![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
Flink的流处理模型在处理传入数据时会将每一项视作真正的数据流。Flink提供的DataStreamAPI可用于处理无尽的数据流。下列关于Flink可配合使用的基本组件叙述有误的是()。
A.Stream是指在系统中流转的,动态的无边界数据集
B.Operator是指针对数据流执行操作以产生其他数据流的功能
C.Source是指数据流进入系统的入口点
D.Sink是指数据流离开Flink系统后进入到的位置,槽可以是数据库或到其他系统的连接器
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.Stream是指在系统中流转的,动态的无边界数据集
B.Operator是指针对数据流执行操作以产生其他数据流的功能
C.Source是指数据流进入系统的入口点
D.Sink是指数据流离开Flink系统后进入到的位置,槽可以是数据库或到其他系统的连接器
A.SparkStreaming与Flink相比,时延更低
B.Flink流式处理引擎能够同时提供支持流处理和批处理应用的功能
C.与FusionInghtHD中的Streaming相比,Flink具有更高的吞吐量
D.checkpoint实现了Fink的容错
A.SparkStreaming与Flink相比,时延更低
B.Flink流式处理引擎能够同时提供支持流处理和批处理应用的功能
C.checkpoint实现了Flink的容错
D.与FusionInghtHD中的Streaming相比,Flink具有更高的吞吐量
A.ShufflePartitioner数据会被随机分发到下游算子的每一个实例中进行处理
B.RebalancePartitioner数据会被循环发送到下游的每一个实例中进行处理
C.BroadcastPartitioner将记录输出到下游本地的算子实例
D.GlobalPartitioner数据会被分发到下游算子的第一个实例中进行处理
A.为了减少服务器压力,尽量减少对服务器请求,因此保存时尽量采用批量写入的方式
B.在调用WEBAPI时,为了避免传入数据写不进的情况,因此尽量把所有的参数都赋值
C.能在客户端校验的尽量在客户端校验,减少服务端访问次数
D.为了有个好的性能,尽量采取缓存技术、分页技术、批量处理技术来实现
A.对数据进行降维,减少数据特征,减少网络参数和运行次数,避免过拟合
B.针对图像中的像素进行处理,并将卷积得到的特征结果中的所有负像素值替换为零;激励函数使用relu函数时会针对图像中的像素进行处理,并将卷积得到的特征结果中的所有负像素值替换为零;特征提取和锐化是在卷积层完成的
C.池化层常被用于提取图像的边缘特征
D.池化层常被用于图像的锐化