大数据原理测试题高频考点：Hadoop、HDFS与HBase速查

简介：这份《大数据技术原理应用》测试题文档面向学习大数据基础课程、准备课堂测验或期末复习的学生与教师，围绕大数据概述、信息化浪潮、云计算与物联网、Hadoop 处理架构等核心章节组织单选与多选题，并附参考答案，便于自测与核对知识点。包内共 1 个 docx 文件，约 76KB，篇幅达 58 页，题目按章节归并，适合按教学进度逐章练习，也可用于教师组卷参考。已有 5638 人学习下载，说明其在课程复习场景中具有一定参考价值。文档对大数据存储管理、流计算、云计算服务模式、物联网关键技术以及 HDFS、MapReduce、YARN 等概念均有覆盖，读者可借助题目快速定位薄弱环节，结合答案回溯教材内容，形成较完整的章节复习线索。

1. 大数据技术原理与应用测试题：58 页里反复考的就那几类

“大数据技术原理与应用”这门课的选择题看着覆盖面很宽，翻完这份 58 页测试题会发现，出题人其实反复在同一处设卡：概念边界、组件职责、默认数值。它不考你能不能真搭起一个集群，考的是你在“下列哪个不属于”这种问法下稳不稳。拿分的核心就三件事：三次信息化浪潮各对应哪些技术、Hadoop 集群里六个角色分别管什么、HBase 的 -ROOT- / .META. 三层怎么寻址。适合期末突击、考研复试专业课问答，也适合开课前自测。下面按章节把真题拆开，答案连同“为什么不是别的选项”一起给。

2. 大数据概述：三次浪潮、四 V 与云物大的送分题

这一章题量不大，但陷阱密度最高。原因很直接：三次信息化浪潮、云计算三种服务模式、物联网分层这三组概念，外面的资料各说各话，而这套题有自己固定的口径。答题时不要拿“我平时看到的说法”去对，拿题干给的选项去对。

2.1 三次信息化浪潮：第一次到底解决什么

真题原样是这样的：“第一次信息化浪潮主要解决什么问题？”选项给了信息传输、信息处理、信息爆炸、信息转换，正确答案是信息处理。这道题最容易错在“传输”上——很多人脑子里“信息化=联网=传输”，手一快就选了。真正的解法是把三次浪潮当成一条线：第一次解决的是“算”，第二次解决的是“连”，第三次面对的是“爆炸”。题干问第一次，就锁“处理”，看到“传输”“爆炸”直接划掉，它们分别是后两次浪潮要处理的问题。

同一章的多选题反过来考第三次浪潮的标志技术：“第三次信息化浪潮的标志是哪些技术的兴起？”答案是物联网、云计算、大数据三项全选。这里唯一的干扰项是“个人计算机”，它是更早阶段普及的产物，被塞进“第三次浪潮”的选项里就是专门用来钓那些“计算机=新技术”的直觉。记法很土但有效：第三次浪潮的三个标志，正好是这门课后面三章的标题——云、物、大。

2.2 四 V 与大数据技术的四个层面

“大数据具有哪些特点”是一道四选四的多选题，答案是大量化、快速化、多样化、价值密度比较低。注意最后一个词，是“价值密度低”，不是“价值低”。这两个说法在含义上差得很远：数据总量大、单条数据的价值密度被稀释，但整体价值高。出题人喜欢在“价值密度”上做手脚，看到“价值低”“没有价值”这种表述，直接判错。

比四 V 更容易混的是技术的四个层面。有一道题问“哪个选项属于大数据技术的‘数据存储和管理’层面”，正确答案是“利用分布式文件系统、数据仓库、关系数据库等实现对结构化、半结构化和非结构化海量数据的存储和管理”。另外三个选项分别对应计算分析层、安全隐私层、流计算层。这类题的答法不是背选项，而是先给每个选项贴标签：出现“并行编程模型、机器学习、数据挖掘”就是计算分析，出现“隐私保护、安全体系”就是安全，出现“实时采集、流计算”就是实时处理。标签贴完，问哪层选哪层，不会串。

紧接着还有一道：“在大数据的计算模式中，流计算解决的是什么问题？”答案是针对流数据的实时计算。干扰项里“大规模数据的批量处理”是批处理干的事，“大规模图结构数据”是图计算干的事。三种计算模式一定要成组记：批处理对应离线批量，流计算对应实时，图计算对应关系网络，三者不能互换。

2.3 云计算三种服务模式：PaaS 按题干口径答

云计算这块有一道很容易凭常识答错的题：“云计算平台层（PaaS）指的是什么？”标准答案是“操作系统和围绕特定应用的必需的服务”，而“将基础设施（计算资源和存储）作为服务出租”是 IaaS 的描述。很多人凭日常理解会选后者，因为外面讲 PaaS 常说是“开发运行环境”，可这套题的选项里没有这个表述，只有“操作系统+必需服务”这一项对得上平台层。这就是典型的“知识没错、口径不对”。

提示：凡是问“XX 指的是什么”的定义题，先用选项互相排除，再回忆概念。四个选项里往往同时摆着 IaaS、PaaS、SaaS 的描述，你只要认出其中两个，剩下的自然落位。

多选题给的是三种服务模式：“软件即服务（SaaS）、平台即服务（PaaS）、基础设施即服务（IaaS）”三项全选，第四个选项“数据采集即服务”是编出来的词，看着对称，实际不存在于这一组分类里。凡是选项里出现“XX 即服务”而你从没在教材里见过的，八成就是干扰项。

2.4 物联网四层与三项关键技术

关于边缘与感知这一块，最常见的错是层数。“物联网主要由下列哪些部分组成的？”答案是应用层、处理层、感知层、网络层四层全选。很多人凭印象只记三层（感知、网络、应用），一看到“处理层”就犹豫。这套题的分层是四层，处理层单列。答题时如果记不清，就看选项有没有把“处理”和“应用”拆开，拆开就是四层，合并就是三层，按题干给的组合走。

“物联网的关键技术包括哪些？”答案是识别和感知技术、网络与通信技术、数据挖掘与融合技术三项。第四个选项“信息处理一体化技术”是拼出来的词，不属于这组列举。物联网这块的规律很明显：凡是三个并列的技术名词后面跟一个听起来更“高级”的合成词，那个合成词基本都是凑数的。

2.5 大数据产业、发展历程与影响

这一小节三道题，都属于“背了就得分、没背就靠猜”的类型，但有个共同的抓手：凡是带“层”的清单，先数层数，再看有没有多余项。

“大数据产业指什么？”答案是“一切与支撑大数据组织管理和价值发现相关的企业经济活动的集合”。干扰项分别是做行业应用的、做数据平台的、做技术服务的，都是产业里的一部分，但都不足以定义整个产业。答这类“XX 指什么”的题，规律是：包含范围最广、最抽象的那个选项通常是对的。

产业链那道题问“下列哪一个不属于大数据产业的产业链环节”，答案是数据循环层。真正的四个环节是数据源层、数据分析层、数据应用层，外加一个存储管理相关环节。“循环”这个词在整个知识体系里几乎不出现，遇到就是错项。

发展历程问的是“下列哪项不属于大数据的发展历程”，答案是迷茫期。历程只有萌芽期、大规模应用期、成熟期三个阶段。这种题的技巧是看词的“调性”：学术概念的分期命名很少用“迷茫”这种情绪化词汇，出现就删。

3. Hadoop 处理架构：六个集群角色与 1.0/2.0 的组件增删

Hadoop 这章是整份题里性价比最高的部分：题目多、套路固定、反复考的就那么几个点。它不问你调优参数，只问你“这个角色负责什么”“这个组件属于哪个版本”。换句话说，考的是分工，不是实现。

3.1 两个核心设计与四个特性

“Hadoop 框架中最核心的设计是什么？”答案是“为海量数据提供存储的 HDFS 和对数据进行计算的 MapReduce”。这个答案其实就是一句话：一个管存，一个管算。项目结构那两道题也印证了这点：HDFS 指分布式文件系统，MapReduce 指分布式并行编程模型。把这两句背死，Hadoop 项目结构里剩下的组件（资源调度器、数据仓库、协调服务）都是配角。

特性题是这章的重灾区，因为正向和反向两种问法交替出现。“下列哪个不属于 Hadoop 的特性”答案是成本高——Hadoop 的卖点之一恰恰是成本低，能跑在廉价机器上。“下面哪一项不是 Hadoop 的特性”答案是只支持少数几种编程语言——它支持多种语言，不是少数。多选题则反过来问“Hadoop 的特性包括哪些”，高可扩展性、支持多种编程语言、成本低、运行在 Linux 平台上四项全选。还有一道多选直接问“哪些描述是错误的”，答案就是那两条反着的说法。

注意：这一章至少有三道题是同一组知识点的正反两问。做题时先看题干里的“属于/不属于”“是/不是”，把这两个字圈出来，再动笔。血泪经验是，这一章丢的分，多半不是不会，而是看反了。

3.2 集群角色的职责对照

“在一个基本的 Hadoop 集群中，DataNode 主要负责什么？”答案是存储被拆分的数据块。干扰项里“负责执行由 JobTracker 指派的任务”是 TaskTracker 的活儿，“协调数据计算任务”是 JobTracker 的活儿，“负责协调集群中的数据存储”是 NameNode 的活儿。四个选项，四个角色的职责打乱了摆在一起，这是本章最典型的出题手法。

“SecondaryNameNode 主要负责什么？”答案是帮助 NameNode 收集文件系统运行的状态信息。注意用词是“帮助”，不是“替代”。它做的是合并元数据、缩短重启时间这类辅助工作，不是热备。这一点在后面 HDFS 那章还会再考一次，问法换成“下列描述哪个是错误的”，错误项就是“一般并行运行在多台机器上”——它通常跑在单独一台上。

多选题把四个角色一次性摆出来：DataNode 存数据块、JobTracker 协调计算任务、TaskTracker 执行任务、SecondaryNameNode 帮 NameNode 收集状态信息，四项全选。这道题的价值不在答案，在于它把整张职责表给全了，可以当成模板背下来：

还有一道问“Hadoop 最初由谁创建”的题，四个选项里混着项目名、基金会名、技术名和一个人名，只有那一个是人名。这类题不用记具体是谁，认准选项性质就能选对：问“谁”，就在选项里找唯一的人名。

3.3 1.0 与 2.0 的分水岭：YARN 出现了没有

“下面哪个不是 Hadoop 1.0 的组件？”答案是YARN。1.0 里是 HDFS 加 MapReduce，资源管理和任务调度由 JobTracker、TaskTracker 承担；到了 2.0，资源管理被拆出来交给 YARN，MapReduce 只管计算。这道题判断方法简单粗暴：看到 YARN，就往 2.0 归。

“下面哪个是 Hadoop 2.0 的组件？”答案是ResourceManager 和 NodeManager，干扰项 JobTracker、TaskTracker 是 1.0 的旧角色。Hadoop 2.0 的组件列表整理成表更清楚：

这张表不用背全，只要记住“2.0 多了 YARN、少了 JobTracker 和 TaskTracker”，这一组题基本全对。面试里问到 Hadoop 架构演进，答的也是这句：从“一个 JobTracker 既管资源又管任务”，变成“资源管理和计算分离”。

3.4 反向题与性能影响因素

“下列哪一个不属于 Hadoop 的大数据层的功能？”答案是实时计算。数据挖掘、离线分析、BI 分析都归在 Hadoop 的批处理体系里，实时计算是另一套东西，正好呼应第 2 章那道流计算题。同一套逻辑在两个章节反复出现，说明出题人非常在意“批处理与实时计算的边界”，这条线要拉直。

“Hadoop 集群的整体性能主要受到什么因素影响？”答案是 CPU 性能、内存、网络、存储容量四项全选。这类题没有干扰项，属于送分，但也别轻敌：有些版本会拿“显示器分辨率”“机箱数量”这种明显无关项来凑，只要认准这四项是硬件的核心资源就行。

4. HDFS 与 HBase：块、元数据、四维坐标与三层寻址

存储这块是整份题里技术含量最高的部分，也是最容易在面试里被追问的地方。它的特点是：概念不复杂，但每个概念都有一个精确的“归属”——哪份数据存在谁那里，谁记录谁的位置。答题的通用思路是先问自己一句“这条信息该由谁记”，归属一清楚，选项自己就分开了。

4.1 HDFS 的块：64MB 是硬数字

“在 HDFS 中，默认一个块多大？”答案是64MB。干扰项 32KB、128KB、16KB 大小差了几个数量级，一眼就能排除，但真正容易翻车的地方在后面：不少资料写的是 128MB，那是新版本的默认值。这套题按 64MB 出，考试就填 64MB，别拿网上看到的数字去改。

块概念的好处是一道反向题：“下列哪一项不属于 HDFS 采用抽象的块概念带来的好处？”答案是强大的跨平台兼容性。真正的三个好处是简化系统设计、支持大规模文件存储、适合数据备份。跨平台是 Hadoop 整体的特性，不是“块”这个概念带来的，出题人就是拿两个都成立的说法互换位置。多选题正面问这三个好处，答案同样是这三项。

“分布式文件系统指的是什么”答案是把文件分布存储到多个计算机节点上、由成千上万个节点构成集群。“下列哪一项不属于计算机集群中的节点”答案是源节点，真正的角色是主节点、名称节点、从节点。HDFS 采用的结构模型是主从结构模型，这个也要记牢，因为后面 HBase、Hadoop 集群全都用同一套主从思路。

4.2 NameNode 的账本：FsImage 管什么，EditLog 管什么

“在 HDFS 中，NameNode 的主要功能是什么？”答案是存储元数据。它不存文件内容，文件内容在 DataNode 上。

真正的细节在 FsImage 和 EditLog 这组概念上。“下面对 FsImage 的描述，哪个是错误的？”错误项是“FsImage 文件记录了每个块具体被存储在哪个数据节点”。这句话正好说反了——FsImage 保存的是文件系统树、目录和文件的 inode 序列化形式，它不记录块的位置信息，块的位置靠 DataNode 上报、由 NameNode 在运行时维护。这个点几乎每年都考，因为它反直觉：既然是“镜像文件”，大家默认它应该什么都有。

“在 HDFS 中，名称节点主要保存了哪些核心的数据结构？”答案是FsImage 和 EditLog。一个管某一时刻的完整快照，一个管这之后的所有改动。把它理解成“账本 + 流水”：FsImage 是结账时的余额表，EditLog 是之后每一笔流水的记录，重启时两者一合并就恢复现场。SecondaryNameNode 干的就是定期把这两者合并、把 EditLog 压小的活儿。

提示：凡是问“XX 里记录了块位置吗”的题，答案基本是“没有”。块的位置信息是动态的，存在内存和 DataNode 的心跳上报里，不写进镜像文件。

4.3 单一名称节点的四个局限与容错机制

HDFS 只设一个名称节点，简化了设计，代价是一组局限性。多选题的答案是命名空间的限制、性能的瓶颈、隔离问题、集群的可用性四项全选。这四个词要成组记，因为面试里问“HDFS 的单点问题”，答的就是这四条。

容错机制那道多选题问“HDFS 设计了哪些机制检测数据错误和自动恢复”，答案是数据节点出错、数据出错、名称节点出错三项；第一个干扰项“数据源太大”是把“数据量大”硬改成的一个假原因。多副本存储的好处也是三项：加快数据传输速度、容易检查数据错误、保证数据可靠性。这两组题的结构完全一样，都是“三项真 + 一项凑”。

“下列关于 HDFS 的描述，哪个不正确？”错误项是“HDFS 采用块的概念，使得系统的设计变得更加复杂”——原话是简化设计，反向改一个字就成了错项。这类题不用理解，只要对“简化/复杂”“廉价/昂贵”“高效/低效”这种反义替换保持警觉即可。

4.4 HBase 的四维坐标与三层寻址

“HBase 中需要根据某些因素来确定一个单元格，这些因素可以视为一个‘四维坐标’，下面哪个不属于？”答案是关键字。真正的四维是行键、列族、列限定符、时间戳。这四个词要和关系数据库的“行、列”彻底分开：HBase 没有真正的列，只有列族下面的列限定符，再加上时间戳来区分同一份数据的多个版本。“关键字”这个词是从数据库索引语境里借来的，放到四维坐标里就是错项。

三层寻址是这一章最值得反复看的部分。“关于 HBase 的三层结构中各层次的名称和作用的说法，哪个是错误的？”错误项是“Zookeeper 文件记录了用户数据表的 Region 位置信息”。正确的链条是：Zookeeper 记 -ROOT- 表的位置 → -ROOT- 表记 .META. 表的 Region 位置 → .META. 表记所有用户数据表的 Region 位置。用户表的位置在最里层，不在 Zookeeper 里，这就是那道题的考点。

还有一道“关于 Region 的说法，哪个是错误的”，错误项是“一个 -ROOT- 表可以有多个 Region”。正确答案是-ROOT- 表只有一个 Region，而且为了加快访问，.META. 表的全部 Region 都会常驻内存。这条如果记混，三层寻址的整条链就断了。

“HBase 的实现包括哪三个主要的功能组件？”答案是库函数、一个 Master 主服务器、许多个 Region 服务器三项。库函数链接到每个客户端，Master 管表和 Region 的分配，Region 服务器真正存数据。三层结构（Zookeeper、-ROOT-、.META.）说的是“怎么找到数据”，三个功能组件说的是“谁来干活”，两组概念别混。

4.5 访问接口、Master 职责与 HLog

HBase 的访问接口多选题四选四：Native Java API、HBase Shell、Thrift Gateway、REST Gateway。分别对应原生调用、命令行、跨语言服务、HTTP 风格接口。“在 HBase 访问接口中，Pig 主要用在哪个场合？”答案是适合做数据统计。同组干扰项分别对应批处理、管理、异构系统在线访问，正好是其他几个接口的定位。

Master 的职责有一道反向题：“下面关于主服务器 Master 主要负责表和 Region 的管理工作的描述，哪个是错误的？”错误项是“不支持不同 Region 服务器之间的负载均衡”。事实恰好相反，负载均衡是它的核心职责之一，另外还包括 Region 分裂合并后重新调整分布、失效 Region 迁移、管理用户对表的增删改查。

HLog 那组多选题四选四，核心就一句：分布式环境必须考虑出错，每个 Region 服务器配一个 HLog 文件，Zookeeper 实时监测状态，Master 处理故障服务器遗留的 HLog。这几项串起来就是一个完整的故障恢复流程，背的时候按“先监测、再接管、后回放”的顺序记。

5. 易错与失分点：NoSQL 与 HBase 那几道年年有人翻车的题

这一章的题不难，但错了会让人很懊恼——因为不是不会，而是记忆发生了“串味”。下面五条，是这批题里错误率最高、也最容易被忽略的类型。

5.1 错点一：CAP 记成“三个都要”

错在哪：多选题问“关于 CAP，下列哪些说法是正确的”，很多人把“一个分布式系统可以同时满足一致性、可用性和分区容忍性这三个需求”也选上，结果整题丢分。

为什么错：CAP 的结论恰恰是“三者不可兼得”，最多同时满足两个。记成“都能满足”，等于把这个定理的核心给否定了。

怎么答对：先记住“三选二”这个前提，再看三种组合：CA 强调一致性和可用性、放弃分区容忍；CP 强调一致性和分区容忍、放弃可用性；AP 强调可用性和分区容忍、放弃一致性。三种选择的多选题答案就是这三项。那道问“CAP 说法正确”的题，正确项是一致性的定义、可用性的定义、分区容忍性的定义这三条，错误项只有“同时满足三个”这一条。

5.2 错点二：NoSQL 四大类型的特点全记反

错在哪：问“下列哪一项不属于 NoSQL 的四大类型”，有人选“列族数据库”；问“键值数据库描述错误的是哪项”，有人选“扩展性好”；问“列族数据库描述错误的是哪项”，又有人选“容易分布式扩展”。

为什么错：四种类型的优缺点被记串了。键值库的长处是扩展性和写性能，短处是条件查询效率低、存不了结构化信息；列族库的长处恰恰是容易分布式扩展、复杂性低，短处是功能少、大多不支持强事务。

怎么答对：用一张表把四种类型的“长处 / 短处”钉死：

四大类型里没有“时间戳数据库”，那是把 HBase 的时间戳概念硬拼出来的词。另外文档数据库那道反向题，错误项是“数据是规则的”——文档数据库的特点恰恰是数据结构不固定、可以自由定义。

5.3 错点三：ACID、BASE 与三大基石混着记

错在哪：“下列哪一项不属于数据库事务的 ACID 四性”，有人把“间断性”选进去，也有人把“一致性”排掉。

为什么错：ACID 是原子性、一致性、隔离性、持久性，没有“间断性”这个词；它长得像“隔离性”的兄弟，专门用来凑数。另一个高频混淆是把 NoSQL 的三大基石记成 CAP、BASE 加一个别的，实际三大基石是 CAP、最终一致性、BASE。

怎么答对：把两组概念彻底分开记——ACID 讲的是事务该满足什么，BASE 讲的是大规模分布式系统愿意放弃什么换取可用性。一个是标准，一个是妥协策略。答题时先看题干问的是“事务”还是“分布式系统”，问事务就只在 ACID 里挑，问 NoSQL 基石就只在 CAP、最终一致性、BASE 里挑。

5.4 错点四：“HBase 只能按行键查”这句话只说对一半

错在哪：问“如果要访问 HBase 表中的行，下面哪种方式是不可行的”，正确答案是通过时间戳访问，但不少人被“HBase 只有一个针对行键的索引”这句话带偏，把“通过行键区间访问”也判成不可行。

为什么错：HBase 确实只有行键索引，但基于行键能做的事不止单点查——单个行键、行键区间、全表扫描三条路都通，时间戳只用来区分版本，不能当查询入口。

怎么答对：把“索引”和“访问方式”分开看。索引只有一种（行键），访问方式有三种（单键、区间、全扫），时间戳是版本标记不是查询维度。同一章还有一道 Master 的反向题，错误项是“不支持不同 Region 服务器之间的负载均衡”，记住负载均衡是它明确要管的，就不会选错。

5.5 错点五：块大小按“最新版本”答，不按题干答

错在哪：HDFS 默认块大小这道题，凭印象填 128MB，而选项里根本没有 128MB，只有一个 128KB 在旁边晃。

为什么错：把不同版本、不同资料的说法混用了。单位也是坑，MB 和 KB 差三个数量级，看着像就选了。

怎么答对：先看单位再看数字。选项里 64MB、128KB、32KB、16KB 并列时，只有 64MB 是“兆”级且符合题干口径，其余都是“千字节”级，属于凑数项。这套题的默认值是 64MB，考试按题面来，别按记忆来。同一章还有“FsImage 记录块位置”这种反直觉题，答法也一样：以题干和教材的表述为准，不拿外部资料去“纠正”它。

6. 答题技巧与押题思路：三步定位法，把 58 页压成一张表

刷完这几章会发现，出题人的套路高度重复。我给你一个在考场上能直接用的三步定位法。

第一步，看题干主语。主语是“NameNode”“DataNode”“Master”“Region 服务器”还是“Zookeeper”，先定角色，再定它该管什么。很多题根本不用读完四个选项，主语一锁定，答案就出来了。

第二步，看问法方向。圈出“属于/不属于”“正确/错误”“是/不是”。这批题里至少有一半的失分来自看反问法，而不是知识点不会。养成圈字的习惯，比多背十条概念有用。

第三步，对号入座到表格。前面几章给的职责表、版本表、四类型表、三层寻址链条，就是考场上要调用的“字典”。脑子里有表，选项就是在表里做匹配；脑子里只有零散记忆，选项就会互相打架。

押题方向上，优先级从高到低大致是这样：

最后说个自己的教训。早些年我第一次做这类题，错得最惨的不是不会的题，是“下列哪个不属于”看成了“属于”，一口气连错四道，全是同一类失误。从那以后我每次做选择题，都强制走一遍“圈问法、标主语、对表格”这三步，哪怕题再简单也不跳。这套动作花不了十秒，但能挡掉大部分莫名其妙的丢分。希望帮到你。

这份测试题按章节分好了单选和多选，打印出来对着上面的表格过一遍，两天能刷完两轮，错题直接标在对应的小节旁边，比零散地翻书效率高得多。

本文还有配套的精品资源，点击获取