简介这份《大数据技术原理与应用》配套测试题文档面向高校大数据课程学习者与备考人员用于课后自测、章节复习与期末冲刺。文档共58页围绕林子雨教材前两章展开第一章大数据概述覆盖三次信息化浪潮、大数据存储与管理、流计算、大数据产业链、云计算服务模式与物联网关键技术等考点第二章Hadoop处理架构则聚焦HDFS、MapReduce、YARN三大组件及集群节点职责。题目以单选题和多选题为主每题均附参考答案便于边做边核对、快速定位知识盲区。压缩包内仅1个docx文件体积约76KB轻量易取可直接打印或导入平板批注。目前已有5638人学习下载适合课堂随测、考研复试准备及大数据入门者梳理概念框架时使用。1. 大数据技术原理与应用测试题58页题库里拉开分差的不是单选拿到这份《大数据技术原理与应用》测试题多数人的第一反应是翻到单选题快速刷完。58页看着唬人可前几章的单选几乎全是概念复述错一两道不影响什么真正把分数分出档次的是多选题五个选项少勾一个、多勾一个整题归零而它偏偏密集压在 Hadoop 组件、HDFS 局限性、HBase 三层结构、NoSQL 三大基石这几处。这套题考的不是写代码是能不能把「谁负责什么、哪一层解决什么问题」讲清楚——单选考细节记忆多选考结构理解。适合准备课程期末、专业课复试、大数据岗笔试的人两轮打法第一轮按章节把概念钉死第二轮只刷多选和错题对着答案说出错在哪。2. 大数据概述三次信息化浪潮、4V 与三类计算模式这一章在整份题库里分值最稳题量也最集中而且它属于「一旦记反就成片丢分」的类型。更麻烦的是很多人在别处看到的表述和题库答案不一致比如三次浪潮各自解决的问题网上常见一种说法把「信息传输」排在第一次这套题的答案却是第一次解决信息处理。考场上按题库走别按印象走。2.1 三次信息化浪潮对应三个问题顺序千万别记反题库的判定是第一次信息化浪潮以个人计算机为代表解决的是信息处理问题第二次以互联网为代表解决信息传输第三次以物联网、云计算、大数据为代表解决信息爆炸。这个顺序之所以容易翻车是因为直觉上总觉得「先能传才能处理」可技术史恰恰相反——单机先把算和存的问题解决了联网才把传输的问题摆上台面。配套还有一道很典型的题下列哪一个不属于第三次信息化浪潮中新兴的技术答案是「互联网」。原因很直接互联网属于第二次浪潮的产物第三次的三个标志性技术是物联网、云计算、大数据。这道题在单选里出现频率很高干扰项就藏在「都是新技术」的语感里。记忆钩子可以这么打PC 管处理、网络管传输、物云大管爆炸。三个词对应三台机器、三张网、三堆数据比死背年份靠谱。2.2 4V 与两个核心技术多选题的固定答案池大数据的四个特点在多选题里几乎是送分题大量化、快速化、多样化、价值密度比较低。注意第四条的措辞是「价值密度低」而不是「价值低」两者差一个字意思完全不同——数据总量大、单条价值稀薄但整体有挖掘价值。核心技术这一题只有两个正确答案分布式存储和分布式处理。题库里放了「分布式应用」「集中式存储」两个看着很像的干扰项。判断标准很简单——大数据的两条腿是「存得下」和「算得动」应用是结果不是技术集中式存储是 Hadoop 要解决的问题本身。至于「数据存储和管理」技术层面的功能正确答案的描述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。这句话的关键词是三层数据结构都要覆盖凡是只提结构化数据的选项直接排除。大数据产业的定义也是同一套路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。注意它强调「支撑」和「价值发现」凡是只描述某一类行业应用智能交通、智慧医疗的选项都属于产业链下游的一个点不是产业整体。产业链环节那道题题库把「数据循环层」设为不属于产业链的干扰项。这类题的破题方式是记住产业链是从数据产生到价值落地的单向链条出现「循环」这种闭环词八成是编出来的。2.3 云计算三层服务与物联网四层结构最容易张冠李戴的两组云计算的服务模式是 SaaS、PaaS、IaaS 三类这个几乎人人会背但一到「PaaS 具体指什么」就分不清。题库给的答案是「操作系统和围绕特定应用的必需的服务」——也就是平台层提供的是应用运行的环境不是硬件也不是成品软件。而「将基础设施计算资源和存储作为服务出租」是 IaaS 的描述「从一个集中的系统部署软件使之在一台本地计算机上或从云中远程地运行」是 SaaS 的描述。这三个定义一定要成组记单记一个必然混。云计算关键技术包括分布式存储、虚拟化、分布式计算、多租户四项多选题四个全选。数据中心那题的正确表述是「数据中心是云计算的重要载体为各种平台和应用提供运行支撑环境」干扰项里「数据中心就是一台中心服务器」「每个企业都要自建数据中心」「数据中心不需要网络带宽支撑」三条都是明显的反向错误用常识即可排除。物联网这块有两个必考结构。组成上分四层应用层、处理层、感知层、网络层——注意不是常见的「感知、网络、应用」三层题库版本多了一个处理层考试按四层答。关键技术三项识别和感知技术、网络与通信技术、数据挖掘与融合技术。物联网应用那道题智能物流、智能安防、环保监测都属于应用只有「数据清洗」是数据处理动作不属于物联网应用场景。2.4 真题演练五道原题走一遍答题路径题一第一次信息化浪潮主要解决什么问题四个选项是信息传输、信息处理、信息爆炸、信息转换。看到「第一次」脑子里立刻调出 PC 这条线选信息处理。答题时可以顺手在草稿上写「1 处理、2 传输、3 爆炸」后面再遇到浪潮题直接对表。题二流计算解决的是什么问题选项分别对应批量处理、图结构处理、存储管理与查询分析、流数据实时计算。关键词「流」对应「实时」答案是针对流数据的实时计算。这里要顺带把三种计算模式补齐批处理对应大规模数据离线处理MapReduce流计算对应实时数据Storm 一类图计算对应大规模图结构社交网络、路径分析。题库里「大数据的大数据层功能」那题数据挖掘、离线分析、BI 分析都算唯独「实时计算」不算考的正是这个分工。题三下面哪个选项属于大数据技术的「数据存储和管理」技术层面长选项题四个答案都写得很像。破题看动词这道题问的是「存和管理」正确答案里出现的是分布式文件系统、数据仓库、关系数据库另外三个选项分别对应「处理和分析」「隐私与安全」「实时采集与流计算」各管一段不属于存储管理。题四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」。这道题不需要记住完整链条只需要判断哪个环节不合逻辑——产业链是从数据源到分析再到应用的推进过程循环不是环节。题五多选大数据的两个核心技术是什么答案是分布式存储和分布式处理。多选题在这种「两个核心」的题上反而好拿分因为选项池里通常只放两个正确方向剩下的都是明显跑偏的描述。真正难的是那些四个选项全对的题比如「云计算关键技术包括什么」四项全选很多人只敢勾三个。提示这一章的所有多选题有个共同特征——正确选项往往是并列关系而不是递进关系。看到四个选项各自描述一个独立侧面大概率全选别因为「感觉太多了」而漏勾。3. Hadoop 与 HDFS集群角色、块大小、元数据三类必考Hadoop 这一块是整份题库的骨架从第二章的处理架构到第三章的分布式文件系统题目加起来能占三分之一。它的考法和第一章完全不同第一章考「你记不记得」这一章考「你分不分得清」。NameNode 和 SecondaryNameNode 谁备份谁、JobTracker 和 ResourceManager 是哪个版本的东西、DataNode 到底存块还是存元数据——这些点单看都能说两句一放进选项里就开始打结。3.1 核心设计与版本更替一句话定位 HadoopHadoop 框架最核心的设计只有一个答案为海量数据提供存储的 HDFS和对数据进行计算的 MapReduce。这句话是所有 Hadoop 题的原点凡是把 YARN、HBase、Hive 说成「最核心设计」的选项一律排除。Hadoop 的特性在多选题里四项全选高可靠性、高容错性、高可扩展性、成本低、运行在 Linux 平台上、支持多种编程语言。反过来考「下列哪个不属于」时题库给的错误项是「成本高」和「只支持少数几种编程语言」。这两个干扰项的设计逻辑很清晰——把 Hadoop 的真实优势反写一遍。版本更替是这里最容易踩坑的地方。Hadoop 1.0 的组件是 HDFS、MapReduce以及 NameNode、DataNode、JobTracker、TaskTracker 这一套Hadoop 2.0 引入了 YARN把 JobTracker 的职责拆成 ResourceManager全局资源管理和 NodeManager单节点管理TaskTracker 也随之退场。所以那道「下列哪个不是 Hadoop 1.0 的组件」的题答案就是 YARN而「下面哪个是 Hadoop 2.0 的组件」的多选题答案是 ResourceManager 和 NodeManagerJobTracker、TaskTracker 属于 1.0 的旧角色放在 2.0 的选项里就是错的。把这张对照表记住版本类题目基本不会失分角色所属版本职责NameNode1.0 / 2.0 都有存储元数据管理命名空间与块映射DataNode1.0 / 2.0 都有存储被拆分的数据块定期上报块列表SecondaryNameNode1.0 / 2.0 都有合并 FsImage 与 EditLog缩短重启时间JobTracker仅 1.0协调数据计算任务、分配任务TaskTracker仅 1.0执行 JobTracker 指派的任务ResourceManager仅 2.0全局资源管理与调度NodeManager仅 2.0单节点上的资源与容器管理3.2 集群节点职责四个角色的边界要能脱口而出在一个基本 Hadoop 集群里DataNode 的职责是存储被拆分的数据块SecondaryNameNode 的职责是帮助 NameNode 收集文件系统运行的状态信息JobTracker 负责协调数据计算任务TaskTracker 负责执行 JobTracker 指派的任务。这四条在多选题里会打包出现四个全对。这里有个高频混淆点SecondaryNameNode 名字里带 Secondary很多人下意识当成「NameNode 的热备」一看到「它是名称节点的备份」就勾上。题库对它的描述是「保存名称节点中对 HDFS 元数据信息的备份并减少名称节点重启的时间」重点在后半句——它的核心工作是周期性合并 FsImage 和 EditLog不是接管故障。另一道判断题里「SecondaryNameNode 一般是并行运行在多台机器上」是错误表述它通常单独部署在一台机器上不参与并行扩展。还有一道容易被绕进去的题Hadoop 集群的整体性能主要受什么影响答案是 CPU 性能、内存、网络、存储容量四项全选。这类题没有技巧只能靠理解——分布式系统里任何一个环节成为短板整体吞吐都会掉下来。Hadoop 的描述题也常出反向考法「下列关于 Hadoop 的描述哪些是错误的」答案通常是「只能支持一种编程语言」和「具有较差的跨平台特性」。判断依据还是那两条正面特性多语言支持、跨平台。3.3 HDFS 块与元数据64MB、FsImage、EditLog 三件套HDFS 这块的第一道必考题是默认块大小。题库答案是64MB。这里必须提醒一句新版 Hadoop 的默认块大小已经调整过但这份题库的答案就是 64MB考试按题库填别按自己环境里的配置答。干扰项通常放 32KB、128KB、16KB都是数量级明显不对的数字。抽象出「块」这个概念带来什么好处多选题的答案是三项支持大规模文件存储、简化系统设计、适合数据备份。干扰项一般是「强大的跨平台兼容性」和「支持小规模文件存储」——前者根本不是块概念带来的后者和 HDFS 的设计目标相反。NameNode 的主要功能是存储元数据这个几乎没有争议。但往下追一层就容易错FsImage 到底记不记录每个块存在哪个 DataNode 上答案是不记录。FsImage 包含的是文件系统中所有目录和文件 inode 的序列化形式维护文件系统树以及树中所有文件和文件夹的元数据块到 DataNode 的映射关系是另存一份、由 DataNode 上报维护的。这道题的错误选项恰恰写成「FsImage 文件记录了每个块具体被存储在哪个数据节点」一字之差考的就是有没有真正理解元数据的分层。名称节点保存的两个核心数据结构是FsImage 和 EditLog。FsImage 是某一时刻的元数据快照EditLog 记录的是这之后的所有写操作两者合并才能还原完整状态——这也正好解释了 SecondaryNameNode 存在的意义。3.4 真题演练HDFS 的局限性与容错怎么答题一下列哪一项不属于 HDFS 采用抽象块概念带来的好处正确答案是「强大的跨平台兼容性」。答题路径先默念三条好处大规模存储、简化设计、适合备份剩下的就是答案。跨平台兼容性属于 Hadoop 整体特性被挪到块概念这里当干扰项。题二多选HDFS 特殊的设计带来了哪些应用局限性答案是三项无法高效存储大量小文件、不支持多用户写入及任意修改文件、不适合低延迟数据访问。干扰项「较差的跨平台兼容性」是常客。这三条局限性要能和原因对上小文件多则元数据撑爆 NameNode 内存HDFS 面向一次写入多次读取所以不支持任意修改高延迟来自批处理式的设计取向。题三多选HDFS 只设置唯一一个名称节点带来了哪些局限四项全选命名空间的限制、性能的瓶颈、隔离问题、集群的可用性。这道题很多人只敢勾两三项其实四个角度分别对应内存上限、单点吞吐、多租户隔离、单点故障逻辑上完全自洽。题四多选HDFS 数据块多副本存储具备哪些优点答案是加快数据传输速度、容易检查数据错误、保证数据可靠性。三个优点分别对应并行读取、校验比对、副本冗余。干扰项一般是「适合多平台上运行」又是跨平台这个万能干扰项。题五多选HDFS 设计了哪些机制检测数据错误并自动恢复答案是数据节点出错、数据出错、名称节点出错三类。注意「数据源太大」是干扰项——它描述的是数据规模不是故障类型。答这类题时先问自己「HDFS 里可能坏的有哪几样」节点、数据、主节点三样齐了。HDFS 要实现的目标那道多选题答案是兼容廉价硬件设备、流数据读写、大数据集三项「复杂的文件模型」是反向干扰——HDFS 恰恰追求的是简单文件模型。4. HBase 与 NoSQL四维坐标、三层结构、CAP 三选二第四章和第五章在题库里是连着的两章讲的是同一件事的两面HBase 是 NoSQL 里列族数据库的代表NoSQL 那章则把四类数据库拉到一张表上比较。这两章的题目有个共同特点——选项都写得很长、很像靠语感基本选不出来必须靠结构。4.1 为什么需要 HBase四个理由撑起一道多选题那道「Hadoop 已经有 HDFS 和 MapReduce为什么还需要 HBase」的多选题四项全选每一条都对应 Hadoop 体系的一个短板MapReduce 是高延迟的批处理框架满足不了实时处理HDFS 面向批量访问不支持随机访问传统关系数据库在数据规模剧增时扩展性和性能撑不住关系数据库改结构要停机维护空列还浪费存储。这四条记熟后面 NoSQL 与关系数据库的比较题基本能顺推。HBase 与 BigTable 的技术对应关系是另一道必考GFS 对应 HDFSMapReduce 对应 Hadoop MapReduceChubby 对应 Zookeeper。题库里的错误选项是把 GFS 和 Zookeeper 配成一对——GFS 是文件系统Zookeeper 是协调服务两者层级完全不同看到这个搭配直接判错。至于 BigTable 本身的描述错误项是「爬虫持续不断地抓取新页面这些页面每隔一段时间存储到 BigTable 里」。BigTable 是分布式存储系统起初用于解决互联网搜索问题查询时是从建立好的索引里取网页不是承担抓取和定时入库的角色——那是爬虫和采集系统干的活。4.2 四维坐标与三层寻址HBase 最硬的两块骨头HBase 里定位一个单元格需要四个因素也就是所谓的「四维坐标」行键、列族、列限定符、时间戳。题库那道题把「关键字」塞进选项当干扰项因为「键」这个词太容易让人联想。四个坐标的作用链条是行键定位行列族加列限定符定位列时间戳定位版本。三者交叉再加版本才唯一确定一个单元格。三层寻址结构是 HBase 最爱考的结构题。三层分别是Zookeeper 文件、-ROOT- 表、.META. 表各自记什么必须分清Zookeeper 文件记录的是-ROOT- 表的位置信息-ROOT- 表记录的是.META. 表的 Region 位置信息.META. 表保存的是所有用户数据表的 Region 位置信息。题库里那道错题正是把第一层写成了「Zookeeper 文件记录了用户数据表的 Region 位置信息」跨层了。记住这个链条的方向Zookeeper 知道根表在哪根表知道元表在哪元表知道用户表在哪一层管一层不能越级。Region 相关的几个判断也要过一遍同一个 Region 不会被分拆到多个 Region 服务器为了加快访问速度.META. 表的全部 Region 都会被保存在内存中一个 -ROOT- 表只能有一个Region——所以「一个 -ROOT- 表可以有多个 Region」是错误表述客户端会缓存位置信息同时要解决缓存失效问题。Master 主服务器的职责包括Region 分裂或合并后重新调整分布、对失效 Region 服务器上的 Region 进行迁移、管理用户对表的增删改查。题库里的错误项是「不支持不同 Region 服务器之间的负载均衡」——恰恰相反负载均衡是 Master 的活儿。访问接口那道题值得单独记Pig 主要用于做数据统计Native Java API 适合 MapReduce 作业并行批处理 HBase 表数据HBase Shell 适合管理使用REST Gateway、Thrift Gateway 适合异构系统在线访问。四个接口对应四种场景考的就是能不能对上号。4.3 NoSQL 四类、ACID 与 CAP三个基石要串起来NoSQL 的四大类型是键值数据库、列族数据库、文档数据库、图数据库。题库的干扰项是「时间戳数据库」听着像那么回事其实时间戳只是 HBase 单元格的一个维度不是数据库类型。四类数据库的特点要能成对比较。键值数据库扩展性好、灵活性好、大量写操作时性能高但无法存储结构化信息、条件查询效率低——所以「条件查询效率高」是错误表述。列族数据库容易分布式扩展、功能较少、大都不支持强事务一致性、复杂性低错误表述通常是「查找速度慢可扩展性差」正好反了。文档数据库性能好、并发高、灵活性高、复杂性低但数据结构不规则、缺乏统一的查询语法、不支持文档间事务。图数据库专门处理高度关联的数据适合社交网络、模式识别、依赖分析、推荐系统和路径寻找灵活性高、支持复杂图算法但复杂性高、只能支持一定数据规模。ACID 四性是原子性、一致性、隔离性、持久性。题库的干扰项是「间断性」——这个选项几乎每套题都会出现看到就排除。注意 ACID 是关系数据库的立身之本NoSQL 三大基石则是 CAP、最终一致性、BASE两组概念不要混着答。CAP 这块的高频错点是「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」这句话是错的CAP 的本质就是三选二。三种选择分别是 CA放弃分区容忍性、CP放弃可用性、AP放弃一致性。答题时抓住「放弃哪一个」这个角度比死记缩写快得多。4.4 真题演练三道典型题的拆解路径题一下面关于 NoSQL 和关系数据库的简单比较哪个是错误的题库给的错误项是「NoSQL 很难实现横向扩展RDBMS 可以很容易通过添加更多设备来支持更大规模的数据」。判断依据很硬横向扩展正是 NoSQL 的看家本领关系数据库的短板恰恰在扩展性。这类比较题有个通用框架——一致性、完整性、复杂查询上 RDBMS 更强扩展性、海量存储、灵活数据模型上 NoSQL 更强。按这个框架逐项对错误项自己会浮出来。题二下列哪个不属于 NoSQL 数据库的特点答案是「数据存储规模有限」。NoSQL 的几个标志性特点是灵活的可扩展性、灵活的数据模型、与云计算紧密融合都是为海量数据准备的说它存储规模有限就是反着写。题三多选关系数据库无法满足 Web2.0 需求主要表现在哪几个方面答案是三项无法满足海量数据的管理需求、无法满足数据高并发的需求、无法满足高可扩展性和高可用性的需求。「使用难度高」是干扰项——关系数据库的问题从来不是难用而是撑不住规模。顺着这条线还有一道延伸题关系数据库引以为傲的事务机制和查询机制到了 Web2.0 时代成了鸡肋原因是 Web2.0 网站通常不要求严格的数据库事务、不要求严格的读写实时性、通常不包含大量复杂的 SQL 查询。注意干扰项「Web2.0 网站基本不用关系数据库存储数据」——这话太绝对很多站点仍在用只是不作为唯一存储。5. 易错点四类一考就翻车的题错法都很像做完前面几章会发现丢分的地方高度集中不是不会而是「记的时候记了个大概」。下面四类错误每一类都能在题库里找到原型也几乎每年换个问法重出。5.1 概念颠倒三次浪潮与云服务三层错在哪把第一次信息化浪潮答成「信息传输」把 PaaS 答成「将基础设施作为服务出租」。为什么错这两组概念的共同点是名称相近、层级相邻靠语感区分必然失败。浪潮问题是历史顺序问题云服务是抽象层级问题两者都没有「听起来更像」这回事。很多人是先看到过某个说法之后再没核对考场上直接调用错误记忆。怎么答对浪潮题用「PC 处理、网络传输、物云大爆炸」这一句锁死顺序云服务用「硬件在最下、平台在中间、软件在最上」的位置记忆——IaaS 出租的是计算资源和存储是硬件层PaaS 提供的是操作系统和围绕特定应用必需的服务是平台层SaaS 是把软件部署好给人用是应用层。答题时先在草稿上画三层再往选项里套比直接读选项可靠。5.2 数值与版本64MB 和 Hadoop 1.0/2.0错在哪HDFS 默认块大小填成 128MB把 YARN 当成 Hadoop 1.0 的组件。为什么错块大小这一条是典型的「经验害人」。自己搭过环境的人脑子里记的是配置文件的当前值可题库考的是教材版本的 64MB。版本问题则是没把组件和版本的对应关系整理成表靠零散记忆一遇到「下列哪个不是 1.0 的组件」就犹豫。怎么答对块大小按题库答 64MB看到 32KB、128KB、16KB 一律排除因为它们的数量级就不对。版本题默念一句「2.0 的主线是拆 JobTracker」拆出 ResourceManager 和 NodeManager所以凡是出现 JobTracker、TaskTracker 的 2.0 选项都是错的凡是问 1.0 不含什么答案就是 YARN 及其新角色。5.3 角色职责错位SecondaryNameNode、Master、Region错在哪认为 SecondaryNameNode 是 NameNode 的热备能接管故障认为 Master 不支持 Region 服务器之间的负载均衡认为 -ROOT- 表可以有多个 Region。为什么错这三个错误同一个根源——被名字带偏。SecondaryNameNode 的 Secondary 让人联想到「副机」「备机」实际上它的工作是合并 FsImage 和 EditLog属于「助手」而不是「替补」。Master 的职责里负载均衡不够显眼容易被忽略。-ROOT- 表只有一个 Region是因为它是寻址链条的起点全局唯一这一点不理解为「根」就记不住。怎么答对把角色职责做成一句话卡片——SecondaryNameNode 管合并、不管接管Master 管分配迁移和负载均衡-ROOT- 表全局唯一且只有一个 Region。凡是选项里出现「备份接管」「不支持负载均衡」「多个根 Region」这类表述直接判错。5.4 多选漏勾四项全选反而不敢选错在哪云计算关键技术、HBase 实现的功能组件、HDFS 唯一名称节点的局限性这类题正确答案是四项全选很多人只勾两三个。为什么错长期做单选养成的习惯——总觉得「全选」不像是正确答案。可这套题的多选题里四个选项分别描述同一对象的四个侧面时全选是常态。漏勾的代价和选错一样整题归零。怎么答对给一个可操作的判断流程。先看四个选项是不是在描述同一个对象的不同方面如果是并列关系且没有互相矛盾全选如果出现两个选项语义相反一个说支持多语言、一个说只支持一种语言那必然有一个错如果某个选项偷偷换了主体问 HDFS 局限性选项说跨平台兼容性差那它是干扰项。按这个流程走一遍比凭感觉稳得多。注意多选题里最容易骗人的不是明显错误项而是「把别的知识点的正确描述搬过来」。它本身是对的只是不属于这道题问的对象。判断时先确认题目问的主体再看选项描述的对象是不是同一个。6. 答题技巧两轮刷题法和最后三天的押题顺序时间紧的时候与其把 58 页从头刷到尾不如按「结构先行、细节后补」的顺序推。我给一个自己反复用过的两轮方案。第一轮只做结构不追细节。按章节把每章的核心对象列成一张小表第一章列「三次浪潮—三个问题」「三类计算模式—三类场景」「云三层—三个定义」第三章列「HDFS 四类角色—四类职责」第四章列「四维坐标—四个维度」「三层寻址—三层各记什么」第五章列「四类 NoSQL—各自优缺点」「ACID 与 CAP 两组概念」。这一轮不要求答对题要求能合上书把表默写出来。表能默写题目自然会对。第二轮只刷多选和错题。单选题在这一轮基本不用碰因为单选考的是点多选考的是面面铺开了点不会丢。刷多选时强迫自己说出每个被排除选项错在哪说不出来就说明这个知识点是蒙对的回去补。最后三天的顺序可以这么排优先顺序内容理由第一HDFS 角色职责、块与元数据题量最大角色易混投入产出比最高第二HBase 三层寻址与四维坐标结构题一旦理解就不会忘且干扰项高度相似第三NoSQL 四类对比、CAP 三选二概念密集但逻辑清晰适合短期突击第四大数据概述的三次浪潮与云物移属于记忆型放最后一天早上过一遍即可还有一个押题方向值得留意这套题的出题人明显偏爱「功能归属」类判断也就是把 A 模块的职责写到 B 模块名下。HBase 的 Pig 接口被写成批处理、FsImage 被写成记录块位置、Master 被写成不支持负载均衡都是同一个套路。复习时每记住一个角色的职责顺手问一句「这件事是谁干的、不是谁干的」比单向记忆有效得多。从那以后我每次做这类题库都会先把每章的角色和职责写成两列一列写「它负责什么」一列写「它不负责什么」错题就往第二列里补。补到第三遍的时候那些长得像的选项基本一眼就能看穿。希望帮到你。本文还有配套的精品资源点击获取
