大数据HCIA 01

大数据HCIA 01

单选题

（单选题）5:Hive通过JDBC连接返回查询结果

• A 21345
• B 24315
• C 24135
• D 21435
• 答案：B

（单选题）HBase表设计中，列族和RowKey是 表设计的重要内容。下列哪个选项不适合做RowKey?

• A 用户ID
• B 用户名
• C 身份证号
• D 手机号
• 答案：B

（单选题）HBase中数据存储的文件格式是什么?

• A HLog
• B Sequencelile
• C TextFile
• D HFile
• 答案：D

（单选题）关于HDFS数据完整性保障，以下哪个机制是错误的?

• A 快照机制实现了文件系统常见的快照机制，保证数据误操作时，能及时恢复
• B 采用日志机制操作元数据，同时元数据存放在主备NameNode上
• C 节点性能较高的DataNode会存放更多的数据
• D DataNode向NameNode周期上报失败任务，NameNode发起副本重建动作以恢复丢失副本
• 答案：C

（单选题）HBase要实现数十亿行数百万列的存储规模，需要以下哪个选项支持?

• A Redis
• B ElasticSearch
• C Kafka
• D HDFS
• 答案：D

（单选题）Hadoop中，如果将yarn.scheduler.capacity.root.QueueA.minimum-user-limit-percent设置为50，下面说法错误的是?

• A 一个用户提交任务，可以使用QueueA的100%的资源。
• B QueueA中的每个用户最多只能获得50%的资源。
• C QueueA中必须保障每个用户至少得到50%的资源。
• D 如果QueueA中已经有2个用户的任务运行，这时第3个用户提交的任务需要等待释放资源。
• 答案：B

（单选题）在ClickHouse中创建数据表时，指定以下哪一个表引擎会导致重新启动服务器时表中的数据消失，表变为空?

• A MySQL
• B Kafka
• C TinyLog
• D Memory
• 答案：D

（单选题）在Hive数据存储模型中，分区和桶的关系描述错误的是哪一项?

• A 分区下可再有分区或者桶
• B 每个桶是一个目录
• C 建表时指定桶个数，桶内可排序。
• D 分区数量不固定
• 答案：B

（单选题）Flink程序由Source、Transformatin和Sink三部分组成，以下关于这三部分描述错误的是哪一项?

• A Sink负责最终数据的输出，支持HDFS、Kafka和文本输出等
• B 在各部分之间流转的数据会被封装成一个个Event
• C Source主要负责数据的读取，支持HDFS、Kafka、HBase和文本等
• D Transformatin主要负责对数据的转换操作
• 答案：B

（单选题）某公司使用用户ID做HBase的Rowkey，同时在列中还存在phone列，该列存储了用户的手机号码。该公司要求能够通过phone快速查询到用户ID，下列哪个方法比较合适?

• A Get与valueFiller同时使用
• B 创建二级索引
• C Scan与valueFillter同时使用
• D 使用Fillter
• 答案：B

（单选题）YARN中设置队列QueueA的最大使用资源量，需要配置哪个参数？

• A yarn.scheduler.capacity.root.Queueminimum-user-limit-percent
• B yarn.scheduler.capacity.root.Queuemaximum-capacity
• C yarn.scheduler.capacity.root.Queueuser-1imit-factor
• D yarn.scheduler.capacity.root.Queuestate
• 答案：B

（单选题）某公司使用HBase存储业务数据，由于数据规模较大，所以数据存储在HBase后会导致频繁的Region分裂，为了避免这种情况，下列哪个方法比较适用？

• A 增加Region大小
• B 增大MemStore大小
• C 对该表预分区
• D 提升RegionServer性能
• 答案：C

（单选题）HBase命令中下列哪个选项性能最差？

• A get
• B put
• C scan
• D list
• 答案：C

（单选题）Kafka集群在运行期间，直接依赖于下面哪个组件？

• A ZooKeeper
• B HDFS
• C Flume
• D HBase
• 答案：A

（单选题）以下关于ZooKeeper的关键特性，描述错误的是哪一项？

• A 原子性：更新只能成功或者失败，没有中间状态
• B 可靠性：一条消息被一个server接收即完成，其他server不需要再重复接收该信息
• C 等待无关性：慢的或者失效的client不会干预快速的client的请求，使得每个client都能有效的等待
• D 最终一致性：无论哪个server，对外展示的均是同一个视图
• 答案：B

（单选题）以下关于ZooKeeper关键特性中的原子性说法正确的是?

• A 一条消息被一个server接收，将极所有server接收
• B 更新只能全部完成或失败，不会部分完成
• C 集群中无论哪台服务器，对外展示的均是同一视图
• D 客户端发送的更新会按照它们被发送的顺序进行应用
• 答案：B

（单选题）可以通过以下哪个命令创建节点数据?

• A set /node data
• B get /node
• C create /node
• D 1s /node
• 答案：C

（单选题）Spark自带的资源管理框架是?

• A Docker
• B YARN
• C Mesos
• D Standalone
• 答案：D

（单选题）以下选项中，哪一项用于查看ClickHouse组件命令帮助？

• A clickHouse -cat
• B clickHouse -h
• C clickHouse -m
• D clickHouse -help
• 答案：B

（单选题）以下关于ClickHouse的数据分片和数据副本的描述，错误的是哪一项？

• A 分片之间的数据是完全相同的。
• B ClickHouse依靠ReplicatedMergeTree引擎与ZooKeeper实现了复制表机制。
• C 数据副本的主要目的是防止数据丢失，增加数据存储的冗余。
• D 数据分片的主要目的是实现数据的水平切分。
• 答案：A

（单选题）Hadoop平台中，要查看YARN服务中一个application的信息，通常需要使用什么命令？

• A container
• B application
• C application -attempt
• D jar
• 答案：B

（单选题）对于延迟事件出现时窗口已经关闭并产出了计算结果，以下处理方法不合理的是哪一项？

• A 将延迟事件视为错误消息并丢弃
• B 延迟事件一定不能忽略计算
• C 重新激活已经关闭的窗并重新计算以修正结果
• D 将延迟事件收集起来另外处理
• 答案：B

（单选题）某公司使用Spark做大数据分析，某次分析任务中某RDD会被重复利用，导致重复计算多次。若要避免重复计算且能够重复利用该RDD，以下哪个选项更合适？

• A Spark计算很快，无需优化
• B 增大任务资源，快速结束该任务
• C 写出该RDD，需要时再重新读取
• D RDD执行persist 操作
• 答案：D

（单选题）以下关于Kafka特点描述不正确的是哪一项?

• A 支持在线水平扩展
• B 支持多级级联
• C 高吞吐率
• D 支持消息分区
• 答案：B

（单选题）ElasticSearch的一个索引库默认有几个分片？

• A 4
• B 5
• C 6
• D 3
• 答案：B

（单选题）以下关于MRS使用限制的描述，错误的是哪一项?

• A 集群创建完成后，请勿随意删除或更改已使用的安全组。
• B MRS集群使用的安全组请勿随意放开权限，避免被恶意访问
• C 创建MRS集群时，不支持自动创建安全组，需要手动创建索全组
• D IRS集群必须创建在VPC子网内。
• 答案：C

（单选题）以下描述中，哪个不是Hive的优点?

• A 类似SQL语法，内置大量函数
• B 依赖于高性能的商业服务器
• C 支持自定义存储格式和自定义函数
• D HiveServer支持集群模式
• 答案：B

（单选题）Hive在处理一些复杂的统计或者排序等复杂任务的时候，会调用以下哪个组件?

• A Hadoop
• B HBase
• C MapReduce
• D HDFS
• 答案：C

（单选题）以下关于HBase二级索引的描述哪一项是正确的?

• A 二级索引把要查找的列与rowkey关联成一个索引
• B 此时列成新的rowkey，原rowkey成为value
• C 二级索引查询了2次
• D 以上全都正确
• 答案：D

（单选题）HBase的主HMaster是如何选举的?

• A HMaster为双主模式，不需要进行裁决
• B 随机选取
• C 由RegionServer进行裁决
• D 通过ZooKeeper进行裁决
• 答案：D

（单选题）RDD有Transfrmatin和Actin算子，下列属于Action算子的是?

• A saveAsTextFile
• B filter
• C map
• D reduceByKey
• 答案：A

（单选题）关于DataSet,下列说法不正确的是?

• A DataSet不需要反序列化就可执行大部分操作
• B DataSet执行sort、filter、shuffle等操作需要进行反序列化
• C DataSet是一个由特定域的对象组成的强类型集合
• D DataSet与RDD高度类似，性能比RDD好
• 答案：B

（单选题）在Kafka HA中，当Partition对应的Leader宕机时，需要从Follower中选举出新Leader，具体由以下哪个角色执行?

• A Controller
• B Broker
• C Leader
• D Follower
• 答案：A

（单选题）下面哪一个是ElasticSearch的节点

• A Cluster
• B EsMaster
• C Index
• D EsNode
• 答案：D

（单选题）以下关于KrbServer及LdapServer开源增强特性的描述，错误的是哪一项？

• A 集群内服务认证
• B 应用开发认证
• C 跨系统互信特性
• D 账号身份认证
• 答案：D

（单选题）ZooKeeper客户端获取节点数据的命令，以下哪个是正确的

• A set /node data
• B get /node
• C show /node
• D ls /node
• 答案：B

（单选题）当ZooKeeper集群的节点数为5节点时，请问集群的容灾能力和多少节点是等价的

• A 3
• B 4
• C 5
• D 6
• 答案：D

（单选题）以下描述哪一项不是传统数据处理的瓶颈?

• A 流数据的实时写入
• B 数据批量处理性能不足
• C 海量数据的高存储成本
• D 缺乏流式数据处理能力
• 答案：A

多选题

（多选题）HBase中包含的一些典型的Filter有哪些?

• A SingleColumValueFilter
• B RowFilter
• C KeyOnlyFilter
• D FilterList
• 答案：ABCD

（多选题）下列选项对 Compation 描述正确的是哪一项?

• A Compation通过消除过期数据文件减少HFile文件数
• B Compation通过合并文件减少HFile文件数
• C Minor触发频率相对Major较高
• D 有Minor和Major两种类型
• 答案：ABCD

（多选题）ZKFC进程部署在HDFS中的以下哪些节点上?

• A Active NameNode
• B DataNode
• C Standby NameNode
• D 略
• 答案：AC

（多选题）以下哪些属于企业级大数据的应用场景?

• A 供应链管理
• B 内部运营管理
• C 客户分析
• D 营销分析
• 答案：ABCD

（多选题）关于华为云MRS海量数据离线分析场景描述正确的是哪几项?

• A 利用Hive实现TB/PB级的数据分析
• B 利用Flink实现数据采集
• C 利用OBS实现低成本存储
• D 通过可视化导入导出工具Loader，将数据导出到DWS，完成BI分析
• 答案：ACD

（多选题）以下关于Hive架构中的组件功能，描述正确的是哪些选项?

• A A.Executor负责编译HiveQL并将其转化为一系列相互依赖的Map/Reduce任务
• B B.ThriftServer提供thrift接，作为JDBC的服务端，并将Hive和其他应用程序集成起来Compiler
• C C.按照任务的依赖关系分别执行Map/Reduce任务
• D D.Optimizer是优化器，分为逻辑优化器和物理优化器，分别对HiveQL生成的执行计划和MapReduce任务进行优化
• 答案：BCD

（多选题）MergeTree用于高负载任务的最通用和功能最强大的表引擎，以下关于MergeTree的关键特征的描述，错误的是哪些项?

• A 基于分区键的数据分区分块存储
• B 不支持数据复制
• C 不支持数据抽样
• D 数据索引排序
• 答案：BC

（多选题）Spark有哪些特点?

• A A.轻
• B B.灵
• C C.快
• D D.巧
• 答案：ABCD

（多选题）下列哪些选项对HBase,读写数据的过程描述正确?

• A 客户端读取数据不需要HMaster参与
• B 客户端可以维护已访问过的Region位置信息加快查询
• C 客户端读取数据需要HMaster参与
• D 客户端不可以维护已访问过的Region位置信息加快查询
• 答案：AB

（多选题）下列哪些选项是action算子?

• A mapPartition
• B reduce
• C reduceByKey
• D Dcollect
• 答案：BD

（多选题）下列关于Hive基本操作命令的解释正确的是哪些项？

• A drop table if exists T1；／／删除表T1
• B alter table T1 rename t T2；／／将表T1重命名为T2
• C create table if not exists T1 like T2；／／拷贝T2表，包括表里的数据，并命名为T1
• D remove table T1 where id＝1；／／删除表中符合条件“id=1”的数据。
• 答案：AB

（多选题）ZooKeeper是一个分布式、高可用性的协调服务。在大数据产品中主要提供的功能有哪些？

• A 帮助系统避免单点故障，建立可靠的应用程序
• B 实现元数据持久化
• C 提供分布式协作服务和维护配置信息
• D 为集群提供高并发能力
• 答案：ACD

（多选题）关于HDFS的NameNode的功能，以下描述错误的是哪些项?

• A 维护了Block ID 到DataNode本地文件的映射关系
• B 存储文件内容
• C 保存文件块和DataNode之间的映射关系
• D 用于存储元数据
• 答案：AB

（多选题）执行HBase读数据业务，需要读取哪几部分数据?

• A HMaster
• B MemStore
• C HFile
• D HLog
• 答案：BC

（多选题）以下哪些选项属于ClickHouse的表引擎？

• A CollapsingMergeTree
• B GraphiteMergeTree
• C AggregatingMergeTree
• D VersionedCollapsingMergeTree
• 答案：ABCD

（多选题）某电商平台每天产生大量的交易订单数据，现在需要对这些数据中的交易金额做统计，可能会用到如下哪些组件？

• A MapReduce
• B MySQL
• C Kafka
• D Flume
• 答案：ABCD

（多选题）Kafka中Partition对应的Leader宕机时，需要从Follower中选举出新Leader。当所有Replica都不工作时，对数据及时间要求不高的情况下以下哪些方案可行?

• A 选择第一个活过来的Replica (不一定是 ISR 成员) 作为 Leader
• B 重启Kafka集群
• C 等待ISR中的任一个Replica活过来，并选它作为Leader
• D 在配置中增加Replica副本数量
• 答案：ABC

（多选题）数据操纵语言DML是包括以下哪些字句?

• A 查找:SELECT
• B 插入: INSERT
• C 更新:UPDATE
• D 删除: DELETE
• 答案：ABCD

（多选题）以下关于HBase中HMaster的功能描述哪些是正确的?

• A Region负载均衡，Region分裂以及分裂后的Region分配
• B 负责建表/修改表/删除表
• C RegionServer失效后的Region迁移
• D 负责RegionServer的负载均衡
• 答案：ABCD

（多选题）Spark框架包括哪些模块?

• A Spark SQL
• B Spark MLlib
• C Spark Streaming
• D Spark GraphX
• 答案：ABCD

（多选题）以下关于Flink容错机制描述错误的有哪些?

• A Savepoint机制保证了实时程序运行时，即使突然遇到异常也能够进行自我恢复
• B Checkpoint机制保证了实时程序运行时，即使突然遇到异常也能够进行自我恢复
• C Checkpoint机制保证了程序在进行升级或者修改并发度等情况后，还能从保存的状态位继续启动恢复
• D Savepoint机制保证了程序在进行升级或者修改并发度等情况后，还能从保存的状态位继续启动恢复
• 答案：AC

（多选题）Structured Streaming在OutPut阶段可以定义不同的数据写入方式，包括下列哪些方式?

• A Complete Mode
• B Append Mode
• C General Mode
• D Update Mode
• 答案：ABD

（多选题）Spark与MapReduce进行比较，下列说法正确的是哪几项?

• A Spark任务的中间结果只能存储在内存
• B Spark任务中shuffle不是必须的过程
• C Spark任务中shuffle是必须的过程
• D Spark可以缓存中间结果在内存降低磁盘IO
• 答案：BD

（多选题）Kafka分布式消息传递基于可靠的消息队列，包含以下哪两种主要的消息传递模式?

• A 分发传递模式
• B 轮询传递模式
• C 点对点传递模式
• D 发布订阅模式
• 答案：CD

（多选题）ElasticSearch支持以下哪些访问接口?

• A A.PUT
• B B.POST
• C C.DELETE
• D D.GET
• 答案：ABCD

（多选题）以下关于传统数据入湖面临的挑战的描述，正确的是哪些项？

• A 开发难
• B 成本高
• C 时效差
• D 资源利用率低
• 答案：ABCD

（多选题）MRS在基于Apache Hadoop开源软件的基础上，在主要业务部件的可靠性、性能调优等方面进行了优化和提升。以下关于MRS平台的描述，正确的是哪些项？

• A MRS支持自动处理网络故障，自动恢复受影响的业务。
• B 在系统进行扩容、打补丁等重大操作前，需要通过手动备份集群管理系统的数据，以便在系统故障时，恢复集群管理系统功能。
• C MRS对集群管理系统Manager上的数据提供自动备份功能，根据制定的备份策略可自动备份集群上的数据。
• D MRS支持将Manager、HBase上的数据自动备份到第三方服务器。
• 答案：ABC

（多选题）关于HDFS命名空间管理，以下选项描述正确的是哪几项?

• A 对文件系统命名空间或其属性的任何更改由NameNode和DataNode共同记录
• B NameNode维护文件系统命名空间
• C HDFS的命名空间包含目录、文件和块
• D 用户可以像使用普通文件系统一样，创建、删除、转移目录和文件
• 答案：BCD

（多选题）数据节点是HDFS的工作节点，以下描述哪些是其功能?

• A 根据客户端或者是名称节点的调度来进行数据的存储和检索
• B 向名称节点定期发送自己所存储的块的列表。
• C 负责数据的存储和读取
• D 记录了所有针对文件的创建、删除、 重命名等操作
• 答案：ABC

（多选题）下图展示了HDFS的标签存储策略，观察下图，HBase的数据会被存储到哪些数据节点上?

• A DataNode B
• B DataNode E
• C DataNode C
• D DataNode A
• 答案：AD

（多选题）以下哪些选项属于数据治理模块域?

• A 数据集成
• B 数据服务
• C 数据开发
• D 主数据管理
• 答案：ABCD

（多选题）以下哪些选项属于数据治理的价值?

• A 提升业务处理效率
• B 解决数据安全问题
• C 降低业务运营成本
• D 代替管理决策
• 答案：ABC

判断题

（判断题）ZooKeeper支持对多个ClickHouseServer进行负载均衡，提高应用接入的高可靠性

• A 正确
• B 错误
• 答案：A

（判断题）Tez是一个支持有向无环图的分布式计算框架，Hive使用Tez引擎进行数据分析时，会将用户提交的HQL语句解析成相应的Tez任务并提交Tez行

• A 正确
• B 错误
• 答案：A

（判断题）Distributed表引擎本身不存储任何数据，而是作为数据分片的透明代理，能够自动路由数据到集群中的各个节点，分布式表需要和其他本地数据表一起协同工作

• A 正确
• B 错误
• 答案：A

（判断题）生产环境中任何一个MapRedce任务Shuffle都是不可避免的

• A 正确
• B 错误
• 答案：B

（判断题）分布式表的表结构尽量和本地表的结构一致。如果不一致，在在建表时不会报错，但在查询或者插入时可能会抛出异常

• A 正确
• B 错误
• 答案：A

（判断题）Flink不仅能提供同时支持高吞吐和exactly-once语义的实时计算，还能提供批量数据处理

• A 正确
• B 错误
• 答案：A

（判断题）ClickHuse完全使用SQL作为查询语言，提供了标准协议的SQL查询接口

• A 正确
• B 错误
• 答案：A

（判断题）Flume支持将多个Flume级联起来，同时级联节点内部支持数据复制

• A 正确
• B 错误
• 答案：A

（判断题）Hive是建立在Hadoop上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载(ETL)，这是一种可以存储、查询和分析存储在Hadoop中的大规漠数据的机制

• A 正确
• B 错误
• 答案：A

（判断题）HBase中penscanner的过程，会创建两种不同的Scanner来读取H-File和 MemStore的数据。HFile对应的Scanner为StoreFileScanner;MemStore对应的Scanner为MemStoreScanner。

• A 正确
• B 错误
• 答案：A

（判断题）ApplicationMaster 采用轮询的方式通过RPC 协议向ResourceManager 申请和领取资源

• A 正确
• B 错误
• 答案：A

（判断题）Hadoop系统中，如果HDFS文件系统的备份因子是3,，那么MapReduce每次运行的task都要从3个有副本的机器上传输需要处理的文件段.

• A 正确
• B 错误
• 答案：B

（判断题）Resurceanager采用高可用方案，当Active ResourceManager发现故障时，只能通过内置的ZooKeeper来启动Standby的ResourceManager,将其状态切换为Active。

• A 正确
• B 错误
• 答案：B

（判断题）Spark的中间数据放在内存中，对于迭代运算、批处理计算的效率更高，延迟更高

• A 正确
• B 错误
• 答案：B

（判断题）在点对点消息系统中，可由一个或多个消费者消费队列中的数据，但是一条消息只能被消费一次。

• A 正确
• B 错误
• 答案：A

（判断题）Flume是一种分布式，高可靠且高可用的服务，用于有效地收集、聚合和移动大量日志数据.

• A 正确
• B 错误
• 答案：A

（判断题）数据质量监控DQC(Data Quality ntr1)模块是对数据库里的数据质量进行质量管理的工具，可以从完整性、有效性、及时性、一致性准确性、唯一性六个维度进行单列、跨列、跨行和跨表的分析。

• A 正确
• B 错误
• 答案：A

（判断题）在DataArts Studio平台中，支持自定务元模型，批量导入业务元数据，关联业务和技术元数据、全链路的血缘管理和应用。

• A 正确
• B 错误
• 答案：A

（判断题）大数据体量的不断增加，对数据存储理安全性要求越来越高，对数据的多副本与容灾机制也提出更高的要求。

• A 正确
• B 错误
• 答案：A

（判断题）Apache Ranger提供一个集中式安全管理框架，提供统一授权和统一审计能力。它可以对整个Hadoop生态中如HDFS、Hive、HBase、Kafka、Storm等进行粗粒度的数据访问控制。

• A 正确
• B 错误
• 答案：B

填空题

（填空题）Hive架构中，（ ）组件负责对表，列和Partition等的元数据进行读写及更新操作

• 答案：Metastore

（填空题）HBase通过（ ）快速判断用户数据不存在

• 答案：BloomFilter

（填空题）Hbase开启了预写日志之后，在写入数据时率先写入____再写入MemStore

• 答案：HLog

（填空题）某公司使用Yarn的capacity调度器管理集群资源，现设置某一队列用户最低资源保障百分比为20%，该队列最多可允许____用户提交任务

• 答案：5

（填空题）Spark架构中，( )是核心模块

• 答案：SparkCore