对于数据仓库的理解，数据仓库主要为的解决什么问题？
数据仓库是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，目的是构建面向分析的集成化数据环境，为企业提供决策支持（Decision-Support）。
（为什么要面向主题？面向主题是数据仓库的第一特性，主要是指合理地组织数据以实现分析。对于源数据而言，其数据组织形式是多样的，像点击流的数据格式是未经优化的，前台数据库的数据是基于OLTP操作组织优化的，这些可能都不适合分析，而整理成面向主题的组织形式才是真正地利于分析的，比如将点击流日志整理成页面（Page）、访问（Visit或Session）、用户（Visitor）三个主题，这样可以明显提升分析的效率。
数据仓库中的数据是按照一定的主题域进行组织的，每一个主题对应一个宏观的分析领域，数据仓库排除对决策无用的数据，提供特定主题的简明视图。）
数据仓库模型的理解？
数据模型就是数据组织和存储方法，它强调从业务、数据存取和使用角度合理存储数据。只有数据模型将数据有序的组织和存储起来之后，大数据才能得到高性能、低成本、高效率、高质量的使用。
数据仓库分层设计的好处是什么？
数据仓库一般要进行分层的设计，其能带来五大好处：
清晰数据结构：每一个数据分层都有它的作用域，这样我们在使用表的时候能更方便地定位和理解。
数据血缘追踪：能够快速准确地定位到问题，并清楚它的危害范围。
减少重复开发：规范数据分层，开发一些通用的中间层数据，能够减少极大的重复计算。
把复杂问题简单化：将复杂的任务分解成多个步骤来完成，每一层只处理单一的步骤，比较简单和容易理解。当数据出现问题之后，不用修复所有的数据，只需要从有问题的步骤开始修复。
屏蔽原始数据的异常：不必改一次业务就需要重新接入数据。
另外的答案：
1）用空间换时间，通过大量的预处理来提升应用系统的用户体验（效率），因此数据仓库会存在大量冗余的数据。
2）如果不分层的话，如果源业务系统的业务规则发生变化将会影响整个数据清洗过程，工作量巨大。
3）通过数据分层管理可以简化数据清洗的过程，因为把原来一步的工作分到了多个步骤去完成，相当于把一个复杂的工作拆成了多个简单的工作，把一个大的黑盒变成了一个白盒，每一层的处理逻辑都相对简单和容易理解，这样我们比较容易保证每一个步骤的正确性，当数据发生错误的时候，往往我们只需要局部调整某个步骤即可。
数据建模考虑的点是什么，然后随机给了你一个业务场景问问你如果建立模型大致怎么设计？
对于数据中台的理解，和数据仓库和数据湖的区别？
数据仓库、数据湖、数据中台终于有人说清楚了，建议收藏！ - 云+社区 - 腾讯云
https://cloud.tencent.com/developer/article/1513820MAPREDUCE的主要过程，MAP阶段和REDUCE阶段的SHUFFLE各是什么过程？
Hadoop学习之路（十三）MapReduce的初识 - 扎心了，老铁 - 博客园MapReduce是什么 首先让我们来重温一下 hadoop 的四大组件： HDFS：分布式存储系统 MapReduce：分布式计算系统 YARN：hadoop 的资源调度系统 Common：以上三大
https://www.cnblogs.com/qingyunzong/p/8573001.html大数据系列（四）之 MapReduce过程及shuffle详解-博客https://www.soolco.com/post/22531_1_1.html
SORT BY和ORDER BY的区别
Sort By、Order By、Cluster By及Distribute By的区别 - 大数据面试宝典_大数据面试题_ 大数据时代_大数据培训_ 大数据技术与应用分桶和PARTITION的区别，并且分桶和PARTITION的各自机制是什么
HIVE数据倾斜的原理和不同场景下的解决方案是什么，MPP架构数据下的数据倾斜解决方案是什么？
https://zhuanlan.zhihu.com/p/342563538你认为你来做这个岗位的优势和劣势是什么？
谈谈你对这个岗位所需技能的理解，假如你来到这个岗位未来半年你的工作思路是什么？
以你对传统数仓的理解，什么样的业务会有实时性的需求？
针对蚂蚁金服的具体业务部门，让你谈一谈你对这块业务的理解和数据如何给业务产生价值？