2020-11-19

核查承影看板和沙箱的数据，请教测试NB，get到了不少新东西，是为记录。
1、dws_ord_route_p_detail_fact_ds，从该表取在2020118完单的正确写法如下
注①：为什么不写ds？因为该表虽然有ds，但是kudu表，是按照用户id分区，不是按照ds分区（hive表按照ds分区）。
注②：完单条件为什么不写cancel_time is null?因为该表从底层表取数时，settlement_time已经包含cancel_time is null条件，因此，该条件可以不写。
注③为什么不取ds=‘20201118’，而是限制settle_time（发送账单时间）在18号？因为该表的ds取的是create_route_time（发单时间），所以要取完单/冒泡/呼叫的话，需要分别限制完单/冒泡/呼叫的时间。

SELECT passenger_id
FROM dws_ord_route_p_detail_fact_ds
WHERE settlement_time > '2020-11-18' 
  AND settlement_time < '2020-11-19' 

2、dm_user_basic_char_dt该表，不是按照ds分区，是按照uuid分区，如果register_city有重复，按照register_time注册时间取最新数据，如下

SELECT passenger_uuid
  ,MAX(register_time)
  ,register_city
FROM dm_user_basic_char_dt
GROUP BY passenger_uuid
  ,register_city

3、提效，substr(register_time)=‘2020-11-18’,这种写法效率慢，因为这样会让每个字段都跑一遍substr，更优的写法是

register_time > '2020-11-18' 
AND register_time < '2020-11-19' 

4、上条写法，为什么不写register_time > =‘2020-11-18’，因为register_time > '2020-11-18’等价于register_time > ‘2020-11-18 00：00：00’

5、dws_ord_route_p_detail_fact_ds，该表有14个乘客id重复，且register_time和source皆为空，目测对常规统计结果无影响。因此在常规代码编辑中不需要考虑该情况

select a1.passenger_uuid,a2.register_time,a2.source
from 
  (SELECT passenger_uuid,count(passenger_uuid) as cishu
  FROM  pub_cockpit_db.dm_user_basic_char_dt
  where ds = '20201119'
  group by passenger_uuid
  ) a1
left join pub_cockpit_db.dm_user_basic_char_dt a2
on a1.passenger_uuid=a2.passenger_uuid
where a1.cishu > 1
and a2.ds = '20201119'