每天一道大厂SQL题【Day15】微众银行真题实战(五)

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

第15题：逾期率统计

需求列表

基于附录2《借据表》统计下述指标，请提供Vintage统计SQL（mobX指的是发放后第X月末的不良余额/发放月金额）

发放月份	发放金额	MOB1	MOB2	MOB3	MOB4	MOB5	MOB6	MOB7	MOB8	MOB9	MOB10	MOB11	MOB12
2019-10
2019-11
2019-12
2020-01
2020-02
2020-03
2020-04
2020-05
2020-06
2020-07
2020-08
2020-09
2020-10

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;

-- 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

随机观察2个借据的情况

*select* * *from* cache_debt *where* duebill_id='u001-1' *order by* ds;

*select* * *from* cache_debt *where* duebill_id='u005-2' *order by* ds;

分3个大步骤：

步骤1：形成临时表1_每月的总发放金额

发放月份	发放金额
2019-10	aa
2019-11	bb
2019-12	cc
2020-01	dd
2020-02	ee
2020-03	ff
2020-04	gg
2020-05	hh

步骤2：形成临时表2_发放后第几个月末时的不良余额

	发放后第几个月末时的不良余额(元)
发放月份	1月后	2月后	3月后	4月后	5月后	6月后	7月后	8月后
2019-10	a1	a2	a3	a4	a5	a6	a7	a8
2019-11	b1	b2	b3	b4	b5	b6	b7	b8
2019-12	c1	c2	c3	c4	c5	c6	c7	c8
2020-01	d1	d2	d3	d4	d5	d6	d7	d8
2020-02	e1	e2	e3	e4	e5	e6	e7	e8
2020-03	f1	f2	f3	f4	f5	f6	f7	f8
2020-04	g1	g2	g3	g4	g5	g6	g7	g8
2020-05	h1	h2	h3	h4	h5	h6	h7	h8

步骤3：用上面的临时表1关联临时表2，用临时表2的每个值除以临时表的总金额。

		发放后第几个月末时的不良余额占发放金额的比例
发放月份	发放金额	1月后	2月后	3月后	4月后	5月后	6月后	7月后	8月后
2019-10	aa	a1/aa	a2/aa	a3/aa	a4/aa	a5/aa	a6/aa	a7/aa	a8/aa
2019-11	bb	b1/bb	b2/bb	b3/bb	b4/bb	b5/bb	b6/bb	b7/bb	b8/bb
2019-12	cc	c1/cc	c2/cc	c3/cc	c4/cc	c5/cc	c6/cc	c7/cc	c8/cc
2020-01	dd	d1/dd	d2/dd	d3/dd	d4/dd	d5/dd	d6/dd	d7/dd	d8/dd
2020-02	ee	e1/ee	e2/ee	e3/ee	e4/ee	e5/ee	e6/ee	e7/ee	e8/ee
2020-03	ff	f1/ff	f2/ff	f3/ff	f4/ff	f5/ff	f6/ff	f7/ff	f8/ff
2020-04	gg	g1/gg	g2/gg	g3/gg	g4/gg	g5/gg	g6/gg	g7/gg	g8/gg
2020-05	hh	h1/hh	h2/hh	h3/hh	h4/hh	h5/hh	h6/hh	h7/hh	h8/hh

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;