腾讯云培训认证腾讯云大数据工程师认证考试指南

认证概述
腾讯云面向大数据从业者推出的专业认证，重点考查考生对大数据核心概念、Hadoop 生态、分布式存储、批处理与流计算、检索与查询分析、数据湖与数据仓等领域的整体掌握程度，以及在常见业务场景下进行选型与方案设计的能力。
建议报名该认证的考生具备以下知识或经验：
了解 Linux 基本操作与 Shell 命令。
掌握至少一种数据库使用与基本 SQL。
对分布式系统、并行计算的基本概念有一定了解。
了解 Java / Scala / Python 中至少一种语言。
基本信息
考试类型：理论考试。
考试形式：线下。
题型与题量：单选题40道、多选题20道。
通过/满分分数：70/100分。
考试时长：90分钟。
考试语言：简体中文。
其他注意事项：
1. 多选题错选、漏选不得分。
2. 考试报名和考试预约指引：个人报名和考试指引。
3. 成绩查询：考试结束后可通过腾讯云培训认证的 个人中心-认证考试 页面查看成绩，理论考试成绩3天内公布。
建议的学习资源
资源类别
资源地址
在线课程
﻿腾讯云大数据工程师认证﻿
社区生态
Apache   Hadoop / Spark / Flink / Iceberg / Kafka 等开源社区官方文档
知识点占比与考核重点
知识点
比例
考核重点
大数据基础速成
7%
5V 框架（Volume / Velocity / Variety / Veracity / Value）的准确含义与各自对应的技术挑战，并能判断「小数据」与「大数据」的临界点信号。
批处理、流处理、湖仓一体三种计算范式在延迟、吞吐、成本上的本质差异，以及由场景到范式的映射方法。
Lambda（批流双链路）、Kappa（流处理统一）、Medallion（Bronze / Silver / Gold 分层）三种架构的演进逻辑、优缺点与适用场景。
开源自建与云托管在人力投入、运维复杂度、升级成本与弹性能力上的成本结构差异。
腾讯云大数据产品全景图
6%
九大产品族按存储 / 接入 / 计算 / 数仓 / 搜索 / 治理 / 可视化的分层关系，以及以产品组合而非单产品解决问题的售前思维。
「不讲概念讲业务」的五分钟话术：从客户业务痛点切入，自然过渡到产品族，并覆盖金融、互联网、政务等行业模板。
高频客户痛点 Top 20（数据增长过快、报表延迟高、实时风控慢、多源难整合、治理不规范等）到产品族的快速映射。
与 AWS、阿里云、Snowflake、Databricks 在功能、价格、生态、技术支持四个维度的对标要点与腾讯云差异化优势。
存储与数据接入基础
10%
COS 标准 / 低频 / 归档三层存储在成本与访问延迟上的差异，生命周期策略驱动的自动冷热迁移，以及 raw / stage / curated 数据湖目录布局。
CKafka 的主题、分区、消费者组与 Exactly-Once 语义，以及其在峰值削峰与系统解耦两方面的核心价值。
DataInLong 的三大典型场景（入湖入仓分析、数据中台底座、大数据迁移上云）与五大优势（流批一体、读写分离、星型模型、传输可靠、轻量可视），支持 30+ 数据源。
接入选型决策树：按数据源类型与实时性要求，在 CDC 同步、日志采集、批量迁移、流式管道之间快速选对工具。
EMR 托管 Hadoop 生态
13%
经典、计算存储分离、容器化三种集群形态的差异，以及由弹性与存储解耦需求驱动的选型依据。
HDFS、YARN、Hive、Spark、HBase 五大组件的功能定位与最佳战场，以及云上版本在弹性、自动调优、高可用方面的增强。
Iceberg 湖仓表格式的核心能力：ACID 事务、模式演进、时间旅行、分区演进，及其与 Hive 表 / Delta Lake / Hudi 的差异。
节点机型（计算型 / 内存型 / 大数据型）、付费模式（按量、包年包月、抢占式）与跨可用区高可用的综合成本与运维权衡。
结合真实案例评估以 EMR 替换自建 CDH 的成本与运维收益（含成本降幅与运维投入降幅等量化指标）。
数据湖计算 DLC
10%
DLC 无服务器、按 SQL 计费、零集群运维的服务形态，以及 Spark SQL / Presto / Hive 多引擎统一接口。
DPU 计费模型（1 DPU = 4 vCPU + 16 GB 内存）的含义，典型 SQL 的消耗估算，以及与 EMR 按节点小时计费的本质差异。
适用场景判断：Ad-Hoc 探索、偶发 BI 查询、低频批跑任务；以及按负载频率、SQL 复杂度、成本敏感度、运维偏好选择 DLC 还是 EMR。
直读 COS 上的 Parquet / ORC / Iceberg 数据，以及「DLC + EMR 混部」的组合实践。
Oceanus 托管 Flink 流计算
12%
Oceanus 作为托管 Apache Flink 的核心能力，以及相对开源自建的托管价值（一键创建集群、自动扩缩、专家调优、Connector 扩展、企业级监控告警）。
Flink 五大核心概念：事件时间窗口、水位线、状态管理（Keyed / Operator State）、Checkpoint 容错、Exactly-Once 端到端语义。
Flink SQL 的常用写法（CREATE TABLE 定义源与目标、INSERT INTO SELECT 描述变换、窗口函数处理时间维度）与 30+ 内置 Connector 的选择。
典型实时链路设计：CKafka 接入 → Oceanus 计算（含 Redis 等维表关联）→ 实时拦截 → TCHouse-D 报表，并能说明各环节的延迟与一致性取舍。
云数据仓库 TCHouse 家族
13%
TCHouse-D / C / P 分别基于 Doris / ClickHouse / Greenplum 内核的定位差异，以及「同一家族、不同内核」的产品设计哲学。
TCHouse-D 的 MPP 架构、向量化执行、物化视图、预聚合与按主键 UPSERT 能力，适用于高并发点查与秒级实时报表。
TCHouse-C 的高压缩比与 GB/s 级扫描能力在 PB 级日志分析中的用法，以及与 Elasticsearch Service 在日志场景的分工（ES 强检索、TCHouse-C 强聚合）。
TCHouse-P 的完整 PostgreSQL 兼容性与复杂窗口函数、递归 CTE、自定义聚合在风控建模等场景的优势。
依据查询模式、数据规模、并发要求、生态兼容性、成本五要素的 D / C / P 三选一决策矩阵。
Elasticsearch Service 日志与搜索分析
7%
ES Service 在托管 Elasticsearch 之上的自研增强（自治索引、Bulk Routing、ZSTD 压缩、熔断限流）与三大场景：日志分析、信息检索、RAG AI 应用。
日志场景标准技术栈 CLS 采集 → ES 存储查询 → Kibana 可视化，含冷热分层架构、ILM 索引生命周期管理与跨可用区容灾设计。
全文检索与向量混合检索（倒排索引、评分函数、同义词扩展、Dense Vector、KNN、混合搜索）在电商搜索与内容推荐中的应用。
自建 ES 与腾讯云 ES Service 在成本、性能、运维、高可用、安全五个维度的对比结论。
WeData 一站式开发治理平台
15%
WeData 六大模块（数据集成、数据开发、任务调度、监控告警、数据治理、AI Agent）的功能边界与协作关系。
数据集成与 ETL 开发：可视化 ETL 编辑器、30+ Connector、统一 IDE 支持 SQL / PySpark / Flink SQL，以及「业务库 → CDC → 湖 → 仓 → BI」标准管道。
数据中台基础设施设计：DAG 调度依赖与重试、任务监控与 SLA 告警、数据质量规则引擎、表级与字段级双层血缘及影响分析。
合规治理能力：数据资产目录、分级分类（公开 / 内部 / 机密 / 高敏）、ABAC 字段级权限管控、全链路操作审计，满足金融数据治理与等保 2.0 三级要求。
WeData Agent 的用法：以自然语言生成 ETL、查询血缘、解释任务报错并给出修复建议、评估数据质量与定位性能瓶颈。
BI · 选型决策树 · 客户案例 · 课程综合
7%
腾讯云 BI 的三种产品形态（自助式分析、固定报表、移动看板）及其与 TCHouse / DLC 的集成与嵌入式用法。
端到端全栈选型决策树：场景识别（实时风控 / 日志分析 / BI 报表 / ML 训练 / 数据中台）→ 关键约束（延迟 / 规模 / 并发 / 成本）→ 推荐产品组合。
典型客户案例的拆解方法：业务背景、痛点、技术方案（产品组合与架构）、量化结果与可复用经验。
课程综合串联：九大产品族能力地图、五大典型架构（Lambda / Kappa / Medallion / 实时风控 / 数据中台）、痛点 Top 20 与全栈选型框架。

资源类别	资源地址
在线课程	腾讯云大数据工程师认证
社区生态	Apache Hadoop / Spark / Flink / Iceberg / Kafka 等开源社区官方文档

知识点	比例	考核重点
大数据基础速成	7%	5V 框架（Volume / Velocity / Variety / Veracity / Value）的准确含义与各自对应的技术挑战，并能判断「小数据」与「大数据」的临界点信号。批处理、流处理、湖仓一体三种计算范式在延迟、吞吐、成本上的本质差异，以及由场景到范式的映射方法。 Lambda（批流双链路）、Kappa（流处理统一）、Medallion（Bronze / Silver / Gold 分层）三种架构的演进逻辑、优缺点与适用场景。开源自建与云托管在人力投入、运维复杂度、升级成本与弹性能力上的成本结构差异。
腾讯云大数据产品全景图	6%	九大产品族按存储 / 接入 / 计算 / 数仓 / 搜索 / 治理 / 可视化的分层关系，以及以产品组合而非单产品解决问题的售前思维。「不讲概念讲业务」的五分钟话术：从客户业务痛点切入，自然过渡到产品族，并覆盖金融、互联网、政务等行业模板。高频客户痛点 Top 20（数据增长过快、报表延迟高、实时风控慢、多源难整合、治理不规范等）到产品族的快速映射。与 AWS、阿里云、Snowflake、Databricks 在功能、价格、生态、技术支持四个维度的对标要点与腾讯云差异化优势。
存储与数据接入基础	10%	COS 标准 / 低频 / 归档三层存储在成本与访问延迟上的差异，生命周期策略驱动的自动冷热迁移，以及 raw / stage / curated 数据湖目录布局。 CKafka 的主题、分区、消费者组与 Exactly-Once 语义，以及其在峰值削峰与系统解耦两方面的核心价值。 DataInLong 的三大典型场景（入湖入仓分析、数据中台底座、大数据迁移上云）与五大优势（流批一体、读写分离、星型模型、传输可靠、轻量可视），支持 30+ 数据源。接入选型决策树：按数据源类型与实时性要求，在 CDC 同步、日志采集、批量迁移、流式管道之间快速选对工具。
EMR 托管 Hadoop 生态	13%	经典、计算存储分离、容器化三种集群形态的差异，以及由弹性与存储解耦需求驱动的选型依据。 HDFS、YARN、Hive、Spark、HBase 五大组件的功能定位与最佳战场，以及云上版本在弹性、自动调优、高可用方面的增强。 Iceberg 湖仓表格式的核心能力：ACID 事务、模式演进、时间旅行、分区演进，及其与 Hive 表 / Delta Lake / Hudi 的差异。节点机型（计算型 / 内存型 / 大数据型）、付费模式（按量、包年包月、抢占式）与跨可用区高可用的综合成本与运维权衡。结合真实案例评估以 EMR 替换自建 CDH 的成本与运维收益（含成本降幅与运维投入降幅等量化指标）。
数据湖计算 DLC	10%	DLC 无服务器、按 SQL 计费、零集群运维的服务形态，以及 Spark SQL / Presto / Hive 多引擎统一接口。 DPU 计费模型（1 DPU = 4 vCPU + 16 GB 内存）的含义，典型 SQL 的消耗估算，以及与 EMR 按节点小时计费的本质差异。适用场景判断：Ad-Hoc 探索、偶发 BI 查询、低频批跑任务；以及按负载频率、SQL 复杂度、成本敏感度、运维偏好选择 DLC 还是 EMR。直读 COS 上的 Parquet / ORC / Iceberg 数据，以及「DLC + EMR 混部」的组合实践。
Oceanus 托管 Flink 流计算	12%	Oceanus 作为托管 Apache Flink 的核心能力，以及相对开源自建的托管价值（一键创建集群、自动扩缩、专家调优、Connector 扩展、企业级监控告警）。 Flink 五大核心概念：事件时间窗口、水位线、状态管理（Keyed / Operator State）、Checkpoint 容错、Exactly-Once 端到端语义。 Flink SQL 的常用写法（CREATE TABLE 定义源与目标、INSERT INTO SELECT 描述变换、窗口函数处理时间维度）与 30+ 内置 Connector 的选择。典型实时链路设计：CKafka 接入 → Oceanus 计算（含 Redis 等维表关联）→ 实时拦截 → TCHouse-D 报表，并能说明各环节的延迟与一致性取舍。
云数据仓库 TCHouse 家族	13%	TCHouse-D / C / P 分别基于 Doris / ClickHouse / Greenplum 内核的定位差异，以及「同一家族、不同内核」的产品设计哲学。 TCHouse-D 的 MPP 架构、向量化执行、物化视图、预聚合与按主键 UPSERT 能力，适用于高并发点查与秒级实时报表。 TCHouse-C 的高压缩比与 GB/s 级扫描能力在 PB 级日志分析中的用法，以及与 Elasticsearch Service 在日志场景的分工（ES 强检索、TCHouse-C 强聚合）。 TCHouse-P 的完整 PostgreSQL 兼容性与复杂窗口函数、递归 CTE、自定义聚合在风控建模等场景的优势。依据查询模式、数据规模、并发要求、生态兼容性、成本五要素的 D / C / P 三选一决策矩阵。
Elasticsearch Service 日志与搜索分析	7%	ES Service 在托管 Elasticsearch 之上的自研增强（自治索引、Bulk Routing、ZSTD 压缩、熔断限流）与三大场景：日志分析、信息检索、RAG AI 应用。日志场景标准技术栈 CLS 采集 → ES 存储查询 → Kibana 可视化，含冷热分层架构、ILM 索引生命周期管理与跨可用区容灾设计。全文检索与向量混合检索（倒排索引、评分函数、同义词扩展、Dense Vector、KNN、混合搜索）在电商搜索与内容推荐中的应用。自建 ES 与腾讯云 ES Service 在成本、性能、运维、高可用、安全五个维度的对比结论。
WeData 一站式开发治理平台	15%	WeData 六大模块（数据集成、数据开发、任务调度、监控告警、数据治理、AI Agent）的功能边界与协作关系。数据集成与 ETL 开发：可视化 ETL 编辑器、30+ Connector、统一 IDE 支持 SQL / PySpark / Flink SQL，以及「业务库 → CDC → 湖 → 仓 → BI」标准管道。数据中台基础设施设计：DAG 调度依赖与重试、任务监控与 SLA 告警、数据质量规则引擎、表级与字段级双层血缘及影响分析。合规治理能力：数据资产目录、分级分类（公开 / 内部 / 机密 / 高敏）、ABAC 字段级权限管控、全链路操作审计，满足金融数据治理与等保 2.0 三级要求。 WeData Agent 的用法：以自然语言生成 ETL、查询血缘、解释任务报错并给出修复建议、评估数据质量与定位性能瓶颈。
BI · 选型决策树 · 客户案例 · 课程综合	7%	腾讯云 BI 的三种产品形态（自助式分析、固定报表、移动看板）及其与 TCHouse / DLC 的集成与嵌入式用法。端到端全栈选型决策树：场景识别（实时风控 / 日志分析 / BI 报表 / ML 训练 / 数据中台）→ 关键约束（延迟 / 规模 / 并发 / 成本）→ 推荐产品组合。典型客户案例的拆解方法：业务背景、痛点、技术方案（产品组合与架构）、量化结果与可复用经验。课程综合串联：九大产品族能力地图、五大典型架构（Lambda / Kappa / Medallion / 实时风控 / 数据中台）、痛点 Top 20 与全栈选型框架。

腾讯云大数据工程师认证考试指南

本页目录：

认证概述

基本信息

建议的学习资源

知识点占比与考核重点