Викторина, связанная с руководством · Жесткий Уровень

Функции потоковой передачи с помощью Kafka и Flink Quiz

Поймите роль Kafka, время событий и водяные знаки, обработку поздних данных, контрольные точки Flink и пределы гарантий ровно одного раза.

Связанные направляющие путиФункции потоковой передачи с Kafka и Flink
Вопрос 1 из 8

Какую роль играет Apache Kafka в конвейере функций потоковой передачи?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какую роль играет Apache Kafka в конвейере функций потоковой передачи?
    • Он действует как надежный журнал событий с гарантированным порядком записей внутри каждого раздела.
    • Он обучает модель машинного обучения напрямую
    • Он хранит окончательный снимок хранилища обученных функций.
    • Он заменяет необходимость в любом механизме потоковой обработки.
  2. Чем отличаются качающиеся и раздвижные окна?
    • Скользящие окна работают только с Kafka, переворачивающиеся окна работают только с Flink.
    • Переворачивающиеся окна делят время на фиксированные, непересекающиеся интервалы; скользящие окна вычисляют постоянно обновляемую скользящую совокупность
    • Переворачивающиеся окна никогда не устареют; Срок действия скользящих окон истекает каждую секунду
    • Между ними нет существенной разницы
  3. Почему в модели мошенничества, спрашивающей, сколько транзакций произошло за последние 10 минут, обычно используется скользящее окно, а не переворачивающееся?
    • Sliding windows are always faster to compute
    • Tumbling windows cannot count transactions
    • Because it needs a continuously updating rolling count rather than a fixed periodic bucket
    • Sliding windows use less memory in every case
  4. What problem do Flink's watermarks address?
    • Compressing event data to save storage
    • Encrypting events in transit between Kafka and Flink
    • Choosing which Kafka topic to read from
    • Estimating how far behind in event time the stream has progressed, to handle late-arriving events
  5. What can happen to an event-time window record that arrives after the configured allowed-lateness period?
    • It is dropped from that window or routed to a configured late-data side output
    • Memory usage increases without bound
    • Kafka stops accepting new events
    • Windows never finalize their results
  6. Which resource tradeoff can result from a long allowed-lateness period for an event-time window?
    • Поздние события немедленно удаляются.
    • Состояние окна сохраняется дольше, поэтому поздние записи могут изменить результаты, используя больше состояний.
    • Разделы Kafka автоматически перебалансируются
    • Хранилище функций полностью перестает обновляться
  7. Согласно руководству, что требуется для сквозного вывода потока ровно один раз?
    • Только КПП Flink, независимо от стока
    • Установка верхнего водяного знака сама по себе
    • Источник с контрольной точкой/воспроизводимый и приемник, который участвует в совместимой однократной или идемпотентной обработке.
    • Отключение временных меток событий
  8. Что в руководстве названо распространенным заблуждением о функциях потоковой передачи?
    • Функции потоковой передачи всегда менее точны, чем функции пакетной обработки.
    • Что Kafka нельзя использовать для разработки функций.
    • Для работы Flink требуется реляционная база данных.
    • То, что они просто являются пакетными, но быстрее, когда потоковая передача вызывает определенные проблемы с корректностью, такие как обработка вне порядка.