2026大数据工程技术人员理论考试模拟试卷_异议题替换版(1)

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

收藏

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 练习进度 0 / 0

随机练习 自定义设置练习量

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

在从业务数据库持续采集增量数据时，最适合用于捕获新增、修改和删除事件的技术是（）。

对包含少量缺失值的数值型字段进行预处理时，下列做法最不合理的是（）。

为了保证ETL任务重复执行时不会产生重复结果，最应关注的工程特性是（）。

Kafka中用于标识消费者在某个Partition中已消费位置、支持后续继续消费的概念是（）。

HDFS主要通过哪种机制提升大规模数据存储的容错能力（）。

在分析型场景中，Parquet相较CSV更突出的优势是（）。

Hive表按日期字段进行分区的主要目的通常是（）。

下列更适合存储高并发、低延迟Key-Value访问数据的是（）。

Spark中的“惰性计算（Lazy Evaluation）”是指（）。

在MapReduce中，负责将Map输出按Key分组并传输到Reducer阶段的过程通常称为（）。

Spark作业中少数Task耗时远高于其他Task，且对应分区数据量异常大，最可能的问题是（）。

对于二分类模型，AUC主要用于衡量（）。

在类别分布不均衡的二分类任务中划分训练集与测试集时，使用stratify的主要作用是（）。

对“用户所在地区：北京、上海、广州”这类无序类别字段进行机器学习预处理，常见方法是（）。

使用Pipeline组织预处理与模型训练的主要工程价值是（）。

随机森林在训练多棵决策树时引入随机特征子集，主要作用是（）。

“数据湖仓一体（Lakehouse）”架构的核心目标之一是（）。

在企业大数据平台中，用于统一描述数据表、字段、口径、负责人等信息的是（）。

数据血缘最主要回答的问题是（）。

某客户表规定customer_id不能为空且不能重复，这主要对应数据质量的（）。

更多题库