大数据面试是很多人的弱点，明明自身技术还可以，但总是面试关过不去，大数据面试分为笔试和面试两方面，笔试必须要做好充足的准备，因为这个没有投机取巧的方法。下面分享百度公司的大数据面试题附答案。
百度公司的大数据面试题附答案
1、数据库的三大范式？
原子性、一致性、唯一性
2、List与set的区别？
List特点：元素有放入顺序，元素可重复 ，Set特点：元素无放入顺序，元素不可重复。
3、Hbase中的metastore用来做什么的？
Hbase的metastore是用来保存数据的，其中保存数据的方式有有三种第一种于第二种是本地储存，第二种是远程储存这一种企业用的比较多
4、对象与引用对象的区别
对象就是好没有初始化的对象，引用对象即使对这个对象进行了初始化，这个初始化可以使自己的直接new的也可以是直接其他的赋值的，那么背new或者背其他赋值的我们叫做是引用对象，最大的区别于
5、谈谈你对反射机制的理解及其用途？
反射有三种获取的方式，分别是：forName/getClass /直接使用class方式，使用反射可以获取类的实例。
6、描述 HBase, zookeeper 搭建过程
Zookeeper 的问题楼上爬爬有步骤，hbase 主要的配置文件有hbase.env.sh 主要配置的是JDK的路径以及是否使用外部的ZK，hbase-site.xml主要配置的是与HDFS的链接的路径以及zk的信息，修改regionservers的链接其他机器的配置。
7、hive 如何调优？
在优化时要注意数据的问题，尽量减少数据倾斜的问题，减少job的数量，同事对小的文件进行成大的文件，如果优化的设计那就更好了，因为hive的运算就是mapReduce所以调节mapreduce的参数也会使性能提高，如调节task的数目。
8、hive的权限的设置
Hive的权限需要在hive-site.xml文件中设置才会起作用，配置默认的是false，需要把hive.security.authorization.enabled设置为true，并对不同的用户设置不同的权限，例如select ,drop等的操作。
9、hbase宕机了如何处理？
HBase的RegionServer宕机超过一定时间后，HMaster会将其所管理的region重新分布到其他活动的RegionServer上，由于数据和日志都持久在HDFS中，
该操作不会导致数据丢失。所以数据的一致性和安全性是有保障的。
但是重新分配的region需要根据日志恢复原RegionServer中的内存MemoryStore表，这会导致宕机的region在这段时间内无法对外提供服务。
而一旦重分布，宕机的节点重新启动后就相当于一个新的RegionServer加入集群，为了平衡，需要再次将某些region分布到该server。
因此，Region Server的内存表memstore如何在节点间做到更高的可用，是HBase的一个较大的挑战。
