iPAS 考題解析某製造企業導入上萬台物聯網（IoT）感測器以進行設備健康監測。系統需在毫秒級回應異常事件，並同時將完整資料保留於雲端供後續AI模型訓練與分析。若企業希望兼顧即時性、資料完整性與可擴展性，下列哪一種資料流程設計最符合此目標？

解析

正確答案：C. 感測器→邊緣運算節點→流式資料處理框架（Stream Processing Framework）→雲端資料湖→模型推論

邊緣運算節點處理毫秒級即時回應，流式資料處理框架（如Kafka+Flink）確保資料持續流轉，雲端資料湖保存完整歷史資料供AI訓練，此架構同時滿足即時性、資料完整性與可擴展性三項需求。

每個選項為什麼對或錯

• A 感測器→雲端API Gateway→分散式資料庫→批次特徵工程→模型推論 錯誤選項

  批次特徵工程有明顯延遲，無法達到毫秒級即時回應。

• B 感測器→MQTT Broker→雲端資料倉儲→即時儀表板→模型再訓練 錯誤選項

  MQTT Broker適合輕量訊息傳遞，但資料倉儲不是為即時流處理設計的。

• C 感測器→邊緣運算節點→流式資料處理框架（Stream Processing Framework）→雲端資料湖→模型推論 正解

  邊緣運算+流式處理+資料湖的組合同時滿足即時、完整、可擴展三項目標，最符合需求。

• D 感測器→本地快取層→RESTful API→雲端報表系統→模型批次更新 錯誤選項

  RESTful API和批次更新有較高延遲，不滿足毫秒級即時需求。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。