Apache推出Structured Streaming的主要原因是
原始流式处理效率低
原始流式处理无法满足数据复杂性需求
原始流处理没有窗口处理
原始流式处理模式不足
以下关于Spark Streaming，描述错误的是
流批处理不统一
不支持事件时间
一致性语义需要手动实现
每批数据会被转换成DateFrame
Structured Streaming的核心是
流批处理统一
一致性语义
实时数据流表
事件时间
关于Structured Streaming输入数据源的描述，错误的是
支持socket数据源
支持文件数据源
支持Kafka数据源
数据源首先转成RDD
Structured Streaming中的数据输出模式描述错误的是
append模式：将新的数据进行追加并输出，支持聚合查询
append模式：将新的数据进行追加并输出，支持简单查询
update模式：更新的数据进行输出，支持聚合查询
update模式：更新的数据进行输出，不支持排序查询
Structured Streaming输出支持的接收器有
File，Kafka，Foreach，Command，Memory
File，Kafka，ForeachBatch，Console，Memory
File，Kafka，Forecho，Console，Memory
HDFS，Kafka，Foreach，Console，Memory
以下关于Structured Streaming输出操作描述正确的是
File接收处理后的RDD，以文件形式输出到HDFS对应目录下
使用Kafka接收器必须先创建主题
Memory接收器以表的形式输出到缓存中
Foreach接收器和ForeachBatch接收器完全相同
Structured Streaming的窗口操作描述正确的是
滚动窗口的窗口之间没有重叠
滑动窗口中一个数据不可以属于多个窗口
会话窗口通过调整会话长度调整窗口大小
窗口操作的时间分为：事件时间、间隔时间和处理时间
Structured Streaming支持两种风格的数据处理：DSL风格和SQL风格
Structured Streaming可以理解为Spark Streaming和Spark SQL的融合