Đây là phần luyện tập thêm cho Ôn CCDAK: 40 câu hỏi Kafka đáng nhớ: 34 câu trắc nghiệm mình tự viết, phủ những chỗ bài kia chưa hỏi. Câu hỏi không phải đề thi thật và không chép từ đề nào; chúng được soạn lại theo các mảng kiến thức của kỳ thi, với tình huống của riêng mình. Làm hết một phần rồi mới mở đáp án.
Sơ đồ tóm tắt:
mindmap
root((Luyện đề CCDAK 2))
Cluster: một controller hoạt động
Producer: linger.ms gom batch
Consumer: assign khác subscribe
Schema Registry chỉ giữ schema
Connect: source vào, sink ra
KTable trạng thái, KStream sự kiện
Bẫy: đáp án lưu hành sai
1. Cách dùng bài này
Ý chính: đọc câu, tự chọn đáp án và nói lý do thành tiếng (luyện cả tiếng Anh), rồi mới mở phần đáp án gấp ở cuối mỗi mục. Câu nào sai thì quay về bài lý thuyết tương ứng.
- Câu có nhiều đáp án đúng ghi “(chọn N)”.
- Đáp án theo Kafka 3.x/4.x và Confluent Platform hiện tại; chỗ nào đề cũ khác thì có ghi chú.
- Lý thuyết nền: Vì sao Kafka nhanh và bền, Cấu hình Kafka theo mục tiêu, Kafka trong thực tế (1) và (2).
2. Cluster, CLI và bảo mật
Ý chính: nắm lệnh CLI thời KRaft, vai trò controller, bootstrap và ACL theo host.
C1. Trên Kafka 3.x, bạn cần liệt kê các partition có ít nhất một replica đã rớt khỏi ISR. Lệnh nào? A) kafka-topics --zookeeper zk:2181 --describe --under-replicated-partitions · B) kafka-topics --bootstrap-server b:9092 --describe --under-replicated-partitions · C) kafka-topics --bootstrap-server b:9092 --describe --unavailable-partitions · D) kafka-consumer-groups --describe --all-groups
C2. Cluster 6 broker, 4 ứng dụng producer, 10 consumer. Tại một thời điểm có bao nhiêu controller đang hoạt động? A) 6 · B) 4 · C) 1 · D) 3
C3. bootstrap.servers của consumer chỉ ghi một trong 9 broker. Consumer có đọc được partition mà leader nằm ở broker khác không? A) Không, chỉ đọc partition do broker đó làm leader · B) Có, bootstrap chỉ dùng để lấy metadata lần đầu · C) Có, nhưng mọi dữ liệu đi qua broker bootstrap
C4. Producer acks=1 ghi vào partition RF 2; broker leader chết đột ngột. Điều gì đúng? (chọn 2) A) Producer làm mới metadata và gửi tiếp tới leader mới · B) Topic không dùng được cho tới khi broker cũ quay lại · C) Record leader đã ack nhưng follower chưa chép có thể mất · D) Producer phải khởi động lại
C5. Một service chạy tốt trên VM cũ; chuyển sang VM mới thì kết nối được nhưng mỗi lần gửi đều bị TOPIC_AUTHORIZATION_FAILED. Nguyên nhân khả dĩ nhất? A) Phải khởi động lại broker · B) ACL cho principal đó chỉ cho phép host (IP) của VM cũ · C) Producer không được chạy trên hai máy
C6. Một record đã ghi vào topic có sửa nội dung được không? A) Có, bằng AdminClient · B) Không, log chỉ thêm vào cuối · C) Có, nếu topic bật compaction
Đáp án mục 2
- C1: B.
--zookeeperđã bị gỡ khỏikafka-topicstừ Kafka 3.0 (A là đáp án của đề thời ZooKeeper). C liệt kê partition không có leader đang sống, khác với “thiếu replica”. - C2: C. Luôn có đúng một controller hoạt động. Thời KRaft, quorum có 3 hoặc 5 voter nhưng chỉ một là leader (active controller). Số producer/consumer không liên quan.
- C3: B. Mọi broker đều trả lời được metadata request, nên client biết leader của từng partition rồi nối thẳng tới đó. Nên ghi 2–3 broker để lúc khởi động một broker chết vẫn vào được.
- C4: A, C. Client nhận lỗi
NOT_LEADER_OR_FOLLOWERhoặc lỗi mạng, làm mới metadata, retry tới leader mới. Vớiacks=1, record chỉ nằm ở leader cũ thì mất khi follower lên thay. - C5: B. ACL gồm principal, thao tác, tài nguyên và host. ACL gắn IP cụ thể làm service hỏng khi đổi máy. Thêm ACL cho host mới hoặc dùng
*nếu xác thực bằng principal là đủ. - C6: B. Dữ liệu bất biến. Muốn “sửa” thì ghi bản mới; với topic compacted, bản mới nhất theo key sẽ thay bản cũ khi compaction chạy, và tombstone (value null) để xoá key. C sai vì compaction không sửa record, nó bỏ record cũ.
3. Producer
Ý chính: biết núm nào tăng batch, núm nào chống trùng, và key dùng để làm gì.
C7. Batch thường gửi đi khi mới đầy một phần ba; bạn muốn batch lớn hơn để nén tốt hơn mà không đổi tốc độ gửi. Đổi gì trước? A) Tăng batch.size · B) Tăng linger.ms lên 10–20 ms · C) Đặt acks=all · D) Tăng max.request.size
C8. Producer chạy hết tốc độ, batch lúc nào cũng đầy, mạng là nút cổ chai. Làm gì để tăng throughput? (chọn 2) A) Bật nén (lz4 hoặc zstd) · B) Giảm batch.size · C) Tăng batch.size · D) Giảm linger.ms
C9. Sau các lần timeout mạng, consumer thấy record trùng do producer gửi lại. Cách sửa không làm giảm throughput? A) max.in.flight.requests.per.connection=1 · B) enable.idempotence=true · C) retries=0 · D) batch.size=1
C10. Một bạn muốn đặt key là customer_id để consumer “chỉ subscribe khách 42”. Đúng không? A) Đúng, consumer lọc theo key ở broker · B) Sai, key quyết định partition và thứ tự, không phải bộ lọc phía broker · C) Đúng nếu dùng assign()
C11. Broker đặt auto.create.topics.enable=false; producer gửi vào topic chưa tồn tại. Chuyện gì xảy ra? A) Topic được tạo với 1 partition · B) send() chờ metadata tới max.block.ms rồi ném TimeoutException · C) Record bị bỏ im lặng
Đáp án mục 3
- C7: B.
batch.sizechỉ là trần; batch đang đi khi còn vơi vì producer không chờ.linger.msbắt producer chờ thêm vài ms để gom, nên batch to hơn và nén hiệu quả hơn. Từ Kafka 4.0,linger.msmặc định là 5 ms. - C8: A, C. Batch đã đầy nên chờ thêm (
linger.ms) không thay đổi gì. Batch to hơn và nén giúp mỗi request chở nhiều dữ liệu hơn trên cùng băng thông. - C9: B. Idempotent producer gắn producer id và số thứ tự, broker bỏ bản trùng và vẫn cho tới 5 request bay song song. Mặc định bật từ Kafka 3.0. A cũng giữ thứ tự nhưng giết throughput; C làm mất message.
- C10: B. Consumer không lọc theo key ở phía broker; nó đọc cả partition. Key quyết định partition (thứ tự theo key), và là đơn vị của compaction.
- C11: B. Producer chờ metadata của topic tới
max.block.ms(mặc định 60 giây), không thấy thìsend()némTimeoutException. Khi bật auto create, topic được tạo theonum.partitionsvàdefault.replication.factorcủa broker.
4. Consumer, assignor và offset
Ý chính: phân biệt subscribe với assign, hiểu assignor chia partition thế nào, và offset được commit ở đâu.
C12. Một công cụ kiểm tra cần đọc riêng partition 3 của topic audit, không tham gia group. Cách nào đúng? A) consumer.subscribe("audit", 3) · B) consumer.assign(List.of(new TopicPartition("audit", 3))) · C) subscribe() rồi assign()
C13. Code gọi lần lượt subscribe(List.of("a")), subscribe(List.of("b")), subscribe(List.of("c")). Consumer đọc topic nào? A) a, b, c · B) chỉ c · C) chỉ a · D) ném exception
C14. Group có C1, C2 cùng subscribe topic T1 và T2, mỗi topic 3 partition. Với RangeAssignor, mỗi consumer nhận mấy partition? A) 3 và 3 · B) 4 và 2 · C) 6 và 0
C15. Cũng group đó nhưng dùng RoundRobinAssignor. Kết quả nào khớp? A) C1: T1-0, T1-2, T2-1; C2: T1-1, T2-0, T2-2 · B) C1: T1-0, T1-1, T2-0, T2-1; C2: T1-2, T2-2 · C) Hai consumer không đọc được hai topic cùng lúc
C16. Một service khởi động lại mỗi đêm và lần nào cũng đọc lại từ đầu topic. Nguyên nhân khả dĩ? A) group.id sinh ngẫu nhiên mỗi lần chạy · B) enable.auto.commit=true · C) Topic quá nhiều partition
C17. Consumer commit offset bằng cách nào? A) Ghi thẳng vào topic __consumer_offsets · B) Gửi yêu cầu tới group coordinator, broker đó ghi vào __consumer_offsets · C) Ghi vào ZooKeeper
C18. Chạy kafka-console-consumer --bootstrap-server b:9092 --topic logs không có --group. Điều gì đúng? A) Không dùng group nào · B) Dùng một group tên ngẫu nhiên kiểu console-consumer-12345 · C) Luôn dùng group console
C19. Một dashboard chấp nhận mất vài sự kiện nhưng không bao giờ được hiển thị trùng. Chiến lược commit nào? A) Commit sau khi xử lý · B) Commit ngay sau poll(), trước khi xử lý · C) Không commit, mỗi lần đọc từ đầu
Đáp án mục 4
- C12: B. Không có hàm
subscribe(topic, partition)trong API Java (đề lưu hành đánh dấu cả đáp án này là đúng). Trộnsubscribe()vàassign()trên cùng consumer némIllegalStateException. - C13: B. Mỗi lần
subscribe()thay toàn bộ danh sách cũ. Muốn nhiều topic thì truyền một list, hoặc mộtPatternnhưPattern.compile("topic\\..*"). - C14: B. Range chia theo từng topic: với T1 (3 partition, 2 consumer), C1 lấy 0 và 1, C2 lấy 2; T2 lặp lại y hệt. C1 được 4, C2 được 2. Lệch càng nặng khi càng nhiều topic.
- C15: A. Round robin xếp mọi partition của mọi topic thành một hàng rồi chia lần lượt, nên mỗi bên 3. Client Java 3.x mặc định dùng danh sách
[RangeAssignor, CooperativeStickyAssignor]; nhóm dùng giao thức mới của Kafka 4.0 (KIP-848) để broker chọn assignor. - C16: A. Group mới không có offset đã commit, nên áp
auto.offset.reset(ở đây làearliest). Đặtgroup.idcố định. Thêmgroup.instance.id(static membership) để restart nhanh không gây rebalance. - C17: B. Consumer gửi
OffsetCommittới group coordinator, là broker làm leader của partition__consumer_offsetsứng vớihash(group.id) % 50. Broker ghi offset vào topic đó. - C18: B. Console consumer tự đặt group ngẫu nhiên. Không có
--from-beginningthì nó bắt đầu từ cuối log. - C19: B. Commit trước khi xử lý: crash giữa chừng thì phần chưa xử lý bị bỏ (mất) nhưng không bao giờ xử lý hai lần. Đề lưu hành đánh dấu “commit sau xử lý” cho câu tương tự, là sai: đó là at-least-once.
5. Schema Registry, Avro và REST Proxy
Ý chính: Schema Registry chỉ giữ schema và luật tương thích; record mang id của schema, client tự tra và cache.
C20. Consumer dùng KafkaAvroDeserializer gặp record có schema id chưa có trong cache cục bộ. Chuyện gì xảy ra? A) Ném SerializationException ngay · B) Gọi Schema Registry lấy schema theo id rồi cache lại · C) Đọc schema nằm trong record
C21. Việc nào không phải của Schema Registry? A) Lưu schema · B) Kiểm tra luật tương thích khi đăng ký schema mới · C) Lưu các record Avro · D) Cấp id cho schema
C22. Trong schema Avro kiểu record, thuộc tính nào là tuỳ chọn? A) name · B) fields · C) doc · D) type
C23. Lớp SpecificRecord trong Java được tạo thế nào? A) Viết tay · B) Sinh từ file .avsc lúc build bằng plugin Maven/Gradle của Avro · C) Registry sinh lúc chạy
C24. Một app gửi dữ liệu nhị phân qua REST Proxy (base64 trong JSON) vào topic blobs. Một consumer Java đọc thẳng topic đó nhận được gì? A) Chuỗi base64, phải tự giải mã · B) Bytes gốc · C) JSON
C25. REST Proxy của Confluent Platform hiện nay hỗ trợ sẵn định dạng nào? (chọn tất cả) A) binary · B) JSON · C) Avro · D) Protobuf · E) JSON Schema
Đáp án mục 5
- C20: B. Record theo wire format của Confluent: 1 byte magic (0), 4 byte schema id, rồi dữ liệu. Deserializer tra cache, thiếu thì gọi
GET /schemas/ids/{id}qua HTTP(S) rồi cache. Chỉ lỗi khi registry không có id đó. - C21: C. Record nằm ở broker. Registry lưu schema trong topic compacted
_schemas, cấp id, và kiểm tra tương thích. Chính Registry (không phải broker) từ chối schema không tương thích, lúc serializer đăng ký schema. - C22: C.
type,name,fieldsbắt buộc;doc,namespace,aliasestuỳ chọn. - C23: B.
avro-maven-pluginhoặc plugin Gradle sinh lớp từ.avsc. Không muốn sinh code thì dùngGenericRecord. - C24: B. REST Proxy giải mã base64 rồi gửi bytes vào Kafka; consumer đọc thẳng nhận bytes.
- C25: A, B, C, D, E. Protobuf và JSON Schema có từ Confluent Platform 5.5 (API v2 và v3). Đề lưu hành nói Protobuf “không hỗ trợ”, là đáp án cũ.
6. Kafka Connect
Ý chính: source đưa vào Kafka, sink đưa ra; số task bị chặn bởi tasks.max và bởi nguồn dữ liệu (số bảng, số partition).
C26. Đồng bộ các dòng mới từ PostgreSQL vào Kafka cần loại connector nào? A) Sink · B) Source · C) Kafka Streams · D) REST Proxy
C27. S3 sink connector đọc topic 4 partition, tasks.max=10, cluster Connect 5 worker. Bao nhiêu task thực sự có partition để làm? A) 10 · B) 5 · C) 4 · D) 20
C28. Connector dùng JsonConverter báo lỗi “JsonConverter with schemas.enable requires ‘schema’ and ‘payload’ fields”. Dữ liệu là JSON thường. Sửa thế nào? A) Đổi sang AvroConverter · B) Đặt value.converter.schemas.enable=false (và tương tự cho key) · C) Thêm SMT để bọc message
C29. Topic nào không phải topic nội bộ của Connect ở chế độ distributed? A) topic cấu hình · B) topic offset · C) topic trạng thái · D) topic chứa file jar của plugin
Đáp án mục 6
- C26: B. Source: hệ ngoài → Kafka (JDBC source, Debezium). Sink: Kafka → hệ ngoài (S3, Elasticsearch, JDBC sink).
- C27: C. Sink task là consumer trong một group; quá số partition thì task thừa không có gì để đọc. Đặt
tasks.max=4. Tương tự, JDBC source với 3 bảng vàtasks.max=2tạo 2 task; với 2 bảng vàtasks.max=5tạo 2 task. - C28: B.
schemas.enable=truechờ một “phong bì”{schema, payload}. JSON thường không có phong bì, nên tắt đi. - C29: D. Ba topic nội bộ là
config.storage.topic(cấu hình connector),offset.storage.topic(offset của source),status.storage.topic(trạng thái connector và task). Plugin nằm trên đĩa worker theoplugin.path. Đề lưu hành giải thích topic trạng thái “để bầu leader”, là sai.
7. Kafka Streams và ksqlDB
Ý chính: phân biệt stateless với stateful, KStream với KTable, và nhớ ksqlDB chạy trên Kafka Streams.
C30. Ứng dụng nào stateless? (chọn 2) A) Đổi định dạng sự kiện từ JSON sang Avro · B) Mỗi ngày công bố 10 mã cổ phiếu tăng mạnh nhất · C) Đẩy log ERROR sang topic ưu tiên cao, phần còn lại sang topic thường · D) Giá thấp nhất và cao nhất mỗi ngày giao dịch
C31. Cửa hàng giày. Dữ liệu nào nên mô hình hoá thành KTable? (chọn 2) A) Tồn kho hiện tại theo mã hàng · B) Luồng giao dịch bán hàng · C) Tổng doanh thu tới giờ · D) Luồng click trên web
C32. Câu nào đúng về ksqlDB? (chọn 2) A) Tuân thủ ANSI SQL · B) Chạy trên thư viện Kafka Streams · C) Muốn đọc từ đầu topic trong CLI thì SET 'auto.offset.reset'='earliest'; · D) Luôn đọc từ đầu topic
C33. Lệnh ksqlDB nào tạo truy vấn chạy liên tục ghi kết quả ra topic Kafka? (chọn 2) A) CREATE STREAM s WITH (KAFKA_TOPIC='x', VALUE_FORMAT='JSON') · B) CREATE TABLE t AS SELECT ... · C) INSERT INTO s SELECT ... · D) SHOW STREAMS
C34. Ứng dụng Streams đọc một topic 6 partition. Chạy 3 instance, mỗi instance 4 stream thread. Bao nhiêu thread có việc? A) 12 · B) 6 · C) 3
Đáp án mục 7
- C30: A, C. Mỗi record được xử lý chỉ dựa trên chính nó (map, filter, branch). B và D cần nhớ dữ liệu qua nhiều record (aggregate theo ngày).
- C31: A, C. KTable là “giá trị mới nhất theo key”: tồn kho hiện tại, tổng chạy. Giao dịch và click là chuỗi sự kiện, để KStream. Đề lưu hành bỏ “tồn kho hiện tại” khỏi đáp án, mình cho là sai: đó là ví dụ KTable kinh điển.
- C32: B, C. ksqlDB không theo chuẩn ANSI (chưa có chuẩn cho SQL trên stream). Mặc định đọc từ cuối (
latest). - C33: B, C. CTAS/CSAS và
INSERT INTO ... SELECTtạo persistent query đọc và ghi Kafka. A chỉ đăng ký metadata (ghi vào command topic của ksqlDB; tạo topic nếu chỉ địnhPARTITIONS).SHOW,DESCRIBE,EXPLAINchỉ hỏi server. - C34: B. 6 partition thành 6 task; mỗi task chạy trên một thread, 6 thread còn lại rảnh (vẫn hữu ích làm dự phòng khi instance chết).
8. Đáp án sai hoặc lỗi thời trong bộ câu hỏi lưu hành
Ý chính: đối chiếu với tài liệu Kafka, ít nhất các câu sau trong bộ được phát kèm khoá học cần sửa. Gặp dạng câu này, trả lời theo cột “Đúng”.
| Chủ đề | Bộ lưu hành nói | Đúng |
|---|---|---|
| Đọc partition cụ thể | subscribe(topic, partition) hoặc assign() |
chỉ assign() |
| Số controller | đánh dấu cả 3 và 5 | 1 |
| Exactly-once của Streams | Kafka → Kafka và Kafka → ngoài | chỉ Kafka → Kafka |
| At-most-once | commit sau xử lý | commit trước xử lý |
| Ai từ chối schema sai | Registry và broker | chỉ Registry |
| Compaction chạy khi nào | khi tạo partition và khi đóng segment | khi segment đã đóng và tỉ lệ “bẩn” đủ cao |
| KTable | doanh thu, hàng trả lại | doanh thu, tồn kho hiện tại |
| Cổng ZooKeeper | 2888 “peer”, 3888 “leader” | 2888 follower nối leader, 3888 bầu leader |
| Topic trạng thái của Connect | dùng để bầu leader | lưu trạng thái connector và task |
| REST Proxy và Protobuf | không hỗ trợ | hỗ trợ từ CP 5.5 |
--zookeeper trong CLI |
dùng bình thường | gỡ khỏi kafka-topics từ 3.0; Kafka 4.0 bỏ ZooKeeper |
| Tên cấu hình tự tạo topic | auto.create.topic.enable |
auto.create.topics.enable |
Ghi nhớ
- Viết được code đọc một partition cụ thể và đọc nhiều topic bằng
Pattern, và biết vì sao gọisubscribenhiều lần là sai. - Tự chia partition cho hai consumer theo Range và RoundRobin.
- Giải thích được wire format của Confluent (magic byte + schema id) và việc Registry làm, không làm.
- Tính được số task hữu ích của một sink connector và của một ứng dụng Streams.
- Phân loại được một tập dữ liệu là KStream hay KTable, một phép xử lý là stateless hay stateful.
Câu hỏi phỏng vấn
Junior
subscribe() và assign() khác nhau thế nào?
subscribe() tham gia consumer group, Kafka tự chia partition và rebalance; assign() tự chọn partition cố định, không có group management.
assign() hợp cho công cụ đọc lại, kiểm tra, hoặc khi tự quản offset bên ngoài. Hai cách không dùng chung trên một consumer.
KStream và KTable khác nhau thế nào?
KStream là chuỗi sự kiện, mỗi record là một việc đã xảy ra; KTable là trạng thái mới nhất theo key, record sau ghi đè record trước.
Giao dịch là KStream, số dư hiện tại là KTable. Aggregate một KStream cho ra KTable.
Mid
RangeAssignor và CooperativeStickyAssignor khác nhau ra sao?
Range chia theo từng topic nên dễ lệch khi subscribe nhiều topic; CooperativeSticky chia đều, giữ nguyên phân công cũ nhiều nhất có thể và rebalance từng phần, không dừng cả group.
Với Range, mỗi lần rebalance mọi consumer nhả hết partition (eager). Cooperative chỉ chuyển những partition cần chuyển, nên consumer khác vẫn chạy.
Schema Registry hoạt động thế nào trong một lần produce và consume?
Serializer đăng ký (hoặc tra) schema, nhận id, ghi id vào 5 byte đầu record; deserializer đọc id, tra cache hoặc hỏi Registry, rồi giải mã.
Registry kiểm tra tương thích lúc đăng ký và lưu schema trong topic _schemas. Broker không đọc payload, nên không bao giờ từ chối dữ liệu vì schema.
Senior
Một sink connector chậm. Bạn scale nó thế nào?
Tăng tasks.max tới số partition của topic nguồn, thêm worker nếu CPU hay mạng của worker đã đầy; quá số partition thì phải tăng partition.
Trước đó kiểm tra nút cổ chai có phải hệ đích (S3, Elasticsearch) không: tăng task chỉ dồn thêm tải vào đó. Chỉnh batch của connector (kích thước flush, số bản ghi mỗi lần ghi) thường hiệu quả hơn tăng task.
Bạn đánh giá thế nào một ứng viên chỉ học thuộc đề CCDAK?
Hỏi lý do thay vì đáp án: vì sao Range lệch, vì sao commit trước là at-most-once, Registry làm gì khi gặp id lạ.
Người học thuộc thường trả lời đúng chữ cái nhưng không giải thích được, và hay mang theo đáp án sai của bộ lưu hành. Mình cho một tình huống mới (đổi số partition, đổi máy chạy service) để xem họ suy luận được không.
Từ vựng tiếng Anh
| Term | Phát âm | Nghĩa | Ví dụ câu tiếng Anh dùng trong phỏng vấn |
|---|---|---|---|
| assignor | /əˈsaɪnə/ | bộ chia partition | “The range assignor works per topic, so it can be unbalanced.” |
| static membership | /ˈstætɪk ˈmembəʃɪp/ | thành viên group cố định | “Static membership avoids a rebalance on a quick restart.” |
| group coordinator | /ɡruːp kəʊˈɔːdɪneɪtə/ | broker quản lý group | “Offset commits go to the group coordinator.” |
| wire format | /waɪə ˈfɔːmæt/ | định dạng bytes trên dây | “The wire format starts with a magic byte and a four-byte schema ID.” |
| code generation | /kəʊd ˌdʒenəˈreɪʃn/ | sinh code | “SpecificRecord classes come from code generation at build time.” |
| source connector | /sɔːs kəˈnektə/ | connector đưa dữ liệu vào Kafka | “A source connector pulls rows from PostgreSQL into Kafka.” |
| sink connector | /sɪŋk kəˈnektə/ | connector đưa dữ liệu ra | “Sink tasks can’t outnumber the topic’s partitions usefully.” |
| converter | /kənˈvɜːtə/ | bộ chuyển định dạng của Connect | “Disable schemas on the JSON converter for plain JSON.” |
| stateless | /ˈsteɪtləs/ | không cần nhớ trạng thái | “Filtering and mapping are stateless operations.” |
| persistent query | /pəˈsɪstənt ˈkwɪəri/ | truy vấn chạy liên tục | “CREATE TABLE AS SELECT starts a persistent query.” |
Ghi chép dựa trên khoá Advanced Backend (Ronin Engineer), viết lại theo cách hiểu của mình.