每天一道大厂SQL题【Day13】微众银行真题实战(三)
大家好，我是Maynor。相信大家和我一样，都有一个大厂梦，作为一名资深大数据选手，深知SQL重要性，接下来我准备用100天时间，基于大数据岗面试中的经典SQL题，以每日1题的形式，带你过一遍热门SQL题并给出恰如其分的解答。
一路走来，随着问题加深，发现不会的也愈来愈多。但底气着实足了不少，相信不少朋友和我一样，日积月累才是最有效的学习方式！
第13题：逾期率统计
需求列表
3.基于附录2《借据表》统计下述指标，请提供统计SOL
产品类型 | 户数 | 余额 | 逾期率/ 不良率 |
|---|---|---|---|
逾期1-30天 | |||
逾期30-90天 | |||
逾期90天以上 | |||
逾期合计 | |||
不良合计 |
数据准备
链接：https://pan.baidu.com/s/1Wiv-LVYziVxm8f0Lbt38Gw?pwd=s4qc 提取码：s4qc
代码语言：javascript复制debt.txt文件set spark.sql.shuffle.partitions=4;
create database webank_db;
use webank_db;
create or replace temporary view check_view (ds comment '日期分区',
sno comment '流水号', uid comment '用户id',
is_risk_apply comment '是否核额申请',
is_pass_rule comment '是否通过规则',
is_obtain_qutoa comment '是否授信成功', quota comment '授信金额',
update_time comment '更新时间')
as
values ('20201101', 's000', 'u000', 1, 1, 1, 700, '2020-11-01 08:12:12'),
('20201102', 's088', 'u088', 1, 1, 1, 888, '2020-11-02 08:12:12'),
('20201230', 's091', 'u091', 1, 1, 1, 789, '2020-12-30 08:12:12'),
('20201230', 's092', 'u092', 1, 0, 0, 0, '2020-12-30 08:12:12'),
('20201230', 's093', 'u093', 1, 1, 1, 700, '2020-12-30 08:12:12'),
('20201231', 's094', 'u094', 1, 1, 1, 789, '2020-12-31 08:12:12'),
('20201231', 's095', 'u095', 1, 1, 1, 600, '2020-12-31 08:12:12'),
('20201231', 's096', 'u096', 1, 1, 0, 0, '2020-12-31 08:12:12')
;
--创建核额流水表
drop table if exists check_t;
create table check_t (
sno string comment '流水号',
uid string,
is_risk_apply bigint,
is_pass_rule bigint,
is_obtain_qutoa bigint,
quota decimal(30,6), update_time string
) partitioned by (ds string comment '日期分区');
--动态分区需要设置
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=nonstrict;
insert overwrite table check_t partition (ds) select sno,
uid, is_risk_apply, is_pass_rule, is_obtain_qutoa, quota,
update_time,
ds
from check_view;
-- 创 建 借 据 表
create table debt(
duebill_id string comment '借据号',
uid string, prod_type string,
putout_date string,
putout_amt decimal(30, 6),
balance decimal(30, 6),
is_buliang int,
overduedays int
)partitioned by (ds string comment '日期分区');
--资料提供了一个34899条借据数据的文件
--下面补充如何将文件的数据导入到分区表中。需要一个中间普通表过度。
drop table if exists webank_db.debt_temp;
create table webank_db.debt_temp(
duebill_id string comment '借据号', uid string,
prod_type string,
putout_date string, putout_amt decimal(30, 6),
balance decimal(30,6),
is_buliang int, overduedays int,
ds string comment '日期分区'
) row format delimited fields terminated by 't';
load data local inpath '/root/debt.txt' overwrite into table webank_db.debt_temp;
--动态分区需要设置
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=nonstrict;
insert overwrite table webank_db.debt partition (ds)
select * from webank_db.debt_temp;
--技巧：如果查询debt表，由于分区数太多，导致查询很慢。
-- 开发阶段，我们可以事先将表缓存起来，并且降低分区数比如为6，那么查缓存表大大提升了开发效率。
-- 上线阶段，再用实际表替换缓存表。
--首次缓存会耗时慢
cache table cache_debt as select / coalesce(6) / from
debt;
--第二次使用缓存会很快
select count(*) from cache_debt;
select ds,count(1) from cache_debt group by ds;思路分析
假设计算当天2021-10-29日的报表
为了统计附录2《借据表》中的指标，需要进行以下步骤：
- 筛选借据表中逾期1-30天、逾期30-90天和逾期90天以上的数据，并分别统计户数和余额。逾期率可以通过计算逾期户数与借据总户数之比来得到。
- 将逾期1-30天、逾期30-90天和逾期90天以上的数据合并，得到逾期合计指标。同样地，逾期率也需要重新计算。
- 不良率是指不良贷款余额与总贷款余额之比。因此，需要筛选借据表中不良贷款的数据，并计算不良贷款余额。然后，将不良贷款余额与借据表中总贷款余额之比得到不良率。
- 最后，可以将所有统计的指标按照产品类型进行分组，以得到表格中的结果。
答案获取
建议你先动脑思考，动手写一写再对照看下答案，如果实在不懂可以点击下方卡片，回复:大厂sql 即可。
参考答案适用HQL，SparkSQL，FlinkSQL，即大数据组件，其他SQL需自行修改。
加技术群讨论
点击下方卡片关注 联系我进群
或者直接私信我进群
微众银行源数据表附录：
- 核额流水表
字段名 | 字段意义 | 字段类型 |
|---|---|---|
ds | 日期分区，样例格式为20200101，每个分区有全量流水 | string |
sno | 每个ds内主键，流水号 | string |
uid | 户id | string |
is_risk_apply | 是否核额申请（核额漏斗第一步）取值0和1 | bigint |
is_pass_rule | 是否通过规则（核额漏斗第二步）取值0和1 | bigint |
is_obtain_qutoa | 是否授信成功（核额漏斗第三步）取值0和1 | bigint |
quota | 授信金额 | decimal(30,6) |
update_time | 更新时间样例格式为2020-11-14 08:12:12 | string |
- 借据表
字段名 | 字段意义 | 字段类型 |
|---|---|---|
ds | 日期分区，样例格式为20200101每个分区有全量借据 | string |
duebilid | 借据号（每个日期分区内的主键） | string |
uid | 用户id | string |
prod_type | 产品名称仅3个枚举值XX贷YY贷ZZ贷 | string |
putout_date | 发放日期样例格式为2020-10-10 00:10:30 | bigint |
putout_amt | 发放金额 | decimal(30,6) |
balance | 借据余额 | decimal(30,6) |
is_buliang | 状态-是否不良取值0和1 | bigint |
overduedays | 逾期天数 | bigint |
- 模型输出表
字段名 | 字段意义 | 字段类型 |
|---|---|---|
ds | 日期分区，样例格式为20200101增量表部分流水记录可能有更新 | string |
sno | 流水号，主键 | string |
create time | 创建日期样例格式为2020-10-10 00:10:30与sno唯一绑定，不会变更 | string |
uid | 用户id | string |
content | son格式key值名称为V01～V06，value值取值为0和1 | string |
create_time | 更新日期样例格式为2020-10-1000:10:30 | string |
文末SQL小技巧
提高SQL功底的思路。 1、造数据。因为有数据支撑，会方便我们根据数据结果去不断调整SQL的写法。 造数据语法既可以create table再insert into，也可以用下面的create temporary view xx as values语句，更简单。 其中create temporary view xx as values语句，SparkSQL语法支持，hive不支持。 2、先将结果表画出来，包括结果字段名有哪些，数据量也画几条。这是分析他要什么。 从源表到结果表，一路可能要走多个步骤，其实就是可能需要多个子查询，过程多就用with as来重构提高可读性。 3、要由简单过度到复杂，不要一下子就写一个很复杂的。 先写简单的select from table…,每个中间步骤都执行打印结果，看是否符合预期， 根据中间结果，进一步调整修饰SQL语句，再执行，直到接近结果表。 4、数据量要小，工具要快，如果用hive，就设置set hive.exec.mode.local.auto=true;如果是SparkSQL，就设置合适的shuffle并行度，set spark.sql.shuffle.partitions=4;
