| --- |
| id: offline-compute_HiveSQL_hivesql_003 |
| name: 从 `internal_platform_db.notebook_span_info_query_engine |
| category: offline-compute/HiveSQL |
| timeout_seconds: 600 |
| modality: pure-text |
| engine: hivesql |
| --- |
| ## Prompt |
| 1) 任务目标 |
| 识别并统计 Notebook 管道中被异常 kill 且缺失正常完成信号的 Ray 实例，按天拆分计算运行时长、代码执行时长、资源等待时长及 GPU 申请数。 |
|
|
| 2) 输入 |
| - `internal_platform_db.notebook_span_info_query_engine_007` |
| - `internal_platform_db.notebook_engine_info_query_engine_007` |
|
|
| 3) 处理规则 |
| - 目标实例筛选：从 span_info 筛选 `compute_type='ray'` 且 `service_name='notebook-runner'` 的实例，选取有 `span_name='runner.killed'` 但无 `span_name='runner.execute'` 的 `trace_id`。 |
| - 合成运行区间：对每个目标 trace_id，取 `span_name='runner.start'` 的 start_time 作为实例开始时间，取 `span_name='runner.killed'` 的 end_time 作为实例结束时间，合成 `runner.execute` 区间，`status_code` 固定为 2。 |
| - 跨天拆分：将合成区间按自然日拆分为多条记录，每条对应一天内的部分，`calc_date` 为拆分后的日期。 |
| - 时长计算（按 trace_id 与 calc_date）： |
| - instance_run_time：合成区间在当天的起止时间差（毫秒转秒）。 |
| - code_run_time：`span_name` 为 'execute.code', 'execute.code.cell', 'client.execute.code', 'runner.killed' 在当天的起止时间差（毫秒转秒）。 |
| - resource_wait_time：`span_name` 为 'set.permanent.compute', 'create.non.permanent.compute' 在当天的起止时间差（毫秒转秒）。 |
| - 输出 code_start_time/code_end_time/instance_start_time/instance_end_time（时间戳转字符串）。 |
| - 关联引擎信息：左关联 engine_info（过滤 `compute_type='ray'` 且 `service_name='notebook-runner'`），关联键 `trace_id`，获取 serving_id、is_permanent，计算 `apply_for_gpu_count = SUM(replicas * num_gpu)`。 |
|
|
| 4) 输出要求 |
| 输出字段顺序：dt（STRING，分区）、p_date（STRING，calc_date）、trace_id（STRING）、datawd_project_id（STRING）、datawd_task_id（STRING）、datawd_task_instance_id（STRING）、compute_type（STRING）、status_code（INT）、instance_run_time（INT）、code_run_time（INT）、resource_wait_time（INT）、code_start_time（STRING）、code_end_time（STRING）、instance_start_time（STRING）、instance_end_time（STRING）、serving_id（STRING）、is_permanent（BOOLEAN）、apply_for_gpu_count（INT）。 |
| |
| 5) 写入要求 |
| 目标表：`internal_platform_db.dwd_notebook_killed_instance_detail_d_copilot_cand_query_engine_007`。分区字段：dt。写入分区：`dt='20260507'`。写入模式：覆盖。 |
| |
| 请将最终 HiveSQL 写入 result.sql 并执行。 |
| |
