120分钟；答对70%通过；解决10~12基于CDH5机群上需通过实际操作的问题。

考试大纲：

一、数据采集：

> 使用Sqoop将数据从MySQL数据库导入HDFS

> 使用Sqoop从HDFS导出数据到MySQL数据库

> 使用Sqoop更改导入期间数据的分隔符和文件格式

> 将实时和近乎实时的流数据导入HDFS

> 处理流数据，因为它被加载到群集上

> 使用Hadoop文件系统命令将数据加载到HDFS中转换，分批，储存

> 将存储在HDFS中的给定格式的一组数据值转换为新的数据值或新的数据格式，并将其写入HDFS。

> 从HDFS加载RDD数据，用于Spark应用程序

> 使用Spark将RDD的结果写回HDFS

> 以各种文件格式读取和写入文件

> 对数据执行标准提取，变换，加载（ETL）过程

二、数据分析：

> 使用Spark SQL在应用程序中以编程方式与metastore进行交互。通过使用查询加载数据生成报告

> 使用转移表作为Spark应用程序的输入源或输出接收器

> 了解在Spark中查询数据集的基本原理

> 使用Spark过滤数据

> 编写计算聚合统计信息的查询

> 使用Spark加入不同的数据集

> 生成排名或排序数据

三、配置

> 这是一个实操的考试，考生不仅要会编写代码，也应该熟悉整个开发环境