数据工程师培训题库文档格式.docx
《数据工程师培训题库文档格式.docx》由会员分享，可在线阅读，更多相关《数据工程师培训题库文档格式.docx（8页珍藏版）》请在冰点文库上搜索。
A.Inceptorserver日志存放于各节点的/var/log/inceptorsql[x]/
B.可以通过inceptorserver4040查看SQL错误日志
C.Excutor日志存放于excutor节点的/var/log/inceptorsql[x]/
5、D．ExcutorGC日志存放于excutor节点的/var/log/inceptorsql[x]/有10G的数据，tableB有100G的数据，两个表通过共有的id列做关联查询name列，以下方式可以优化计算效率的是（）
A.select/*+MAPJOIN（a）*/,fromtableAajointableBbon=
B.select/*+MAPJOIN（b）*/,fromtableAajointableBbon=
C.建表时将tableA和tableB根据id字段分相同数量的桶
D.建表时将tableA和tableB根据name字段分相同数量的桶
6、以下属于HMaster功能的是（）
A．为RegionServer分配region
B．存储数据元信息
C．对region进行compact操作
D．管理用户对table的增删改查操作
7、Hyperbase与Inceptor的关系，描述正确的是（）
A．两者不可或缺，Inceptor保证Hyperbase的服务的正常运行
B．两者没有任何关系
C．Inceptor可以访问Hyperbase
D．两者相辅相成
8、下列创建全局索引的语句，正确的是（）
A．add_index'
t1'
'
index_name’,‘COMBINE_INDEX|INDEXED=f1:
q1:
9|rowKey:
rowKey:
10,UPDATE=true'
B．add_global_index'
index_name’,'
COMBINE_INDEX|INDEXED=f1:
C．add_fulltext_index'
D．create_global_index'
9、以下对流处理计算框架描述不正确的是（）
A．SparkStreaming是基于微批（batch）对数据进行处理的
B．ApacheStorm是基于时间（event）对数据进行处理的
C．TranswarpStreamSQL可基于微批或事件对数据进行处理
D．以上说法都不对
10、某交通部门通过使用流监控全市过往24小时各个卡口数据，要求每分钟更新一次，原始流为org_stream，以下实现正确的是（）
A.CREATESTREAMWINDOWtraffic_streamASSELECT*FROMoriginal_streamSTREAMw1AS（length'
1'
minuteslide'
24'
hour）;
B.CREATESTREAMtraffic_streamASSELECT*FROMoriginal_streamSTREAMWINDOWw1AS（length'
C.CREATESTREAMtraffic_streamASSELECT*FROMoriginal_streamSTREAMWINDOWw1AS（length'
hourslide'
minute）;
D.CREATESTREAMtraffic_streamASSELECT*FROMoriginal_streamAS（length'
secondslide'
11、Zookeeper服务描述正确的为（）
A.Zookeeper中每一个server互为leader。
B.Zookeeper中只有一个leader，并通过备份机制产生。
C.Zookeeper中不存在leader,所有server共同提供服务。
D.Zookeeper通过选举机制确定leader，有且仅有一个。
12、通过Hue修改HDFS目录或文件的权限可以通过以下哪些方式实现（）
A．Hdfs相应的权限
B．通过Hue超级用户hue登录
C．以hdfs用户登录
D．以上都可以
13、通过Oozie使用ssh，必须满足以下条件（）
A．以root用户登录各个节点
B．Oozie用户可以免密钥登录
C．Oozie用户必须要有bash权限
D.所访问必须是集群的节点
14、有关使用sqoop抽取数据的原理的描述不正确的是（）
A.sqoop在抽取数据的时候可以指定map的个数，map的个数决定在hdfs生成的数据文件的个数
B.sqoop抽取数据是个多节点并行抽取的过程，因此map的个数设置的越多性能越好
C.sqoop任务的切分是根据split字段的（最大值-最小值）/map数
D.sqoop抽取数据的时候需要保证执行当前用户有权限执行相应的操作
15、在使用sqoop连接关系型数据时，下面哪个命令可以查看关系型数据库中有哪些表？
（）
A.sqooplist-databases
--usernameroot
--password111111
B.--connectjdbc:
list-databases
-P
C.--connectjdbc:
--password-filefile:
/root/.pwd
D.--connectjdbc:
list-tables
--connectjdbc:
16、要将采集的日志数据作为kafka的数据源，则flumesink需要设置为下列哪项参数（）
A.hdfs
B.kafka
C..{topicname}
17、下列是关于flume和sqoop对比的描述，不正确的是（）
A.flume主要用来采集日志而sqoop主要用来做数据迁移
B.flume主要采集流式数据而sqoop主要用来迁移规范化数据
C.flume和sqoop都是分布式处理任务
D.flume主要用于采集多数据源小数据而sqoop用来迁移单数据源数据
18、有关Elasticsearch描述有误的一项是（）
A．它会利用多播形式发现节点。
B．主节点（masternode）通过选举方式产生。
C．主节点（masternode）进行集群的管理，只负责集群节点添加和删除。
D．主节点会去读集群状态信息，必要的时候进行恢复工作。
19、下面措施中，不能保证kafka数据可靠性的是（）
A.kafka会将所有消息持久化到硬盘中保证其数据可靠性
B.kafka通过TopicPartition设置Replication来保证其数据可靠性
C.kafka通过设置消息重发机制保证其数据可靠性
D.kafka无法保证数据可靠性
20、TDH提供哪几种认证模式？
A．所有服务使用简单认证模式——所有服务都无需认证即可互相访问
B．所有服务都启用Kerberos认证，用户要提供Kerberosprincipal和密码（或者keytab）来访问各个服务
C．所有服务都启用Kerberos同时Inceptor启用LDAP认证
D．所有服务都启用LDAP认证
21、开启LDAP后，应该使用哪个命令连接Inceptor（）
A.transwarp-t-h$ip。
B.beeline-ujdbc:
hive2:
//$ip:
10000-n$username-p$password。
C.beeline-u"
jdbc:
10000/default;
principal=hive/node1@TDH"
。
D.beeline-u"
principal=user1@TDH"
22、Inceptorserver服务无法启动时，该如何查看日志是（）
A．查看TDHmanager所在节点/var/log/inceptorsql*/目录下的日志
B．查看Inceptorserver所在节点/var/log/inceptorsql*/目录下的日志
C．查看ResourceManager所在节点/var/log/Yarn*/目录下的日志
D．查看任意节点/var/log/inceptorsql*/目录下的日志
23、现有一批数据需要进行清洗，要求对其中null通过update转换为0，删除重复的记录，添加部分新的记录，则该表应该设计为（）
A.Tex表
B.Orc表
C.Orc事务表
D.Holodesk表
24、现有一个表数据要存储在hyperbase上，并创建全文索引，原表数据10GB，HDFS配置为3副本，hyperbase压缩比例按1:
3计算，索引数据量为20GB，ES副本数为1，ES压缩比按1:
3计算，则该表需要多大的存储空间存储（）
A.
B.
C.30GB
D.70GB
25、下面哪些工作不属于集群预安装工作（）
A.为集群中每个节点的安装操作系统
B.选一个节点作为管理节点，修改其/etc/hosts文件
C.安装TranswarpManager管理界面
D.配置集群安全模式
【客观简答题（每题10分，共40分）】
1、请描述HDFS的高可用性实现机制：
答：
2、请列举出平台支持的5种存储格式/引擎的表，并详细描述各自的存储特点、使用场景、支持的操作以及是否支持分区分桶。
Text表：
ORC表：
事务表：
HoloDesk表：
Hyperbase表：
3、请描述一个100GB文件写入Hyperbase表的整个过程（使用bulkload方式实现）
4、写出以下场景下的优化思路
（1）、假设在Inceptor上执行任务，发现MapTask数量多、执行时间短，应采取哪种措施来提升性能？
（2）、请简述在Inceptor中大表与大表做join、大表与小表做join时分别有哪些优化手段
升级会员 