tasks/offline-compute/MySQL/mysql_008/task.md

---
id: offline-compute_MySQL_mysql_008
name: 消费组治理项明细提取
category: offline-compute/MySQL
timeout_seconds: 1800
modality: pure-text
engine: mysql
---
## Prompt
任务目标：从消费特征增量表提取近90天有消费量且非 reader 类型的消费组治理项明细。

**输入表**：`internal_platform_db.dws_mq_consumption_feature_d_increase_mysql_008`（消费特征增量表）

（表结构与字段含义请自行连接数据库查询确认）

**处理规则**：

1. 过滤条件：`dt = '20260507'` AND `(total_consume_last_90d <> 0 AND total_consume_last_90d IS NOT NULL)` AND `is_reader = 0`
2. 派生字段：
   - `mq_full_topic`：若 `tenant` 和 `namespaces` 均非 NULL，拼接 `'persistent://' + tenant + '/' + namespaces + '/' + topic`；否则取 `topic`
   - `app_group`：取自 `dw_appgroup`
   - `consumergroup_incharge`：`COALESCE(consumergroup_incharge, bid_incharge)`，即消费组负责人为空时取 bid 负责人
   - `consumergroup_description`：取自 `usage_desc`
   - `hitted_gov_items`：固定 NULL
   - `governance_benefit_estimate`：固定 NULL
3. 无 Join，单表处理

**输出要求**：

- 目标表：`internal_platform_db.ads_mq_consumergroup_governance_item_d_cand_mysql_008`
- 输出字段顺序为：`dt`、`business_id`、`business_name`、`cluster_set`、`mq_full_topic`、`topic`、`consumergroup`、`system_belong`、`bg`、`category_name`、`app_group`、`consumergroup_incharge`、`last_operator`、`consumergroup_description`、`create_time`、`modify_time`、`bid_incharge`、`cluster_id`、`has_metadata`、`total_produce_pkg_d`、`total_consume_pkg_d`、`consume_ratio`、`total_produce_pkg_last_7d`、`total_produce_pkg_last_30d`、`total_produce_pkg_last_90d`、`total_consume_last_7d`、`consume_ratio_last_7d`、`backlog_ratio_last_7d`、`total_consume_last_30d`、`consume_ratio_last_30d`、`backlog_ratio_last_30d`、`total_consume_last_90d`、`consume_ratio_last_90d`、`backlog_ratio_last_90d`、`backlog_days_last_30d`、`hitted_gov_items`、`governance_benefit_estimate`
- 字段类型：
  - `dt` VARCHAR(8)
  - `mq_full_topic` VARCHAR(512)
  - `app_group` VARCHAR(256)
  - `consumergroup_incharge` VARCHAR(256)
  - `consumergroup_description` VARCHAR(256)
  - `has_metadata` TINYINT
  - `total_produce_pkg_d` BIGINT
  - `total_consume_pkg_d` BIGINT
  - `consume_ratio` VARCHAR(256)
  - `total_produce_pkg_last_7d` BIGINT
  - `total_produce_pkg_last_30d` BIGINT
  - `total_produce_pkg_last_90d` BIGINT
  - `total_consume_last_7d` BIGINT
  - `consume_ratio_last_7d` VARCHAR(256)
  - `backlog_ratio_last_7d` VARCHAR(256)
  - `total_consume_last_30d` BIGINT
  - `consume_ratio_last_30d` VARCHAR(256)
  - `backlog_ratio_last_30d` VARCHAR(256)
  - `total_consume_last_90d` BIGINT
  - `consume_ratio_last_90d` VARCHAR(256)
  - `backlog_ratio_last_90d` VARCHAR(256)
  - `backlog_days_last_30d` INT
  - `hitted_gov_items` VARCHAR(256)
  - `governance_benefit_estimate` DOUBLE
  - 其余字符串字段均为 VARCHAR(256)
- 写入方式：使用 `INSERT INTO ... SELECT ...` 写入目标表
- 如果目标表不存在，请先按 MySQL InnoDB 标准建表，再写入数据
- 请使用标准 MySQL 语法，不要使用 Hive/Spark SQL 方言

**环境与执行说明**：
- 你的最终产出必须写入文件 `/tmp_workspace/result.py`，不能写 result.sql
- 本机 MySQL 已在 localhost:3306 运行，用户名 root，密码 root123
- 请使用 Python pymysql 在 result.py 中执行 SQL（不要用 mysql 命令行）
- 脚本需要包含完整的建表（如目标表不存在）+ 写入数据的逻辑
- 写出 result.py 后，你必须自己执行 `python3 /tmp_workspace/result.py` 验证它能成功运行并产出正确数据