1. 课程导论：什么是授信决策引擎、为什么需要批次偏移定位、课程目标与学习路径

1.1 授信决策引擎：金融信贷的“大脑”

在银行、消费金融、互联网金融等信贷业务中，授信决策引擎是一套自动化处理系统。它接收用户的申请信息（身份、收入、征信等），按照预设的规则、模型和策略，实时输出是否批准、授信额度、利率、期限等决策结果。简单来说，它是信贷审批流程的“大脑”。

一个典型的授信决策引擎处理流程包含以下核心环节：

其中，变量计算环节是SQL聚合查询最密集、性能瓶颈最突出的阶段。一个申请单往往需要从历史交易表、行为表、黑名单表中聚合出数十个指标，例如：

-- 示例：计算用户近90天总借款金额（典型聚合查询）
SELECT user_id,
       SUM(loan_amount) AS total_loan_90d
FROM loan_transactions
WHERE trans_date >= DATEADD(day, -90, GETDATE())
  AND user_id = :target_user
GROUP BY user_id;

1.2 为什么需要批次偏移定位？

在授信决策引擎的实际运行中，批量处理是常态。例如：每日凌晨跑批处理当日所有申请、贷后监控批量扫描存量客户、模型迭代时回测历史样本。当批量处理涉及数百万甚至上亿条记录时，SQL聚合查询的性能问题会急剧放大。

常见的痛点包括：

• 全表扫描：聚合查询没有走索引，导致大量IO和CPU消耗。
• 数据倾斜：某些用户（如高频借贷者）的数据量巨大，导致单个分片或节点成为瓶颈。
• 重复计算：同一批次的多个申请单，反复扫描相同的历史数据区间。
• 内存溢出：GROUP BY 或窗口函数产生的中间结果集过大，撑爆内存。

批次偏移定位正是为了解决上述问题而设计的一套SQL优化方法论。其核心思想是：不直接对全量历史数据进行聚合，而是通过“偏移量”精准定位到每个申请单所需的最小数据范围，再执行聚合。这类似于“按需取数”，而非“全量搬运”。

下图展示了传统全量聚合与批次偏移定位的对比：

1.3 课程目标

通过本课程的学习，你将掌握以下核心能力：

• 识别瓶颈：能够快速定位授信决策引擎中SQL聚合查询的性能瓶颈。
• 设计偏移策略：根据业务场景（时间窗口、用户分层、事件序列）设计合理的偏移定位方案。
• 编写高效SQL：熟练运用窗口函数、子查询、分区裁剪、索引优化等技术实现批次偏移。
• 实战调优：在真实数据集上完成从“全表扫描”到“偏移定位”的改造，并量化性能提升。

1.4 学习路径

本课程共30章，分为四个阶段，建议按顺序学习：