Flink实时大数据处理技术 试卷及答案 试卷B .doc

试卷B卷

单选题(30道)

1.()层负责实现Flink的执行模型和运行时环境，为用户提供高效稳定的运行时支持。

A.Runtime核心层 B.APILibraries层

C.DataStreamAPI D.TableAPISQL

2.()在Flink中，数据缓冲区采用了基于内存的零拷贝技术，可以高效地实现数据传输。

A.TaskManager B.JobManager

C.数据缓冲区（Buffer） D.运行时优化器

3.()旨在提供一种高效的方式来进行大规模图计算。它提供了许多图计算算法。

A.FlinkCDC B.FlinkSQL C.FlinkAPI D.FlinkGelly

4.当函数参数只使用了一次且在函数体中只出现了一次时，可以使用()替代该参数。

A._ B./ C.* D\

5.在Scala中，方法重写需要使用()关键字。

A.override B.animal C.sound D.abstract

6.Scala中可以使用()来创建对象，主要应用场景是在一些只使用一次的场景中，避免显式地定义一个有名称的子类，从而简化代码。

A.方法重写 B.抽象类 C.匿名子类 D.伴生对象

7.()组件是Flink依赖的外部存储系统，用于检查点的存储与恢复

A.JobManager B.Flink客户端

C.TaskManager D.持久化存储

8.JobManager是Flink应用程序的主进程,负责协调和调度程序的执行，一个Flink应用程序只能有一个()。

A.ResourceManage B.TaskManage

C.FlinkManager D.JobManager

9.以下那个不是数据流特点()

A.连续性 B.实时性 C.可变性 D.确定性

10.()工具能够从多种数据源收集数据，并将其转发到目标存储中，支持多种数据格式和插件，能够自定义数据处理逻辑，同时具有较高的可扩展性和灵活性。

A.Flume B.Fluentd C.Logstash D.Kafka

11.()算子对数据流中的事件进行分组，并按照给定的键对事件进行分组

A.Window B.Filter C.KeyBy D.Reduce

12.常见的分布式计算框架不包括()

A.Hadoop B.Spark C.Flink D.Window

13.Flink中的DataStream核心类代表（C）

A.代表一个被分区为KeyedStream的数据流，可以进行按Key分组的操作

B.代表一个经过窗口划分的数据流，可以进行按窗口操作

C.代表一个数据流，可以对其进行转换和操作

D.触发器，定义如何在窗口中触发计算操作

14.()获取运行时上下文对象，可以用来获取一些运行时信息，比如subtask的ID、任务名称、配置信息等。

A.getRuntimeContext() B.open()

C.setRuntimeContext() D.close()

15.SourceFunction接口()继承自SourceFunction，并且提供了open和close方法，可以在启动SourceFunction之前和之后执行一些操作，比如建立连接、初始化资源，访问运行时上下文等

16.()什么触发器用户可以根据自己的业务逻辑自定义窗口触发器。通过不同窗口类型和触发器的组合，Flink可以满足不同场景下的窗口计算需求。

A.自定义触发器 B.基于混合条件的触发器

C.基于时间的触发器D.基于数量的触发器

17.()方法在窗口中的当前事件时间到达触发时间时调用。在该方法中，可以更新内部状态，以决定是否触发窗口计算。

A.onMerge(window:W,ctx:TriggerContext):TriggerResult

B.onElement(element:IN,timestamp:Long,window:W,ctx:TriggerContext):TriggerResult

C.onProcessingTime(time:Long,window:W,ctx:TriggerContext):TriggerResult

D.onEventTime(time:Long,window:W,ctx:TriggerContext):TriggerResult

18.()可以在数据元素数量达到一定数量时触发窗口计算，可以用于实现计数窗口

A.CountTrigger B.PurgingTrigger

C.ContinuousTrigge