2026年中國聯通大數據工程師筆試題庫及答案一、單選題（共5題，每題2分）1.題干：在Hadoop生態(tài)系統(tǒng)中，HDFS主要用于存儲大規(guī)模數據集，其設計特點不包括以下哪項？A.高吞吐量B.高容錯性C.低延遲訪問D.數據局部性優(yōu)化答案：C解析：HDFS通過塊級存儲和副本機制實現高吞吐量和容錯性，但設計上優(yōu)先保證高吞吐量而非低延遲訪問。低延遲訪問更適合SSD或內存數據庫。2.題干：以下哪種算法不屬于聚類算法？A.K-MeansB.DBSCANC.AprioriD.HierarchicalClustering答案：C解析：Apriori算法屬于關聯規(guī)則挖掘算法，用于發(fā)現數據項之間的頻繁項集，而其余三項均為聚類算法。3.題干：在Spark中，以下哪個操作屬于RDD的轉換操作？A.`mapPartitions`B.`reduceByKey`C.`filter`D.`collect`答案：C解析：`filter`是轉換操作（返回新的RDD），而`mapPartitions`、`reduceByKey`屬于有狀態(tài)轉換，`collect`屬于動作操作。4.題干：中國聯通5G網絡中，時延敏感型業(yè)務（如AR/VR）對網絡的要求不包括以下哪項？A.低時延（1-10ms）B.高帶寬（10Gbps以上）C.高可靠性（99.999%）D.高頻譜效率答案：D解析：時延敏感型業(yè)務優(yōu)先要求低時延和高可靠性，高頻譜效率更適用于大連接場景（如物聯網）。5.題干：在數據預處理中，處理缺失值的方法不包括以下哪項？A.刪除缺失值B.均值/中位數填充C.KNN插值D.特征編碼答案：D解析：特征編碼（如One-Hot）用于處理分類變量，其余三項均為缺失值處理方法。二、多選題（共4題，每題3分）1.題干：在Flink中，以下哪些屬于其核心特性？A.有狀態(tài)計算B.支持事件時間處理C.低延遲流處理D.嚴格容錯機制答案：A、B、C、D解析：Flink支持有狀態(tài)計算、事件時間處理、低延遲流處理，并具備分布式快照實現嚴格容錯。2.題干：中國聯通大數據應用場景中，以下哪些屬于物聯網數據分析范疇？A.智能車聯網流量預測B.工業(yè)設備故障診斷C.城市交通信號優(yōu)化D.5G網絡用戶行為分析答案：A、B、C解析：D屬于傳統(tǒng)用戶行為分析，前三項均涉及物聯網設備數據。3.題干：在SparkSQL中，以下哪些函數屬于聚合函數？A.`count`B.`avg`C.`collect_list`D.`first`答案：A、B、D解析：`collect_list`屬于窗口函數，其余均為聚合函數。4.題干：在數據倉庫設計中，星型模型包含哪些核心組件？A.事實表B.維度表C.聚集表D.索引表答案：A、B解析：星型模型包含事實表和維度表，聚集表屬于雪花模型擴展。三、判斷題（共5題，每題2分）1.題干：MapReduce框架在處理大規(guī)模數據時，其Map階段和Reduce階段可以并行執(zhí)行。答案：正確解析：Map階段在不同節(jié)點并行執(zhí)行，Reduce階段按Key聚合，存在數據依賴但可部分并行。2.題干：中國聯通的“大連接”戰(zhàn)略主要針對低功耗廣域網（LPWAN）技術。答案：正確解析：LPWAN（如NB-IoT、Cat.1）支持海量物聯網設備連接。3.題干：Hive中的HiveQL默認使用MapReduce執(zhí)行查詢。答案：正確解析：早期Hive依賴MapReduce，當前已支持Tez和Spark，但默認仍為MapReduce。4.題干：機器學習中的過擬合會導致模型在訓練集上表現良好，但在測試集上表現差。答案：正確解析：過擬合模型學習到噪聲，泛化能力弱。5.題干：中國聯通的5G網絡支持網絡切片技術，可隔離不同業(yè)務場景的QoS需求。答案：正確解析：網絡切片是5G關鍵特性，為垂直行業(yè)提供定制化網絡服務。四、簡答題（共3題，每題5分）1.題干：簡述Hadoop生態(tài)系統(tǒng)中YARN的職責及其優(yōu)勢。答案：-職責：YARN（YetAnotherResourceNegotiator）負責資源管理和任務調度，將MapReduce框架解耦為資源管理器和任務執(zhí)行器。-優(yōu)勢：支持多種計算框架（如Spark、Flink），提升資源利用率，降低單點故障風險。2.題干：中國聯通大數據平臺中，如何實現實時數據與離線數據的融合分析？答案：-實時數據：通過Flink或Kafka+SparkStreaming采集，存入HDFS或Redis。-離線數據：使用Hive或DeltaLake存儲，通過SparkSQL統(tǒng)一處理。-融合方式：基于時間戳或業(yè)務ID關聯，使用Join操作整合分析。3.題干：在數據挖掘中，特征工程的主要步驟有哪些？答案：-數據清洗：處理缺失值、異常值。-特征提?。喝鏟CA降維。-特征構造：組合或衍生新特征。-特征選擇：過濾冗余特征（如L1正則化）。五、編程題（共2題，每題10分）1.題干：使用Python（Pandas）實現以下功能：-讀取CSV文件，篩選出年齡大于30且收入高于50000的記錄。-統(tǒng)計每個城市的人數分布，并按人數降序排列。答案：pythonimportpandasaspd讀取數據df=pd.read_csv('data.csv')篩選條件filtered=df[(df['age']>30)&(df['income']>50000)]城市分布統(tǒng)計city_counts=df['city'].value_counts().sort_values(ascending=False)print(city_counts)2.題干：使用SparkSQL實現以下功能：-讀取JSON文件，創(chuàng)建DataFrame。-添加一列`age_group`，根據年齡分段（<20:"青年",20-40:"中年",>40:"老年"）。答案：pythonfrompyspark.sqlimportSparkSessionfrompyspark.sql.functionsimportwhenspark=SparkSession.builder.appName("example").getOrCreate()讀取JSONdf=spark.read.json("data.json")添加年齡分段df=df.withColumn("age_group",when(df["age"]<20,"青年")\.when(df["age"].between(20,40),"中年")\.otherwise("老年"))df.show()六、綜合分析題（共1題，15分）題干：中國聯通某省分公司計劃建設智慧交通大數據平臺，需支持以下需求：1.實時采集路口攝像頭流量數據（每5分鐘1條記錄）。2.離線存儲歷史交通數據（每日匯總至Hive）。3.分析擁堵模式（如連續(xù)3小時車流量下降超過30%），并生成預警。問題：-設計數據架構，說明各組件選型及原因。-描述實時與離線數據融合的流程。-編寫SparkSQL實現擁堵檢測邏輯。答案：1.數據架構設計：-實時采集：使用Kafka采集攝像頭數據，推送到Flink實時處理。-離線存儲：將Flink結果存入HDFS，通過Hive建表分析歷史數據。-計算引擎：Flink（實時）+Spark（離線）。-優(yōu)勢：Flink低延遲處理交通流，Spark支持復雜SQL分析。2.數據融合流程：-實時數據：Kafka->Flink->HDFS（Append模式）。-離線數據：Hive表關聯HDFS數據，通過SparkSQLJoin操作。3.SparkSQL擁堵檢測：sqlWITHtrafficAS(SELECTtimestamp,site_id,COUNT()ASflowFROMraw_dataGROUPBYtimestamp,site_id)SELECTsite_id,timestamp,flowFROMtraffict1WHEREflow<0.7(SELECTflo