tasks/offline-compute/MySQL/mysql_006/task.md

metadata

id: offline-compute_MySQL_mysql_006
name: 推理服务流量与资源预测-P90分位数与节假日降级
category: offline-compute/MySQL
timeout_seconds: 1800
modality: pure-text
engine: mysql

Prompt

我需要你生成一段 MySQL 代码，以20260507为预测基准日，为所有在线推理服务生成未来14天的流量与资源使用量预测数据。预测采用断点检测（CPD）结果之后的历史数据，区分节假日/工作日类型计算P90分位数，当某类型历史数据不足时降级使用另一类型数据，输出10分钟和小时两种时间粒度的预测结果。

输入表（全名 + 简要描述）：

1. internal_platform_db.dwm_gputj_platform_gpu_base_feature_agg_v2_mysql_006（历史特征事实表）
2. internal_platform_db.dwd_aide_inferencev2_done_service_info_h_mysql_006（服务信息维表）
3. internal_platform_db.dwd_gputj_platform_metric_cpd_offline_v2_mysql_006（断点检测结果表）
4. internal_platform_db.dim_holiday_list_mysql_006（节假日维表）

（各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. 数据过滤：历史特征数据需满足nv_inference_count_model_avg >= 0且agg_type IN (1, 2)；断点数据需满足msg = 'success'；服务名不能为空。
2. 关联逻辑：
   • 生成未来14天所有时间点与服务列表的笛卡尔积。
   • 历史特征数据先与断点表内关联（service_name相等，agg_time >= 断点时间），只保留断点后记录。
   • 关联结果再与未来时间点关联，条件为service_name相等、agg_type相等、时间部分（HH:mm）相等。
   • 未来时间点日期和历史记录日期分别左关联节假日表判断日期类型。
   • 最终输出前左关联断点表获取cpd_agg_time。
3. P90计算与降级口径：按服务、未来时间点、时间粒度分组后：
   • 组内对各项性能指标取max值。
   • 标记每条历史记录是否为节假日（1是0否），统计组内总记录数total、节假日记录数feature_holiday_total，计算工作日记录数feature_weekday_total = total - feature_holiday_total。
   • 按规则生成排名r：排序规则为(是否为节假日 asc, nv_inference_count_model_avg asc)。
   • 降级逻辑：预测日为节假日且feature_holiday_total >=1时，取r = CEIL(feature_holiday_total*0.9) + feature_weekday_total；预测日为节假日但feature_holiday_total <1时，降级取r = CEIL(feature_weekday_total*0.9)；预测日为工作日且feature_weekday_total >=1时，取r = CEIL(feature_weekday_total*0.9)；预测日为工作日但feature_weekday_total <1时，降级取r = CEIL(feature_holiday_total*0.9) + feature_weekday_total。
   • 历史时间点数量statistic_time_count按降级逻辑取对应的feature_holiday_total或feature_weekday_total。
4. 派生字段：is_holiday根据未来时间点日期是否在节假日表判断（1是0否）；day_of_week通过MOD(DATEDIFF(预测日期, '2019-12-30'), 7) + 1计算；prediction_type固定为'request_model_count'。

输出要求：

• 目标表：internal_platform_db.dwm_gputj_platform_model_prediction_long_cpd_mysql_006
• 输出字段顺序：分区时间(YYYYMMDD)、实例UUID、服务名称、工作负载名称、命名空间、预测时间点、时间粒度(1:10分钟，2:小时)、是否节假日、周几、预测模型类型、预估流量(P90)、参与计算的历史时间点个数、请求持续时长均值、队列持续时长均值、排队请求数均值、请求成功率均值、请求失败率均值、单请求持续时长均值、单请求队列时长均值、单请求持续时长P95、单请求队列时长P95、请求成功率最大值、请求失败率最大值、GPU利用率均值、CPU使用率均值、内存使用率均值、GPU显存利用率均值、vGPU利用率均值、断点时间、历史特征总数、历史节假日特征数
• 分区字段dt，本次任务分区值为'20260507'
• 如果目标表不存在，请在internal_platform_db库下按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