖计算引擎，原生不支持行级事务，高频更新场景不适用。8.数据血缘可以追溯数据从来源到最终应用的全链路加工过程。答案：正确9.ETL作业仅需在首次上线时做数据校验，后续运行无需重复校验。答案：错误解析：ETL作业每次运行都需要做数据质量校验，避免源端数据异常、逻辑变更导致结果错误。10.缓慢变化维Type2类型会保留数据的全部历史变更记录。答案：正确四、简答题（每题10分，共20分）1.简述ETL与ELT的核心区别，以及各自的适用场景。答案：（1）核心区别：ETL是先对抽取到的源数据完成转换、清洗操作，再加载到目标存储；ELT是先将原始数据全量加载到目标存储，再依托目标端的计算能力完成转换操作。（2）ETL适用场景：数据量较小、转换逻辑复杂度高、目标端计算资源有限的场景，如传统中小型关系型数据仓库建设。（3）ELT适用场景：数据规模大、目标端（大数据平台、云数仓）计算能力强、需要保留全量原始数据痕迹的场景，如大型企业大数据平台、云原生数据仓库建设。2.简述数据质量的5个核心维度及其含义。答案：（1）完整性：数据不存在缺失，必填字段、记录条数符合业务预期；（2）准确性：数据取值真实、符合业务规则，不存在错误或异常值；（3）一致性：同一数据在不同系统、不同表中的取值统一，不存在逻辑矛盾；（4）及时性：数据能够按业务要求的时效完成加工、交付，满足分析使用需求；（5）唯一性：数据不存在重复记录，主键、唯一标识字段符合唯一性约束。五、实操题（共20分）1.某业务系统MySQL数据库中有用户表user_info，字段包括：user_id（BIGINT，主键）、user_name（VARCHAR(50)）、register_time（DATETIME，注册时间）、phone（VARCHAR(20)，手机号）。请完成以下任务：（1）写出将该表全量抽取到HiveODS层表ods.ods_user_info的Sqoop命令，要求字段分隔符为\t、覆盖写入目标表。（7分）（2）写出按register_time字段增量抽取当日新增数据到HiveODS层的Sqoop命令，要求追加写入、字段分隔符为\t。（7分）（3）若抽取到的phone字段存在空值、长度不足11位、包含非数字字符三类数据质量问题，请简述对应的清洗规则。（6分）答案：（1）全量抽取Sqoop命令：sqoopimport\

--connectjdbc:mysql://mysql-host:3306/business_db\

--usernameroot\

--password'your_password'\

--tableuser_info\

--hive-import\

--hive-tableods.ods_user_info\

--fields-terminated-by'\t'\

--hive-overwrite\

--m1评分要点：连接参数、源表配置、Hive导入参数、分隔符设置、覆盖写入配置各1分，整体格式正确2分。（2）增量抽取Sqoop命令：sqoopimport\

--connectjdbc:mysql://mysql-host:3306/business_db\

--usernameroot\

--password'your_password'\

--tableuser_info\

--hive-import\

--hive-tableods.ods_user_info\

--fields-terminated-by'\t'\

--check-columnregister_time\

--incrementalappend\

--last-value'2026-XX-XX00:00:00'\

--m1评分要点：增量模式配置、检查列配置、上次时间阈值、追加写入配置各1分，整体格式正确3分。（3）清洗