Ch18 ML 系统设计 · 阶段测试题 (20 题)¶

测试目标: 全面考察 Ch18 五节核心: 系统设计(§01) / 云计算(§02) / 基础设施(§03) / ML 系统(§04) / 案例(§05)

Part A 选择题 (8 题, 每题 3 分)¶

A1 (★★)¶

题目: CAP 中 P 指? - A) Performance - B) Partition tolerance - C) Parallelism - D) Persistence

答案: B

A2 (★★★)¶

题目: Kafka 三个角色? - A) Producer / Broker / Consumer - B) Master / Slave / Replica - C) Front / Back / DB - D) Client / Server / Cache

答案: A

A3 (★★)¶

题目: Kafka vs RabbitMQ? - A) 都一样 - B) Kafka 流式日志, RabbitMQ 队列 - C) Kafka 数据库, RabbitMQ 缓存 - D) Kafka 静态, RabbitMQ 动态

答案: B

A4 (★★★)¶

题目: Spark 为什么比 MapReduce 快? - A) GPU 加速 - B) 内存计算 - C) 磁盘优化 - D) 线程多

答案: B

A5 (★★)¶

题目: Feature Store 解决什么问题? - A) 数据库备份 - B) 在线 / 离线特征一致性 - C) 网络加速 - D) 加密

答案: B

A6 (★★★)¶

题目: PSI 公式? - A) \(\sum P^2\) - B) \(\sum (P_n - P_r) \ln(P_n/P_r)\) - C) \(\sum (P_n - P_r)^2\) - D) \(\sum P_n \cdot P_r\)

答案: B

A7 (★★)¶

题目: A/B test 显著性阈值? - A) p < 0.1 - B) p < 0.05 - C) p < 0.01 - D) p < 0.5

答案: B

A8 (★★★)¶

题目: Uber Michelangelo 是什么? - A) 城市交通 - B) ML 平台 - C) 数据库 - D) 调度系统

答案: B

Part B 简答题 (6 题, 每题 5 分)¶

B1 (★★★)¶

题目: CAP 三选二及代表系统。

要点: - CP: ZooKeeper, HBase - AP: Cassandra, DynamoDB - P 必须, 实际 C+A 选

B2 (★★★)¶

题目: Lambda vs Kappa 架构取舍。

要点: - Lambda: 批 + 流混合, 复杂但稳健 - Kappa: 纯流, 简单但需重放历史

B3 (★★★)¶

题目: 数据漂移三种及检测方法。

要点: - Covariate shift: PSI - Prior shift: 类别分布 - Concept shift: 模型监控

B4 (★★★)¶

题目: A/B test 实施要点。

要点: - 随机分流 - 样本量足够 - p < 0.05 显著 - 长期 + 短期指标

B5 (★★★)¶

题目: Feature Store 设计关键。

要点: - 在线 + 离线 schema 一致 - 低延迟 (< 10ms) - 版本管理 - 漂移检测

B6 (★★★)¶

题目: 实时推荐系统核心组件。

要点: - Kafka 事件 - Flink 实时特征 - Redis 在线存储 - vLLM 推理 - 监控

Part C 论述题 (4 题, 每题 10 分)¶

C1 (★★★)¶

题目: 设计一个 ML 平台的完整架构, 包含数据 / 特征 / 训练 / 部署 / 监控。

要点: - 数据: S3 / Iceberg / Kafka - 特征: Feast 在线 + 离线 - 训练: PyTorch + MLflow - 部署: vLLM + K8s - 监控: Prometheus + 漂移检测

C2 (★★★)¶

题目: 综述 Pinterest 的 PinSage 推荐系统。

要点: - GraphSAGE 工业版 - 亿级用户 / 商品 - 离线训练 + 在线服务

C3 (★★★)¶

题目: 综述 DoorDash 派单 ML 系统的演进。

要点: - 早期: 规则 - 后期: ML + 实时特征 - 数据回流闭环

C4 (★★★)¶

题目: 综述 Uber Michelangelo 的架构。

要点: - 端到端 ML 平台 - 模型训练 + 部署 + 监控 - 大规模分布式

Part D 综合题 (2 题, 每题 15 分)¶

D1 (⭐⭐⭐⭐)¶

题目: 设计一个端到端 LLM 服务系统 (类似 vLLM + Feature Store + K8s)。

要点: 1. 数据: 用户对话日志回流 2. 特征: 用户画像 (Redis) 3. 训练: 反馈数据微调 4. 部署: vLLM + K8s + HPA 5. 监控: TTFT / TPOT / GPU 利用率

D2 (⭐⭐⭐⭐)¶

题目: 综述 2024 年 ML 平台趋势 (LLMOps / Vector DB / Agent 平台)。

要点: - LLMOps: 模型即服务 - Vector DB: Pinecone / Weaviate - Agent 平台: AutoGPT / LangGraph

评分标准¶

题型	题数	总分
选择	8	24
简答	6	30
论述	4	40
综合	2	30
合计	20	124

自测建议¶

目标	分数	行动
及格	60	复习 §01-§03, 默写 CAP + Kafka
良好	90	复习 §04, 默写 Feature Store + 漂移
优秀	110	复习 §05, 完成综合 D1