电脑基础 · 2023年3月1日

每天一道大厂SQL题【Day12】微众银行真题实战(二)

每天一道大厂SQL题【Day12】微众银行真题实战(二)

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!

每日语录

人还是要有梦想的,即使是咸鱼, 也要做最咸的那一条。

每天一道大厂SQL题【Day12】微众银行真题实战(二)

第12题:贷款产品不良统计

需求列表

笔试题目

说明:SQL语法请使用HiveSQL/SparkSQL

基于附录2《借据表》统计下述指标,请提供计SOL

产品类型 在贷客户数 在贷余额 不良余额 余额不良率 不良客户数 客户不良率
XX贷
YY贷
ZZ贷
汇总

数据准备

链接:https://pan.baidu.com/s/1Wiv-LVYziVxm8f0Lbt38Gw?pwd=s4qc
提取码:s4qc

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;

每天一道大厂SQL题【Day12】微众银行真题实战(二)

-- 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

--第二问 假设是今天(2021-10-29)的统计,并考虑对用户去重select * from debt where ds='2021-10-29' ;
drop table if exists prod_type_agg;
create table prod_type_agg(
prod_type		string comment '产品',
cnt	int,
sum_balance	decimal(30, 6),
bad_balance	decimal(30, 6),
bad_balance_rate decimal(7, 6),
bad_cnt	int,
bad_cnt_rate	decimal(7, 6)
) partitioned by (ds string comment '结果分区');
  • 在贷客户数:指在某一时点,有未偿还贷款余额的客户数。
  • 在贷余额:指在某一时点,所有未偿还贷款的总金额。
  • 不良余额:指在某一时点,所有不良贷款(即次级、可疑和损失类贷款)的总金额。
  • 余额不良率:指在某一时点,不良余额占在贷余额的比例。公式为:余额不良率 = 不良余额 / 在贷余额
  • 不良客户数:指在某一时点,有不良贷款(即次级、可疑和损失类贷款)的客户数。
  • 客户不良率:指在某一时点,不良客户数占在贷客户数的比例。公式为:客户不良率 = 不良客户数 / 在贷客户数

方案1 使用union all

方案2 使用grouping sets

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:

  1. 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
  1. 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
  1. 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;

后记

📢博客主页:https://manor.blog.csdn.net

📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正!
📢本文由 Maynor 原创,首发于 CSDN博客🙉
📢不能老盯着手机屏幕,要不时地抬起头,看看老板的位置⭐
📢专栏持续更新,欢迎订阅:https://blog.csdn.net/xianyu120/category_12182595.html