大数据开发工程师招聘笔试题与参考答案(某大型国企)2025年

大数据开发工程师招聘笔试题与参考答案(某大型国企)2025年一、单项选择题（本大题共20小题，每小题1.5分，共30分。在每小题给出的四个选项中，只有一项是符合题目要求的）1.在Hadoop3.x版本中，HDFS默认的副本存放策略采用的是机架感知。假设有一个机架拓扑结构包含两个机架（Rack1,Rack2），每个机架各有三个数据节点。如果客户端节点位于Rack1上，当写入一个Block（副本数为3）时，第一个副本会写在（）。A.客户端所在节点B.Rack1中随机一个节点C.Rack2中随机一个节点D.NameNode所在节点2.SparkRDD中，对于（）操作，即使RDD的缓存级别被设置为MEMORY_ONLY，Spark也不会将其缓存在内存中。A.mapB.filterC.reduceByKeyD.foreach3.在Kafka0.11版本之后，为了实现Exactly-Once语义，Kafka引入了（）机制。A.幂等性生产者和事务B.手动提交OffsetC.自动提交OffsetD.Zookeeper协调4.下列关于Flink的时间语义描述错误的是（）。A.ProcessingTime是指数据进入Flink算子的时间B.EventTime是指数据本身携带的时间戳C.IngestionTime是指数据进入SourceOperator的时间D.Flink默认使用EventTime，无需额外设置5.在Hive中，执行`SELECTcount(DISTINCTuser_id)FROMlogs;`时，如果数据量非常大，该查询容易产生数据倾斜。为了优化该查询，通常采取的改写方式是（）。A.增加Reducer的数量B.使用`GROUPBY`进行两阶段聚合C.开启向量化查询D.使用MapJoin6.Scala语言中，下列关于集合操作的说法正确的是（）。A.List是不可变的链表，添加元素会修改原对象B.ArrayBuffer是可变的数组，性能优于ArrayC.Map的get方法直接返回Value，如果Key不存在则报错D.Set中的元素是可以重复的7.HBase表中，数据是按照（）排序存储的。A.RowKeyB.ColumnFamilyC.ColumnQualifierD.Timestamp8.在SparkSQL中，下列哪个函数不是窗口函数？（）A.RANK()B.DENSE_RANK()C.ROW_NUMBER()D.COALESCE()9.关于YARN的资源调度器，CapacityScheduler和FairScheduler的主要区别在于（）。A.CapacityScheduler不支持资源抢占，FairScheduler支持B.CapacityScheduler强调队列容量保证，FairScheduler强调队列间公平共享C.CapacityScheduler只能用于Flink，FairScheduler只能用于SparkD.CapacityScheduler是单用户调度，FairScheduler是多用户调度10.下列关于Redis数据结构的描述，不适合用于“存储用户最新的N条评论”的场景是（）。A.ListB.SortedSetC.HashD.Stream11.在数仓建模中，维度表通常比较宽，包含大量的描述性属性。为了处理维度表的历史变化，最常用的缓慢变化维处理方式是（）。A.SCDType1（直接覆盖）B.SCDType2（增加新行）C.SCDType3（增加新列）D.SCDType4（增加维度表）12.SparkStreaming中的DStream本质上是一系列连续的（）。A.DataFrameB.RDDC.DatasetD.Task13.当HDFS的一个Block损坏时，NameNode会（）。A.自动从其他副本恢复该BlockB.删除该Block对应的文件C.通知客户端数据不可用D.将损坏的Block标记为只读14.在Flink中，如果想要处理迟到数据，通常需要配合（）使用。A.Watermark和SideOutputB.CheckpointC.StateBackendD.Savepoint15.下列关于Java并发编程的锁机制，ReentrantLock相比于synchronized，不具备的优势是（）。A.可中断的锁获取B.公平锁的选择C.语法更简洁，自动释放锁D.尝试非阻塞地获取锁16.FlumeNG中，Source、Channel、Sink三者之间的数据传输模型是（）。A.Push模型B.Pull模型C.Push/Pull结合模型D.SharedMemory模型17.在分布式系统中，一致性哈希算法主要用于解决（）问题。A.数据一致性B.节点扩缩容导致的数据迁移最小化C.网络分区容错D.负载均衡18.Presto（或Trino）与HiveonSpark的主要区别在于（）。A.Presto是基于内存的计算引擎，不使用MapReduce，且支持SQL交互式查询B.Hive支持SQL，Presto不支持C.Presto只能查询HDFS，Hive可以查询多种数据源D.Presto是批处理引擎，Hive是流处理引擎19.下列哪种场景最适合使用列式存储格式（如Parquet或ORC）？（）A.频繁进行单行插入和更新B.需要读取整行数据C.需要查询特定列的大量数据，且进行聚合分析D.存储非结构化文本数据20.假设一个HDFS集群由5个DataNode组成，每个DataNode的磁盘容量为10TB，HDFS的副本数为3。如果不考虑系统预留空间和其他开销，该集群的最大有效存储容量约为（）。A.50TBB.16.6TBC.15TBD.10TB二、多项选择题（本大题共10小题，每小题2分，共20分。在每小题给出的四个选项中，有多项是符合题目要求的。全部选对得满分，少选得部分分，错选不得分）1.Spark作业在执行过程中，导致Stage划分的算子包括（）。A.groupByKeyB.mapC.joinD.filter2.下列关于Hive分区和分桶的说法，正确的有（）。A.分区表是通过HDFS的文件夹结构来组织数据的B.分桶是将数据按照哈希函数分散到多个文件中C.分桶有利于抽样查询和MapJoin优化D.一个表可以分桶，但不能同时分区3.AOF（AppendOnlyFile）和RDB是Redis的两种持久化方式，下列描述正确的有（）。A.RDB保存的是数据集的时间点快照，文件体积小B.AOF保存的是服务器执行的所有写命令，数据安全性较高C.Redis默认开启AOF持久化D.RDB恢复数据的速度通常比AOF快4.Flink的Checkpoint机制主要用于（）。A.故障恢复B.保障Exactly-Once语义C.进行算子链的优化D.保存程序状态以便停止后重启5.在Kafka消费者组中，导致Rebalance（重平衡）发生的原因可能包括（）。A.消费者组内增加或减少消费者B.订阅的Topic分区数发生变化C.消费者长时间未处理消息，超过SessionTimeoutD.Broker宕机6.下列关于HBase的RegionSplit策略，描述正确的有（）。A.ConstantSizeRegionSplit：当Region大小达到阈值时分裂B.IncreasingToUpperBoundRegionSplit：随着Region数量增加，分裂阈值也会动态调整C.KeyPrefixRegionSplit：基于RowKey前缀进行分裂D.Region分裂后，父Region会立即被物理删除7.在Scala中，关于伴生对象（CompanionObject）的描述，正确的是（）。A.伴生对象与类同名，且必须定义在同一个源文件中B.类和其伴生对象可以互相访问私有成员C.伴生对象中的apply方法常用于构造对象D.伴生对象自身不能继承类8.下列哪些技术组件属于Lambda架构或Kappa架构中的批处理层？（）A.HadoopMapReduceB.SparkC.FlinkD.Storm9.导致Spark作业出现OOM（数据倾斜）的常见原因有（）。A.Key分布不均匀B.存在Null值或空值作为KeyC.小文件过多D.使用了BroadcastJoin10.在数据清洗过程中，对于缺失值的处理方式包括（）。A.删除包含缺失值的行B.使用平均值、中位数填充C.使用固定值（如0或Unknown）填充D.使用算法（如KNN）预测填充三、判断题（本大题共10小题，每小题1分，共10分。请判断每小题的表述是否正确）1.HadoopNameNode主要负责管理文件系统的元数据和客户端请求，不存储实际数据。2.Spark中的RDD是懒执行的，只有遇到Action算子时才会触发Job的提交。3.Kafka的Topic中，分区的数量创建后可以增加，但不可以减少。4.Flink的Watermark必须严格单调递增，否则会触发计算错误。5.Hive中的内部表和外部表的主要区别在于：删除内部表时会删除元数据和数据，删除外部表时只删除元数据。6.Scala中的trait（特质）完全等同于Java中的Interface（接口）。7.Redis是单线程模型的，因此所有操作都是原子性的，且不会存在并发竞争问题。8.在HBase中，修改一个单元格的数据，实际上是插入了一个具有新时间戳的数据，旧版本的数据依然存在直到被TTL或MajorCompaction清理。9.Flume拦截器（Interceptor）的主要作用是过滤或转换Event，通常在Source之后、Channel之前执行。10.Presto是基于MPP（大规模并行处理）架构的查询引擎，所有节点都在内存中处理流水线。四、填空题（本大题共10小题，每小题1.5分，共15分）1.在HDFS中，默认的BlockSize是128MB，如果有一个文件大小为200MB，它将被切分为______个Block。2.Spark中，`union`和`join`这两个操作中，属于宽依赖的是______。3.在Flink中，用于衡量事件时间进度的机制是______，它本质上是一个时间戳。4.Kafka中，每个分区都有一个Leader和若干个______，它们负责同步Leader的数据。5.在HiveSQL中，要将数组`array(1,2,3)`展开为多行，使用的函数是______。6.Scala中，如果需要在模式匹配中匹配任意类型但不使用该值，可以使用通配符______。7.假设需要计算HDFS集群存储空间使用公式：总存储量=N×D×R，其中N是节点数，D是单节点磁盘容量，8.在YARN中，负责监控ApplicationMaster运行状态的组件是______。9.数据仓库的分层架构中，DW层通常细分为DWD（明细数据层）、DWS（服务数据层/汇总层）和______。10.Zab协议是Zookeeper保证数据一致性的核心协议，它包括恢复模式和______两种模式。五、简答题（本大题共5小题，每小题6分，共30分）1.请简述HDFS的小文件问题及其产生的影响，并列举至少三种解决小文件问题的方案。2.在Spark作业中，如何定位和解决数据倾斜问题？请结合具体算子（如ReduceByKey或Join）进行说明。3.请解释Flink中的“背压”机制是如何工作的？它对流式作业的稳定性有何意义？4.请描述Kafka生产者发送消息的主要流程，并解释acks的作用。5.简述数仓建模中的星型模型和雪花模型的区别，并说明在大数据开发中为什么更倾向于使用星型模型。六、编程与算法题（本大题共2小题，每小题10分，共20分）1.SQL编程题现有两张表：`user_login`（用户登录表）：`user_id`（用户ID）,`login_date`（登录日期，格式yyyy-MM-dd）`user_order`（用户订单表）：`order_id`（订单ID）,`user_id`（用户ID）,`amount`（订单金额）,`order_date`（下单日期）请编写SQL（Hive/SparkSQL语法），实现以下需求：统计每个用户在2025年1月份的“登录次日留存率”。即：某日登录的用户，在次日也登录了的比例。结果字段包含：`stat_date`（统计日期）,`total_users`（当日登录总人数）,`retained_users`（次日留存人数）,`retention_rate`（留存率，保留两位小数）。2.Scala/Java算法题给定一个字符串列表，例如：`List("apple","banana","apple","orange","banana","apple")`。请使用Scala编写一个函数，统计每个单词出现的次数（词频统计），并按照词频从高到低排序，如果词频相同，则按照单词字母顺序升序排列。要求输出格式为：`List((apple,3),(banana,2),(orange,1))`。七、综合案例分析题（本大题共1小题，共25分）背景：某大型国企电商平台计划构建一个实时用户行为分析系统。数据来源包括：1.App端用户点击流日志（JSON格式，QPS约5万）。2.埋点数据库中的业务订单变更信息。3.实时需要计算指标：每分钟各省份的GMV（成交总额）、实时热门商品Top10、用户实时访问路径分析。要求：请设计一套基于Flink+Kafka+Redis/ClickHouse的技术架构方案，需包含以下内容：1.架构设计图描述：详细描述数据从产生到最终存储或展示的流转链路。2.组件选型与理由：解释为什么选择Kafka作为消息队列，为什么选择Flink作为计算引擎，以及Redis和ClickHouse在架构中的作用。3.关键技术实现：如何保证“订单变更信息”与“点击流日志”在进行关联时的数据一致性（即双流Join问题）？如何实现“实时热门商品Top10”的更新，并保证去重和准确性？4.容错与运维：简述如何保证系统的高可用和数据的Exactly-Once语义。参考答案与解析一、单项选择题1.A解析：HDFS副本放置策略遵循：第一个副本放在客户端所在节点（如果客户端不在集群内则随机选一个），第二个副本放在不同机架的随机节点，第三个副本放在与第二个副本相同机架的不同节点。2.D解析：`foreach`是Action算子，主要用于将数据写出到外部系统，它返回Unit，不产生新的RDD，因此无法被缓存。其他Transformation算子产生的RDD可以被缓存。3.A解析：Kafka0.11引入了幂等性生产者和事务，配合幂等性可以解决单分区单会话的幂等，配合事务可以解决跨分区的原子写入，从而实现端到端的Exactly-Once语义。4.D解析：Flink默认使用的是ProcessingTime。如果要使用EventTime，需要显式调用`env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)`（旧版API）或在生成Watermark策略时指定（新版API）。5.B解析：CountDistinct直接运行会将所有Key分发到同一个Reducer，极易倾斜。通用优化是先GroupBy去重，再Count。例如：`SELECTcount(*)FROM(SELECTuser_idFROMlogsGROUPBYuser_id)t;`。6.B解析：A选项List不可变，添加元素返回新List；C选项Map.get返回Option对象，需通过getOrDefault获取；D选项Set元素不可重复。B选项ArrayBuffer是可变数组，类似Java的ArrayList。7.A解析：HBase是LSM-Tree结构，数据按照RowKey的字典序进行排序存储。这也是设计RowKey时需要利用散列或前缀来避免热点的原因。8.D解析：COALESCE()是通用函数，用于返回第一个非空参数，不是窗口函数。RANK,DENSE_RANK,ROW_NUMBER均为标准窗口函数。9.B解析：CapacityScheduler侧重于各队列资源容量保证，资源分配是先满足队列配额；FairScheduler侧重于公平，所有队列动态共享资源，FairScheduler支持抢占。10.C解析：Hash适合存储对象属性。List（LPUSH/RPOP）适合队列；SortedSet适合带权重的排序（如按时间）；Stream是专门的消息流结构。Hash虽然能存，但很难维护“最新N条”的顺序和自动淘汰，效率不如List或SortedSet。11.B解析：SCDType2通过增加新行并标记生效时间来保留历史记录，是数仓中最常用的处理维度变化的方式。12.B解析：DStream（DiscretizedStream）是SparkStreaming的基础抽象，它本质上是一系列连续的RDD序列。13.A解析：HDFS通过心跳检测Block。当NameNode发现Block副本数不足（如损坏）时，会指令其他DataNode复制该Block的剩余副本到新的DataNode上，以恢复副本系数。14.A解析：Flink处理迟到数据主要依赖Watermark机制识别迟到，并通过SideOutput（侧输出流）将迟到数据收集起来进行特殊处理，或者更新结果。15.C解析：ReentrantLock需要手动在finally块中unlock，语法比synchronized复杂。C选项描述的是synchronized的优势，而非ReentrantLock。16.C解析：FlumeNG中，Source使用Push将数据推给Channel，Sink使用Pull从Channel拉取数据。17.B解析：一致性哈希主要用于解决分布式缓存或存储系统中，节点增减导致大量数据迁移的问题，使数据迁移最小化。18.A解析：Presto是基于内存的MPP架构，完全基于Pipeline流水线执行，无中间落盘，适合低延迟交互式查询；Hive通常基于MapReduce或Tez/Spark，偏批处理，延迟较高。19.C解析*：列式存储的优势在于读取特定列时IO少，且同列数据类型一致，压缩比高，适合OLAP分析场景。A、B、D更适合行式存储。20.B解析：有效存储=(节点数*单机容量)/副本数。(5二、多项选择题1.AC解析：宽依赖（ShuffleDependency）会触发Stage划分。groupByKey和Join（除BroadcastJoin外）都需要Shuffle。map和filter是窄依赖。2.ABC解析：分区是文件夹，分桶是文件哈希。分桶有利于抽样和Join（因为分桶数量是倍数关系时可做SMBJoin）。D错误，表可以既分区又分桶。3.ABD解析：Redis默认开启RDB。A、B、D描述均正确。AOF虽然安全但文件大且恢复慢。4.ABD解析：Checkpoint是Flink容错的核心，用于保存状态快照，故障时恢复，保障状态一致性。C是物理执行计划优化，与Checkpoint无关。5.ABCD解析：消费者增减、分区数变化、消费者超时、Broker宕机导致分区Leader迁移等都会触发Rebalance。6.AB解析：C是旧版或特定策略，HBase主要有ConstantSizeRegionSplit和SteppingSplitPolicy（即IncreasingToUpperBoundRegionSplit）。D错误，分裂后父Region暂时保留，待Compact后清理。7.ABC解析：A、B、C正确。D错误，伴生对象可以继承类或AbstractClass。8.AB解析：Lambda和Kappa架构中，批处理层通常使用Hadoop或Spark。Flink和Storm常用于速度层（实时层），尽管Flink也支持批处理API，但在经典架构定义中通常归类为流处理引擎。9.AB解析：数据倾斜主要由Key分布不均或Null值过多导致。C小文件过多导致的是性能问题（NameNode压力、Task启动慢），不一定是OOM。DBroadcastJoin是解决倾斜的一种手段。10.ABCD解析：这些都是数据清洗中处理缺失值的常见策略。三、判断题1.正确解析：NameNode管理元数据（目录树、Block映射），DataNode存储实际Block数据。2.正确解析：RDD的Transformation是惰性的，只有Action算子触发DAGScheduler构建DAG并提交给Cluster。3.正确解析：Kafka分区数对应日志文件数，增加分区只需增加日志，减少分区涉及日志合并，非常复杂且风险大，因此不支持减少。4.正确解析：Watermark代表了事件时间的进度，如果后续数据的时间戳小于当前Watermark，则被视为迟到数据。为了保证窗口计算的正确性，Watermark通常必须单调递增。5.正确解析：这是内部表（MANAGED_TABLE）和外部表（EXTERNAL_TABLE）的核心区别。6.错误解析：Scala的trait可以包含抽象方法和具体实现（字段、方法体），更像是Interface和AbstractClass的结合体。7.错误解析：Redis虽然是单线程处理命令（网络请求和命令执行），但“所有操作都是原子性”仅指单条命令。对于多个命令的组合（如先读后写），并非原子性，需要使用事务或Lua脚本。8.正确解析：HBase的更新是追加写，版本号大的在前。旧数据在MinorCompaction或MajorCompaction时被清理。9.正确解析：Interceptor是链式处理，位于Source和Channel之间，用于数据预处理。10.正确解析：Presto是典型的MPP架构，基于内存Pipeline，无中间磁盘IO，适合大规模并行交互查询。四、填空题1.2解析：200MB/128MB=1.56，切分为2个Block（一个128MB，一个72MB）。2.join解析：union只是合并RDD，不涉及Shuffle，是窄依赖。join通常需要Shuffle，是宽依赖。3.Watermark解析：Watermark是衡量事件时间进度的标记时间戳。4.Follower解析：Kafka分区采用Leader-Follower模型，ISR（In-SyncReplicas）包含Leader和所有同步成功的Follower。5.explode解析：`explode(array)`用于将数组炸裂为多行。6._解析：Scala中下划线`_`是通配符，在模式匹配中表示“任意值但不关心”。7.26解析：有效容量=10×8.ResourceManager解析：ResourceManager负责监控ApplicationMaster，并通过心跳通信。9.ADS/APP解析：DW层通常分为DWD（明细）、DWS（汇总）、ADS（应用）或APP层。10.广播解析：Zab协议包含恢复模式（选举）和广播模式（同步写入）。五、简答题1.HDFS小文件问题及解决：影响：1.NameNode内存压力：每个文件、目录、Block的元数据（约150字节）都保存在NameNode内存中。大量小文件会撑爆NameNode内存。2.寻址时间>读取时间：处理小文件时，频繁开启Block传输，磁盘IO大部分浪费在寻址上。解决方案：1.源头聚合：在数据采集侧（如Flume、Logstash）使用滚动策略或聚合机制，将小文件合并为大文件后再上传HDFS。2.HadoopArchive(HAR)：使用HAR命令将多个小文件打包成一个HAR文件（类似TAR/ZIP），减少NameNode元数据。3.定期合并：编写MapReduce或Spark作业，定期读取小文件目录，合并输出到大文件目录，并删除原小文件。4.使用CombineFileInputFormat：在MapReduce读取时，使用CombineFileInputFormat将多个小文件逻辑上切分给同一个Map处理，减少Map任务数量。2.Spark数据倾斜定位与解决：定位：1.通过SparkUI查看Tasks列表，发现某个Task的执行时间远超其他Task（如1分钟vs1秒）。2.查看该Task的ShuffleRead/Write数据量，是否存在数据量巨大的情况。解决：1.提高并行度：调整`spark.sql.shuffle.partitions`或`repartition`，增加Reducer数量，将数据打散（治标）。2.BroadcastJoin：如果是大表Join小表导致倾斜，将小表Broadcast到所有Executor，避免Shuffle。3.加盐：两阶段聚合（针对ReduceByKey）：先给Key加上随机前缀（如1-N）进行局部聚合，再去掉前缀进行全局聚合。Join倾斜：将倾斜Key单独提取出来，与小表进行BroadcastJoin，其余Key正常Join。4.自定义分区器：根据Key分布特性自定义Partitioner，打破默认Hash导致的倾斜。3.Flink背压机制：工作原理：Flink1.5+使用了基于Credit的背压机制。当下游算子处理速度慢于上游时，下游的TaskManager通过网络向发送方（上游）发送“Credit”通知，告知其还有多少Buffer可用。当Credit为0时，上游停止发送数据，从而避免网络或内存溢出。意义：1.流量控制：防止上游生产过快，导致下游OOM或网络拥塞。2.弹性伸缩：使流处理系统能够自适应处理速度波动，保证作业长期稳定运行，不丢数据。4.Kafka生产者发送流程及acks：流程：1.Producer拦截器处理消息。2.序列化器将Key和Value序列化。3.分区器选择目标Partition。4.消息追加到RecordAccumulator（缓冲区）。5.Sender线程启动，将Buffer中的Batch发送到KafkaBroker。6.收到Broker响应后，触发回调。acks作用：`acks=0`：生产者不等待Broker确认，吞吐量最高，但可能丢数据。`acks=1`（默认）：Leader写入成功即认为成功，可能丢数据（若Leader挂了Follower没同步）。`acks=-1`（或`all`）：Leader和所有ISR中的Follower都写入成功才算成功，数据最安全，但吞吐量最低。5.星型模型与雪花模型：区别：星型模型：事实表周围直接关联维度表，维度表不再关联其他表。结构简单，查询Join少，性能好，但数据冗余度高。雪花模型：维度表可以进一步拆分（规范化），形成类似雪花的结构。数据冗余低，节省存储，但查询时需要多层Join，性能较差。倾向星型模型原因：在大数据场景下，存储成本相对较低，而计算性能（IO和CPU）是瓶颈。数仓主要服务于分析和报表，查询性能至关重要。星型模型减少了Join次数，大幅提升查询速度，且结构更易于业务人员理解。六、编程与算法题1.SQL编程题```sql使用窗口函数LAG获取每个用户的上一次登录日期WITHuser_login_detailAS(SELECTuser_id,login_date,按用户分组，按日期排序，取下一次登录的日期（或者用LAG取上一次，这里用LEAD更直观看次日留存）LEAD(login_date,1)OVER(PARTITIONBYuser_idORDERBYlogin_date)asnext_login_dateFROMuser_loginWHERElogin_dateBETWEEN'2025-01-01'AND'2025-01-31'--范围稍微宽一点以便计算),统计每日留存情况daily_statsAS(SELECTlogin_dateasstat_date,COUNT(DISTINCTuser_id)astotal_users,COUNT(DISTINCTCASEWHENDATEDIFF(next_login_date,login_date)=1THENuser_idEND)asretained_usersFROMuser_login_detailWHERElogin_date<='2025-01-31'--确保统计日期在1月内GROUPBYlogin_date)SELECTstat_date,total_users,retained_users,CAST(retained_usersASDECIMAL(10,2))/total_usersasretention_rateFROMdaily_statsORDERBYstat_date;```2.Scala算法题```scalaobjectWordCountSort{defsortWordCount(words:List[String]):List[(String,Int)]={//1.统计词频groupBy->mapValuessizevalwordCounts=words.groupBy(identity).mapValues(_.size)//2.转换为List并排序//排序规则：词频降序(-count)，如果相同则单词升序wordCounts.toList.sortWith{(left,right)=>if(left._2!=right._2){left._2>right._2//词频降序}else{left._1<right._1//单词升序}}}//测试defmain(args:Array[String]):Unit={valinput=List("apple","banana","apple","orange","banana","apple")valresult=sortWordCount(input)println(result)}}```七、综合案例分析题1.架构设计图描述：数据采集层：App日志通过Flume/Logstash采集，发送到KafkaTopic`user_behav