ETL开发工程师招聘笔试题与参考答案(某大型集团公司)2025年
选择题（每题3分，共30分）
1.在ETL过程中，“T”代表的是（）
A.Transfer
B.Transform
C.Transport
D.Transit
2.以下哪种数据库常用于ETL数据存储（）
A.Access
B.SQLite
C.HBase
D.MySQL
3.若要将数据从关系型数据库抽取到Hadoop集群，以下工具最适合的是（）
A.Sqoop
B.Flume
C.Kafka
D.Logstash
4.在数据清洗中，处理缺失值的方法不包括（）
A.删除含缺失值的记录
B.用均值填充
C.用中位数填充
D.增加噪声数据
5.ETL作业调度工具Cron表达式“002?”表示的含义是（）
A.每天凌晨2点执行
B.每月2号0点执行
C.每周二0点执行
D.每年2月0点执行
6.以下哪个不属于数据仓库的特点（）
A.面向主题
B.数据易变
C.集成性
D.时变性
7.在Python中，使用Pandas库进行数据处理时，若要筛选出某列值大于10的记录，可使用（）
A.df[df[column]10]
B.df.where(df[column]10)
C.df.query(column10)
D.df.select(column10)
8.对于数据抽取过程中的增量抽取，以下描述正确的是（）
A.每次抽取全部数据
B.只抽取上次抽取后新增或修改的数据
C.抽取固定时间段的数据
D.抽取数据的前几行
9.以下哪种数据格式常用于ETL过程中的数据交换（）
A.PDF
B.XML
C.DOCX
D.PPTX
10.在Hive中，创建外部表的关键字是（）
A.CREATETABLE
B.CREATEEXTERNALTABLE
C.CREATEINTERNALTABLE
D.CREATETEMPORARYTABLE
填空题（每题4分，共20分）
1.ETL过程主要包括数据抽取、数据________和数据加载三个阶段。
2.常见的数据清洗操作有去除重复值、处理缺失值、________等。
3.Sqoop是用于在________和Hadoop之间进行数据传输的工具。
4.数据仓库的分层架构通常包括源数据层、________、数据集市层和应用层。
5.在Linux系统中，使用________命令可以查看Cron定时任务。
简答题（每题10分，共30分）
1.请简述ETL开发的主要流程。
2.说明数据清洗在ETL过程中的重要性，并列举至少三种常见的数据清洗方法。
3.对比全量抽取和增量抽取的优缺点。
编程题（每题10分，共20分）
1.假设你有一个CSV文件“data.csv”，包含三列：“name”（姓名）、“age”（年龄）、“score”（分数）。使用Python的Pandas库完成以下操作：
-读取该CSV文件。
-筛选出年龄大于20且分数大于80的记录。
-将筛选后的记录保存为新的CSV文件“filtered_data.csv”。
2.编写一个SQL查询语句，从名为“employees”的表中选取部门ID为10且薪资大于5000的员工的姓名和薪资。该表包含列“employee_id”（员工ID）、“employee_name”（员工姓名）、“department_id”（部门ID）、“salary”（薪资）。
参考答案
选择题
1.B
2.C
3.A
4.D
5.A
6.B
7.A
8.B
9.B
10.B
填空题
1.转换
2.处理异常值
3.关系型数据库
4.数据仓库层
5.crontab-l
简答题
1.ETL开发的主要流程如下：
-需求分析：与业务人员沟通，明确数据的来源、目标和使用场景，确定ETL任务的具体需求。例如，业务部门可能需要从多个业务系统中抽取销售数据，加载到数据仓库中进行销售分析。
-数据源调研：了解数据源的结构、存储方式、数据量等信息。数据源可以是关系型数据库（如MySQL、Oracle）、文件系统（如CSV、XML文件）等。例如，对于一个电商系统，数据源可能包括订单数据库、用户数据库等。
-数据抽取：从各种数据源中提取所需的数据。根据数据源的不同，可选择不同的抽取