2025年大數(shù)據(jù)建模題庫及答案一、選擇題1.以下哪項(xiàng)不屬于數(shù)據(jù)標(biāo)準(zhǔn)化（Z-score標(biāo)準(zhǔn)化）的作用？A.消除量綱影響B(tài).使數(shù)據(jù)服從標(biāo)準(zhǔn)正態(tài)分布C.保留原始數(shù)據(jù)的分布形狀D.限制數(shù)據(jù)范圍在[0,1]答案：D（限制數(shù)據(jù)范圍在[0,1]是歸一化（Min-MaxScaling）的作用）2.若分類模型在訓(xùn)練集上的準(zhǔn)確率為95%，驗(yàn)證集上的準(zhǔn)確率為60%，最可能的原因是？A.數(shù)據(jù)存在缺失值B.模型欠擬合C.模型過擬合D.特征維度不足答案：C（訓(xùn)練集表現(xiàn)遠(yuǎn)好于驗(yàn)證集，典型過擬合特征）3.對(duì)于不平衡數(shù)據(jù)集（正類占比1%），以下哪個(gè)評(píng)估指標(biāo)最不適用？A.準(zhǔn)確率（Accuracy）B.F1-scoreC.召回率（Recall）D.AUC-ROC答案：A（準(zhǔn)確率會(huì)因負(fù)類占比高而虛高，無法反映正類預(yù)測(cè)效果）4.以下哪種特征編碼方法適用于高基數(shù)類別特征（如“用戶ID”）？A.獨(dú)熱編碼（One-HotEncoding）B.目標(biāo)編碼（TargetEncoding）C.標(biāo)簽編碼（LabelEncoding）D.二進(jìn)制編碼（BinaryEncoding）答案：B（目標(biāo)編碼通過類別與目標(biāo)變量的統(tǒng)計(jì)關(guān)系編碼，避免高基數(shù)導(dǎo)致的維度爆炸）5.在K-means聚類中，以下哪項(xiàng)不是確定最優(yōu)簇?cái)?shù)K的常用方法？A.肘部法（ElbowMethod）B.輪廓系數(shù)（SilhouetteScore）C.Calinski-Harabasz指數(shù)D.R平方（R2）答案：D（R2常用于回歸模型評(píng)估，聚類中不適用）6.以下哪種算法屬于提供式模型？A.邏輯回歸（LogisticRegression）B.支持向量機(jī)（SVM）C.樸素貝葉斯（NaiveBayes）D.隨機(jī)森林（RandomForest）答案：C（提供式模型關(guān)注數(shù)據(jù)提供過程，樸素貝葉斯假設(shè)特征條件獨(dú)立并計(jì)算聯(lián)合概率）7.對(duì)于時(shí)間序列預(yù)測(cè)問題，以下哪種模型最不適用？A.ARIMAB.LSTMC.XGBoostD.K-means答案：D（K-means是聚類算法，無法捕捉時(shí)間序列的時(shí)序依賴）8.SparkMLlib中，以下哪個(gè)接口支持分布式的流水線（Pipeline）操作？A.RDDAPIB.DataFrameAPIC.DatasetAPID.DStreamAPI答案：B（SparkMLlib的Pipeline基于DataFrameAPI實(shí)現(xiàn)，支持特征轉(zhuǎn)換、模型訓(xùn)練的鏈?zhǔn)讲僮鳎?.深度學(xué)習(xí)中，梯度消失（VanishingGradient）最可能發(fā)生在以下哪種場(chǎng)景？A.使用ReLU激活函數(shù)的深層網(wǎng)絡(luò)B.使用Sigmoid激活函數(shù)的深層網(wǎng)絡(luò)C.使用Adam優(yōu)化器的淺層網(wǎng)絡(luò)D.使用Dropout的卷積神經(jīng)網(wǎng)絡(luò)答案：B（Sigmoid函數(shù)導(dǎo)數(shù)在兩端趨近于0，深層網(wǎng)絡(luò)反向傳播時(shí)梯度會(huì)逐漸消失）10.以下哪項(xiàng)不屬于特征工程中的降維方法？A.主成分分析（PCA）B.線性判別分析（LDA）C.卡方檢驗(yàn)（Chi-SquareTest）D.局部線性嵌入（LLE）答案：C（卡方檢驗(yàn)屬于特征選擇中的過濾法，用于評(píng)估特征與目標(biāo)的相關(guān)性，而非降維）二、填空題1.混淆矩陣中，TP表示（真正例），F(xiàn)N表示（假反例）。2.交叉驗(yàn)證的常用方法包括（K折交叉驗(yàn)證）、（留一法交叉驗(yàn)證）和（分層交叉驗(yàn)證）。3.梯度下降的三種變體是（批量梯度下降）、（隨機(jī)梯度下降）和（小批量梯度下降）。4.聚類算法中，DBSCAN的核心參數(shù)是（鄰域半徑ε）和（最小樣本數(shù)MinPts）。5.評(píng)估回歸模型的常用指標(biāo)有（均方誤差MSE）、（平均絕對(duì)誤差MAE）和（決定系數(shù)R2）。6.Spark的核心抽象是（彈性分布式數(shù)據(jù)集RDD），而Flink的核心抽象是（數(shù)據(jù)流DataStream）。7.特征工程中，處理缺失值的方法包括（刪除缺失樣本）、（均值/中位數(shù)填充）和（模型預(yù)測(cè)填充）。8.神經(jīng)網(wǎng)絡(luò)中，Softmax函數(shù)常用于（多分類任務(wù)的輸出層），Sigmoid函數(shù)常用于（二分類任務(wù)的輸出層或隱層激活）。9.集成學(xué)習(xí)中，Boosting方法的代表算法有（AdaBoost）、（GBDT）和（XGBoost）；Bagging方法的代表算法是（隨機(jī)森林）。10.時(shí)間序列的四大組成部分是（趨勢(shì)項(xiàng)）、（季節(jié)項(xiàng)）、（周期項(xiàng)）和（隨機(jī)波動(dòng)項(xiàng)）。三、簡答題1.簡述數(shù)據(jù)清洗的主要步驟及各步驟的目的。答案：數(shù)據(jù)清洗的核心步驟包括：（1）缺失值處理：通過刪除、填充（均值/中位數(shù)/模型預(yù)測(cè)）等方法解決缺失問題，避免模型訓(xùn)練時(shí)的信息丟失；（2）異常值檢測(cè)：使用IQR、Z-score或模型（如孤立森林）識(shí)別異常，防止其對(duì)模型參數(shù)的扭曲；（3）重復(fù)值處理：刪除重復(fù)樣本，避免數(shù)據(jù)冗余導(dǎo)致的過擬合；（4）格式統(tǒng)一：修正數(shù)據(jù)格式（如日期格式、單位不一致），確保模型能正確讀??；（5）噪聲處理：通過平滑（移動(dòng)平均）或分箱降低隨機(jī)噪聲的影響，提升數(shù)據(jù)質(zhì)量。2.特征選擇的常用方法有哪些？請(qǐng)分別舉例說明。答案：特征選擇方法分為三類：（1）過濾法（Filter）：基于統(tǒng)計(jì)量篩選特征，如卡方檢驗(yàn)（分類任務(wù)）、皮爾遜相關(guān)系數(shù)（回歸任務(wù)）；（2）包裝法（Wrapper）：通過模型性能反選特征，如遞歸特征消除（RFE）；（3）嵌入法（Embedded）：在模型訓(xùn)練過程中自動(dòng)選擇特征，如L1正則化（邏輯回歸/Lasso）、樹模型的特征重要性（隨機(jī)森林/XGBoost）。3.對(duì)比分類任務(wù)和回歸任務(wù)的區(qū)別（至少3點(diǎn)）。答案：（1）目標(biāo)變量類型：分類任務(wù)目標(biāo)是離散類別（如“是/否”），回歸任務(wù)是連續(xù)數(shù)值（如“銷售額”）；（2）評(píng)估指標(biāo)：分類常用準(zhǔn)確率、F1-score、AUC-ROC，回歸常用MSE、MAE、R2；（3）模型選擇：分類模型如邏輯回歸、SVM、隨機(jī)森林分類器，回歸模型如線性回歸、隨機(jī)森林回歸器、梯度提升回歸樹；（4）輸出形式：分類輸出類別概率或標(biāo)簽，回歸輸出具體數(shù)值預(yù)測(cè)。4.過擬合和欠擬合的表現(xiàn)是什么？如何解決？答案：過擬合表現(xiàn)為訓(xùn)練集誤差低、驗(yàn)證集誤差高（模型過度學(xué)習(xí)噪聲），欠擬合表現(xiàn)為訓(xùn)練集和驗(yàn)證集誤差均高（模型復(fù)雜度不足）。解決過擬合的方法：增加數(shù)據(jù)量、正則化（L1/L2）、早停（EarlyStopping）、Dropout（神經(jīng)網(wǎng)絡(luò)）、特征選擇（減少冗余特征）；解決欠擬合的方法：增加模型復(fù)雜度（如增加樹的深度、神經(jīng)網(wǎng)絡(luò)層數(shù)）、添加多項(xiàng)式特征、調(diào)整超參數(shù)（如減少正則化強(qiáng)度）。5.如何選擇適合的機(jī)器學(xué)習(xí)模型？請(qǐng)結(jié)合數(shù)據(jù)規(guī)模、任務(wù)類型和計(jì)算資源說明。答案：（1）小數(shù)據(jù)量（如<10萬樣本）：優(yōu)先線性模型（邏輯回歸、線性回歸）或SVM（需調(diào)參），計(jì)算效率高且不易過擬合；（2）中等數(shù)據(jù)量（10萬-100萬）：樹型模型（隨機(jī)森林、XGBoost）表現(xiàn)優(yōu)秀，能自動(dòng)處理特征交互；（3）大數(shù)據(jù)量（>100萬）：選擇分布式框架支持的模型（如SparkMLlib的線性模型、FlinkML的流模型），或輕量級(jí)模型（如邏輯回歸）避免計(jì)算瓶頸；（4）分類任務(wù)：優(yōu)先邏輯回歸（解釋性）、XGBoost（性能）；回歸任務(wù)：線性回歸（簡單）、梯度提升回歸樹（復(fù)雜關(guān)系）；（5）計(jì)算資源有限時(shí)：避免深度神經(jīng)網(wǎng)絡(luò)（需GPU），選擇輕量級(jí)模型；資源充足時(shí)：可嘗試深度學(xué)習(xí)（如CNN處理圖像、LSTM處理序列）。6.簡述KNN（K近鄰）和K-means的區(qū)別（至少4點(diǎn)）。答案：（1）算法類型：KNN是監(jiān)督學(xué)習(xí)（分類/回歸），K-means是無監(jiān)督學(xué)習(xí)（聚類）；（2）核心目標(biāo)：KNN通過鄰居標(biāo)簽預(yù)測(cè)新樣本，K-means通過距離劃分?jǐn)?shù)據(jù)簇；（3）參數(shù)含義：KNN的K是鄰居數(shù)量，K-means的K是簇?cái)?shù)；（4）訓(xùn)練方式：KNN是惰性學(xué)習(xí)（無顯式訓(xùn)練，僅存儲(chǔ)數(shù)據(jù)），K-means需迭代優(yōu)化簇中心；（5）輸出結(jié)果：KNN輸出預(yù)測(cè)標(biāo)簽/數(shù)值，K-means輸出樣本所屬簇及簇中心。7.對(duì)比SparkMLlib和FlinkML在大數(shù)據(jù)建模中的適用場(chǎng)景。答案：（1）數(shù)據(jù)處理模式：SparkMLlib基于批處理（適合離線建模），F(xiàn)linkML支持流處理（適合實(shí)時(shí)/準(zhǔn)實(shí)時(shí)建模）；（2）延遲要求：Spark適合對(duì)延遲不敏感的批量任務(wù)（如每日用戶分群），F(xiàn)link適合低延遲場(chǎng)景（如實(shí)時(shí)推薦系統(tǒng)在線更新模型）；（3）狀態(tài)管理：FlinkML內(nèi)置狀態(tài)管理（如維護(hù)實(shí)時(shí)特征統(tǒng)計(jì)量），Spark需額外開發(fā)；（4）模型更新：Flink支持增量學(xué)習(xí)（如在線學(xué)習(xí)模型參數(shù)），Spark通常需重新訓(xùn)練全量數(shù)據(jù)；（5）復(fù)雜度：SparkMLlib接口更成熟（Pipeline支持完善），F(xiàn)linkML適合流數(shù)據(jù)與批數(shù)據(jù)結(jié)合的復(fù)雜場(chǎng)景（如實(shí)時(shí)特征工程+模型預(yù)測(cè)）。8.深度學(xué)習(xí)在大數(shù)據(jù)建模中有哪些典型應(yīng)用場(chǎng)景？舉例說明。答案：（1）自然語言處理（NLP）：如使用BERT模型對(duì)海量文本（用戶評(píng)論、社交內(nèi)容）進(jìn)行情感分析，捕捉長距離語義依賴；（2）計(jì)算機(jī)視覺：通過CNN處理圖像大數(shù)據(jù)（如電商商品圖片），實(shí)現(xiàn)自動(dòng)分類或缺陷檢測(cè)；（3）時(shí)序數(shù)據(jù)：LSTM或Transformer處理時(shí)間序列（如物聯(lián)網(wǎng)傳感器數(shù)據(jù)），預(yù)測(cè)設(shè)備故障；（4）推薦系統(tǒng)：深度神經(jīng)網(wǎng)絡(luò)（如Wide&Deep）結(jié)合用戶行為大數(shù)據(jù)（點(diǎn)擊、購買記錄），提升推薦準(zhǔn)確率；（5）圖數(shù)據(jù)：圖神經(jīng)網(wǎng)絡(luò)（GNN）處理社交網(wǎng)絡(luò)、知識(shí)圖譜等圖結(jié)構(gòu)數(shù)據(jù)，預(yù)測(cè)用戶關(guān)系或?qū)嶓w屬性。四、綜合題題目1：用戶流失預(yù)測(cè)建模某電商平臺(tái)需構(gòu)建用戶流失預(yù)測(cè)模型（流失定義：30天內(nèi)無任何購買行為），已有數(shù)據(jù)包括用戶基本信息（年齡、性別）、行為數(shù)據(jù)（近90天點(diǎn)擊次數(shù)、加購次數(shù)、購買金額）、交易數(shù)據(jù)（歷史客單價(jià)、支付方式）。請(qǐng)?jiān)O(shè)計(jì)建模流程，并說明關(guān)鍵步驟的實(shí)現(xiàn)方法。答案：（1）數(shù)據(jù)理解與探索：分析流失標(biāo)簽分布（是否平衡），計(jì)算流失率（如流失用戶占比20%）；統(tǒng)計(jì)各特征的缺失率（如“支付方式”缺失5%）、異常值（如“購買金額”負(fù)值）；可視化特征與流失的相關(guān)性（如“近90天點(diǎn)擊次數(shù)”低的用戶流失率更高）。（2）數(shù)據(jù)清洗：缺失值處理：“支付方式”用眾數(shù)填充（假設(shè)主流支付方式為微信）；異常值處理：“購買金額”負(fù)值標(biāo)記為0（可能是退款），或用均值替換；重復(fù)值處理：刪除用戶ID重復(fù)的記錄（確保每個(gè)用戶唯一）。（3）特征工程：時(shí)間窗口特征：構(gòu)造“近30天購買頻率”“近7天加購-購買轉(zhuǎn)化率”等時(shí)序特征；聚合特征：計(jì)算“歷史平均客單價(jià)”“最大單筆支付金額”等統(tǒng)計(jì)量；類別特征編碼：“支付方式”（微信、支付寶、銀行卡）用獨(dú)熱編碼（因基數(shù)低）；特征篩選：通過XGBoost特征重要性或卡方檢驗(yàn)，保留Top20關(guān)鍵特征（如“近30天活躍天數(shù)”“客單價(jià)波動(dòng)系數(shù)”）。（4）模型選擇與訓(xùn)練：因數(shù)據(jù)可能不平衡（流失用戶少），采用分層抽樣劃分訓(xùn)練集（70%）、驗(yàn)證集（20%）、測(cè)試集（10%）；候選模型：邏輯回歸（解釋性）、XGBoost（處理非線性關(guān)系）、LightGBM（高效）；針對(duì)不平衡問題：調(diào)整類別權(quán)重（如流失類權(quán)重設(shè)為5），或使用SMOTE過采樣（僅在訓(xùn)練集應(yīng)用）；超參數(shù)調(diào)優(yōu)：通過網(wǎng)格搜索或貝葉斯優(yōu)化，優(yōu)化XGBoost的max_depth（5-8）、learning_rate（0.05-0.2）等參數(shù)。（5）模型評(píng)估：主要指標(biāo)：關(guān)注召回率（減少漏判流失用戶）和F1-score（平衡精確率與召回率），同時(shí)計(jì)算AUC-ROC（整體區(qū)分能力）；驗(yàn)證集結(jié)果：XGBoost的召回率85%，F(xiàn)1=0.78，AUC=0.89，優(yōu)于邏輯回歸（召回72%）；測(cè)試集驗(yàn)證：確保模型泛化能力（測(cè)試集AUC=0.87，與驗(yàn)證集接近）。（6）模型部署與監(jiān)控：將最優(yōu)XGBoost模型導(dǎo)出為PMML或ONNX格式，集成到平臺(tái)API；監(jiān)控線上模型性能（如每日AUC是否下降），定期用新數(shù)據(jù)重新訓(xùn)練（每月一次）；輸出流失用戶名單，供運(yùn)營團(tuán)隊(duì)針對(duì)性觸達(dá)（如優(yōu)惠券推送）。題目2：電商銷量預(yù)測(cè)（時(shí)間序列）某電商需預(yù)測(cè)未來30天的日銷量，已有2020-2024年的歷史日銷量數(shù)據(jù)，以及同期的促銷活動(dòng)（是否有大促）、節(jié)假日（是否為周末/法定假日）、天氣（溫度、降雨量）數(shù)據(jù)。請(qǐng)?jiān)O(shè)計(jì)預(yù)測(cè)方案，包括數(shù)據(jù)預(yù)處理、模型選擇和評(píng)估方法。答案：（1）數(shù)據(jù)預(yù)處理：時(shí)間序列對(duì)齊：確保所有變量（銷量、促銷、天氣）按日期對(duì)齊，無缺失日期（用前向填充補(bǔ)全）；特征構(gòu)造：滯后特征：銷量的滯后1天、7天、30天值（捕捉短期/周度/月度趨勢(shì)）；滾動(dòng)統(tǒng)計(jì)：近7天平均銷量、近30天銷量標(biāo)準(zhǔn)差（反映波動(dòng)）；外部變量：促銷活動(dòng)（二進(jìn)制：1=有大促，0=無）、節(jié)假日（多分類：周末/春節(jié)/國慶等，用獨(dú)熱編碼）；天氣特征：溫度（連續(xù)值，標(biāo)準(zhǔn)化）、降雨量（分箱：0mm、0-10mm、>10mm）。（2）模型選擇：傳統(tǒng)時(shí)間序列模型：ARIMA（需平穩(wěn)性檢驗(yàn)，若不平穩(wěn)則差分處理）、SARIMA（加入季節(jié)項(xiàng)，適用于周度/月度周期）；機(jī)器學(xué)習(xí)模型：LightGBM/XGBoost（輸入滯后特征+外部變量，捕捉非線性關(guān)系）；深度學(xué)習(xí)模型：LSTM（捕捉長時(shí)序依賴）、Transformer（通過注意力機(jī)制關(guān)注關(guān)鍵時(shí)間點(diǎn)）；因數(shù)據(jù)包含外部變量（促銷、天氣），優(yōu)先選擇能融合多特征的模型（如LightGBM或LSTM）。（3）訓(xùn)練與調(diào)優(yōu)：時(shí)間序列劃分：按時(shí)間順序劃分訓(xùn)練集（2020-2023）、驗(yàn)證集（2024-01-2024-06）、測(cè)試集（2024-07-2024-12）；超參數(shù)調(diào)優(yōu)：LSTM的隱藏層大?。?4-128）、時(shí)間步長（30天，即輸入前30天數(shù)據(jù)預(yù)測(cè)未來1天）；LightGBM的max_bin（255）、num_leaves（31）；集成學(xué)習(xí)：組合SARIMA與LightGBM的預(yù)測(cè)結(jié)果（加權(quán)平均），提升魯棒性。（4）評(píng)估方法：主要指標(biāo)：MAE（平均絕對(duì)誤差，直觀反映預(yù)測(cè)偏差）、RMSE（平方誤差，放大較大誤差）、MAPE（平均絕對(duì)百分比誤差，適合銷量量級(jí)變化大的場(chǎng)景）；驗(yàn)證集結(jié)果：LSTM的RMSE=120，MAPE=8%；LightGBM的RMSE=110，MAPE=7.5%；集成模型RMSE=105，MAPE=7%；殘差分析：檢查殘差是否隨機(jī)（無自相關(guān)），若存在規(guī)律（如周末殘差偏大），需補(bǔ)充“周末促銷力度”等特征。題目3：社交網(wǎng)絡(luò)用戶分群（聚類分析）某社交平臺(tái)需對(duì)用戶進(jìn)行分群，數(shù)據(jù)包括用戶基本信息（年齡、地域）、行為數(shù)據(jù)（日均發(fā)帖數(shù)、互動(dòng)率、關(guān)注話題）、社交關(guān)系（關(guān)注數(shù)、粉絲數(shù)、共同好友數(shù)）。請(qǐng)?jiān)O(shè)計(jì)聚類方案，包括特征處理、算法選擇和聚類效果評(píng)估。答案：（1）特征處理：數(shù)值特征：“年齡”“日均發(fā)帖數(shù)”等用Z-score標(biāo)準(zhǔn)化（消除量綱）；類別特征：“地域”（如北上廣深）用目標(biāo)編碼（若有潛在分群目標(biāo)）或嵌入編碼（捕捉地域間隱含關(guān)系）；文本特征：“關(guān)注話題”（如“科技”“娛樂”）用TF-IDF向量化，或預(yù)訓(xùn)練詞嵌入（如Word2Vec）降維；社交關(guān)系特征：“共同好友數(shù)”標(biāo)準(zhǔn)化，“關(guān)注數(shù)/粉絲數(shù)”計(jì)算比例（如粉絲數(shù)/關(guān)注數(shù)，反映影響力）；降維：通過PCA將高維特征（如話題嵌入+社交關(guān)系）降至20維（保留95%方差），減少計(jì)算復(fù)雜度。（2）算法選擇：初始探索：用K-means（計(jì)算高效）初步分群，通過肘部法（觀察SSE拐點(diǎn)）和輪廓系數(shù)確定K（如K=5）；處理非球形簇：若用戶分布復(fù)雜（如存在層次結(jié)構(gòu)），使用層次聚類（如凝聚法）或DBSCAN（基于密度，自動(dòng)識(shí)別簇?cái)?shù)）；融合社交關(guān)系：若需考慮用戶間連接（如共同好友），使用圖聚類（如Louvain算法），將用戶視為節(jié)點(diǎn)，邊權(quán)重為共同好友數(shù)，劃分社區(qū)。（3）聚類效果評(píng)估：內(nèi)部評(píng)估：輪廓系數(shù)（越接近1，簇內(nèi)緊密、簇間分離）、Calinski-Harabasz指數(shù)（越高越好）；外部評(píng)估：若有業(yè)務(wù)標(biāo)簽（如“活躍用戶”“潛水用戶”），計(jì)算調(diào)整蘭德指數(shù)（ARI）衡量聚類與標(biāo)簽的一致性；業(yè)務(wù)解讀：分析各簇用戶特征（如簇1：年輕、高互動(dòng)率、關(guān)注娛樂；簇2：中年、低發(fā)帖數(shù)、關(guān)注財(cái)經(jīng)），驗(yàn)證分群是否符合業(yè)務(wù)認(rèn)知（如活躍用戶群應(yīng)具備高互動(dòng)率）；穩(wěn)定性檢驗(yàn)：隨機(jī)抽樣10%數(shù)據(jù)重新聚類，觀察簇特征是否一致（避免噪聲影響）。題目4：實(shí)時(shí)流數(shù)據(jù)建模（推薦系統(tǒng)）某短視頻平臺(tái)需構(gòu)建實(shí)時(shí)推薦模型，要求根據(jù)用戶當(dāng)前行為（如觀看、點(diǎn)贊、分享）實(shí)時(shí)更新推薦列表。已有數(shù)據(jù)包括用戶歷史行為（離線）、實(shí)時(shí)行為流（Kafka）、視頻特征（標(biāo)簽、時(shí)長、發(fā)布時(shí)間）。請(qǐng)?jiān)O(shè)計(jì)技術(shù)方案，包括數(shù)據(jù)流處理、特征工程和模型更新策略。答案：（1）數(shù)據(jù)流處理架構(gòu)：數(shù)據(jù)源：用戶實(shí)時(shí)行為（觀看、點(diǎn)贊）通過SDK發(fā)送至Kafka（topic：user_behavior）；流處理引擎：使用Flink（低延遲）消費(fèi)Kafka數(shù)據(jù)，進(jìn)行實(shí)時(shí)處理；離線