还在头疼每月房贷还款?这个房贷计算机让你一目了然

摘要:通过楼市小程序上贷款计算器等工具人们可以很容易的了解每期还款本金、不同还款方式的利息差异、提前还款节省利息等问题。

本文分享自华为云社区《房贷计算器-从原理、计算到提前还款和可视化》,作者: 蜉蝣与海 。

前言

最近各地楼市震荡不断,2022年12月份以来不少银行纷纷降息,随后更是引发了一波提前还款的大潮。不少地区楼市相关的微信小程序也自带了贷款计算器、提前还款计算器等工具,通过这些工具人们可以很容易的了解每期还款本金、等额本金/本息的利息差异、提前还款节省利息的问题。

了解这些计算工具的相关原理,可以做到心中有数,临危不慌。

注:

  1. 本文对应代码和脚本发布至华为云生态社区AI Gallery:贷款计算器-从原理、公式到提前还款和可视化欢迎开发者前往体验,文中涉及所有代码可以直接通过页面进入ModelArts Code Lab运行。使用该脚本稍加修改后即可尝试开发一个适合自身地区政策的贷款计算&提前还款小程序。
  2. 本文只是研究贷款生成、提前还贷方面的相关计算原理,不构成任何投资理财方面的建议。

如何计算利息

背景:等额本金和等额本息的共同点

了解过贷款的小伙伴都知道,贷款有等额本金和等额本息这两种方式,前者每月还款的本金相同,利息逐月递减;后者每月还款额相同,刚开始还款时利息还的多,后面本金还的逐渐增多。参考网上讨论利息计算的诸多文章,两个模型理论上,都有下列共同特点:

利息按月利率计算,一月一期

按期还款情况下当月应还利息只由未还完的本金决定

每月还款额除了未还本金产生的全部利息外,剩下的金额应该全部用于偿还本金

像最近部分银行提出的先息后本(先还利息若干年,最后一次性偿还本金)则不符合这个条件。

还款额的计算

前阵子,院长有位朋友在惠州买了套120平米的房,总价125万左右,大约贷了87.5万。 办房贷的时候,他听从销售的建议,选了等额本息的还款方式。每个月固定还5726.39元。这个还款额度在他的承受范围之内,因此就选了。 那假如选择等额本金呢?第一个月要还的金额为7218.75元,此后每个月少还14.89元,直至20年后还完。

知乎文章为什么买房贷款,最好选择等额本金?中提到了一个例子:

通过描述可知,贷款87.5万,贷20年,等额本息每月还款5726.39元,等额本金首月还款7218.75元。假设文中的贷款未使用公积金,计算时利率为固定利率,根据网上的贷款计算器可知此时的贷款年利率为4.9%。

以这个例子为例,简单说明等额本金和等额本息的计算方法:

首先贷20年,按月分期,贷款为 20 × 12 = 240期。 年利率4.9%,月利率为 0.049 ÷ 12 = 0.004983 即0.4083%。

等额本金 情况下:

  • 每月应还本金=总本金 ÷ 期数
  • 每月应还利息=剩余本金×月利率
  • 每月还款额=每月应还本金 + 每月应还利息

在这个例子中:

  • 每月应还本金为875000÷240=3645.83元
  • 首月应还利息为875000×0.4083%=3572.92元
  • 首月应还:3645.83 + 3572.92 = 7218.75元。
  • 第2月剩余本金为875000 - 3645.83 = 871354.17元。
  • 第2月应还利息为871354.17×0.4083%=3558.03元。
  • 第2月应还:3645.83 + 3558.03 = 7203.86元。

将这段逻辑抽象为代码有:

import matplotlib.pyplot as plt
import numpy as np
def averageCapital(months, principal, rate):
 month_rate = rate / 12
 monthly_capital = principal / months
    interests = [0] * months
    capitals = [0] * months
 left_principal = [0] * months
 left_principal[0] = principal
 total_payment = [0] * months
 for i in range(0, months):
        interests[i] = left_principal[i] * month_rate
        capitals[i] = monthly_capital
 total_payment[i] = monthly_capital + interests[i]
 if i + 1 < months:
 left_principal[i + 1] = left_principal[i] - monthly_capital
 return capitals, interests, total_payment

为了便于查看再封装一个打印成表格的函数:

import pandas as pd
def drawTable(months, fn, *args, **kwargs):
    capitals, interests, total_payment = fn(months, *args, **kwargs)
 paid_capital = [0] * months
 paid_interests = [0] * months
 paid_capital[0] = capitals[0]
 paid_interests[0] = interests[0]
 for x in range(1, months):
 paid_capital[x] = paid_capital[x - 1] + capitals[x]
 paid_interests[x] = paid_interests[x - 1] + interests[x]
    origin = pd.DataFrame([total_payment, capitals, interests, paid_capital, paid_interests])
 return pd.DataFrame(origin.values.T, columns=['还款额','还款本金','还款利息','已还本金','已还利息'], index=np.arange(1, months + 1))

我们运行一下知乎上的例子,看看头几年还款的本金、利息等:

pd.options.display.float_format = '{:.2f}'.format
drawTable(12 * 20, averageCapital, 875000, 0.049)[0:10]

可以看到和文中描述一致,使用微信房小团小程序,也可以打印出一致的结果。

等额本息 的计算方法有些复杂,参考用Python深度解读房贷利率文中的解法,设A为本金,第i个月月末所欠银行本金为Ai,每月所还贷款总额为X,月利率为β, 则有:

由于最后一期时剩余本金为0,可反解得:

这里m为总期数(在刚刚的例子中,m=240)。而后就可以使用与等额本金计算中类似的逻辑,从第一期所还利息开始,反推每期的利息与本金。具体代码如下:

def averageCapitalPlusInterest(months, principal, rate):
 month_rate = rate / 12
 monthly_payment = principal * month_rate * (1 + month_rate) ** months / ((1 + month_rate) ** months - 1)
    interests = [0] * months
    capitals = [0] * months
 left_principal = [0] * months
 left_principal[0] = principal
 total_payment = [0] * months
 for i in range(0, months):
 total_payment[i] = monthly_payment
        interests[i] = left_principal[i] * month_rate
        capitals[i] = total_payment[i] - interests[i]
 if i + 1 < months:
 left_principal[i + 1] = left_principal[i] - capitals[i]
 return capitals, interests, total_payment

我们运行一下知乎上的例子,看看等额本息模式下第8年附近,到底还了多少利息和本金:

drawTable(12 * 20, averageCapitalPlusInterest, 875000, 0.049)[90:100]

可以看到第96期(第8年年终)时,本金还了25万,但利息已经还了近30万了,和之前文中例子的数据是可以对得上的。

还款可视化

刚刚我们已经将还款的各项数据以表格的形式打印。此外我们还可以借助python的能力,打印还款的柱状图。

import numpy as np
def printStatistics(capitals, interests, total_payment, months):
 print("总本金:" + str(np.sum(capitals)))
 print("总利息:" + str(np.sum(interests)))
 print("总利息/总本金" + str(np.sum(interests)/np.sum(capitals)))
 print("首月还款 %.2f 末月还款: %.2f" % (total_payment[0], total_payment[months - 1]))
def drawDiagram(months, fn, *args, **kwargs):
    capitals, interests, total_payment = fn(months, *args, **kwargs)
 printStatistics(capitals, interests, total_payment, months)
 month_array = np.arange(1, months + 1, 1)
    height = interests
 plt.bar(month_array, capitals, width=0.2, align='center', color='red')
 plt.bar(month_array, interests, width=0.2, align='center', color='blue', bottom=capitals)
 plt.show()

再跑一下知乎的例子,绘制等额本金和等额本息的还款柱状图:

drawDiagram(12 * 20, averageCapital, 875000, 0.049)

如图,蓝色是所还利息,红色是所还本金。可以看出本金每月不变,利息逐月递减的特征。

等额本息情况下:

drawDiagram(12 * 20, averageCapitalPlusInterest, 875000, 0.049)

也能看出所绘图形和等额本息的含义基本一致。

另外部分城市可以公积金贷款,以杭州为例,目前杭州公积金充足情况下可贷50w-60w,这里考虑一下公积金的情况:

def averageCapitalWithPublicFund(months, principal1, rate1, principal2, rate2):
    a, b, c = averageCapital(months, principal1, rate1)
    a1, b1, c1 = averageCapital(months, principal2, rate2)
 return np.sum([a,a1],axis=0).tolist(), np.sum([b,b1],axis=0).tolist(), np.sum([c,c1],axis=0).tolist()
drawTable(12 * 20, averageCapitalWithPublicFund, 700000, 0.041, 300000, 0.031)[0:10]

这里算了下商贷70w(利率4.1%),公积金贷30w(利率3.1%)下组合贷款的情况,和微信小程序房小团的计算是一致的。

提前还款相关原理

再来讨论下提前还款。如果知乎文中买房的那位,在贷款1年后提前还款10w会怎样呢?了解一点背景知识的朋友,都知晓提前还款分两种情况:

  • 年限不变,月供减少
  • 年限缩短,月供不变

现在分情况讨论,并给出计算函数。

注:notebook中所有计算结果均在微信房小团小程序上得到互相验证。

年限不变,月供减少

这种情况下,相当于在提前还款月之后重新做了一次贷款。我们首先对刚刚的计算函数进行一定的简化,抽象一下公共的部分。

def normalPaid(months, principal, rate, capitalAveraged):
 month_rate = rate / 12
 monthly_capital = principal / months
 monthly_payment = principal * month_rate * (1 + month_rate) ** months / ((1 + month_rate) ** months - 1)
    interests = [0] * months
    capitals = [0] * months
 left_principal = [0] * months
 left_principal[0] = principal
 total_payment = [0] * months
 for i in range(0, months):
        interests[i] = left_principal[i] * month_rate
 if capitalAveraged:
            capitals[i] = monthly_capital
 total_payment[i] = monthly_capital + interests[i]
 else:
 total_payment[i] = monthly_payment
            capitals[i] = total_payment[i] - interests[i]
 if i + 1 < months:
 left_principal[i + 1] = left_principal[i] - capitals[i]
 return capitals, interests, total_payment

drawTable(12 * 20, normalPaid, 875000, 0.049, False)[10:14]

drawTable(12 * 20, normalPaid, 875000, 0.049, True)[10:14]

可以看到抽象出公共结构后,前后的计算结果并没有发生变化。

考虑年限不变提前还款的情况,这里将每次提前还款的时间和金额组成python的元组,若干个(账期,还款金额)元组组成一个list输入函数。函数首先计算正常情况下的还款信息,而后根据提前还款信息,修改提前还款日的剩余本金,并从各个提前还款日重新计算剩余还款。

def extraPaidWithFixedPeriod(months, principal, rate, capitalAveraged, extraPaidList :list):
    capitals, interests, total_payment = normalPaid(months, principal, rate, capitalAveraged)
 extraPaidList.sort(key=lambda x:x[0])
 originCapital, originInterests, originTotal = capitals.copy(), interests.copy(), total_payment.copy()
 left_principal = [0] * months
 left_principal[0] = principal
 for x in range(0,months):
 if x < months - 1:
 left_principal[x + 1] = left_principal[x] - capitals[x]
    def normalPaidOffset(left_months, principal, rate, capitalAveraged, offset):
 month_rate = rate / 12
 monthly_capital = left_principal[offset] / left_months
 monthly_payment = left_principal[offset] * month_rate * (1 + month_rate) ** left_months / ((1 + month_rate) ** left_months - 1)
 for i in range(0, left_months):
 interests[offset + i] = left_principal[offset + i] * month_rate
 if capitalAveraged:
 capitals[offset + i] = monthly_capital
 total_payment[offset + i] = monthly_capital + interests[offset + i]
 else:
 total_payment[offset + i] = monthly_payment
 capitals[offset + i] = total_payment[offset + i] - interests[offset + i]
 if i == 0:
 print("次月还款 %.2f" % total_payment[offset + i])
 if offset + i + 1 < months:
 left_principal[offset + i + 1] = left_principal[offset + i] - capitals[offset + i]
 return
 for x,y in extraPaidList:
        capitals[x] = capitals[x] + y
 left_principal[x + 1] = left_principal[x] - capitals[x]
 total_payment[x] = capitals[x] + interests[x]
 print("当月需还 %.f 剩余本金 %.f" %(total_payment[x], left_principal[x + 1]))
 normalPaidOffset(months - x - 1, left_principal[x + 1], rate, capitalAveraged, x + 1)
 printStatistics(originCapital, originInterests, originTotal, months)
 print("")
 printStatistics(capitals, interests, total_payment, months)
 print("节省利息 %.2f" % (np.sum(originInterests) - np.sum(interests)))
 return capitals, interests, total_payment, originTotal, originInterests

再定义几个函数对提前还款节省的利息进行可视化。

def drawDiagramExtraPaid(months, capitals, interests, originalTotal, originalInterests, showOriginTotal=True):
 month_array = np.arange(1, months + 1, 1)
 capital_with_origin_interest = [0] * months
    height = interests
 for x in range(1, months):
 capital_with_origin_interest[x] = capitals[x] + originalInterests[x]
    l1 = plt.bar(month_array, originalTotal if showOriginTotal else capital_with_origin_interest, width=0.2, align='center', color='yellow')
    l2 = plt.bar(month_array, capitals, width=0.2, align='center', color='red')
    l3 = plt.bar(month_array, interests, width=0.2, align='center', color='blue', bottom=capitals)
    # plt.legend(handles = [l1, l2,l3], labels = ['每月少还' if showOriginTotal else '节省利息', '本金','利息'], loc = 'best',fontsize=20)
 plt.ylim(0, (capitals[0]+interests[0])*1.1)
 plt.show()
def drawTableExtraPaid(months, capitals, interests, total_payment, originalTotal, originalInterests):
 paid_capital = [0] * months
 paid_interests = [0] * months
 saved_money = [0] * months
 paid_capital[0] = capitals[0]
 paid_interests[0] = interests[0]
 for x in range(1, months):
 paid_capital[x] = paid_capital[x - 1] + capitals[x]
 paid_interests[x] = paid_interests[x - 1] + interests[x]
 saved_money[x] = saved_money[x - 1] + (originalInterests[x] - interests[x] )
    origin = pd.DataFrame([total_payment, capitals, interests, paid_capital, paid_interests,saved_money])
 return pd.DataFrame(origin.values.T, columns=['还款额','还款本金','还款利息','已还本金','已还利息','累计节省'], index=np.arange(1, months + 1))

通过参数showOriginTotal的取值,可以分别绘制每月少还的钱与当月节省利息的情况。下面分别绘制了等额本金和等额本息情况下,87.5万贷20年,在第一年还10万后还款和利息的变化情况。

a, b, c, d, e = extraPaidWithFixedPeriod(12 * 20, 875000, 0.049, True, [(13,100000)])
drawDiagramExtraPaid(12 * 20, a, b, d, e)
drawDiagramExtraPaid(12 * 20, a, b, d, e, False)
drawTableExtraPaid(12 * 20, a, b, c, d, e)[10:20]

 

a, b, c, d, e = extraPaidWithFixedPeriod(12 * 20, 875000, 0.049, False, [(13,100000)])
drawDiagramExtraPaid(12 * 20, a, b, d, e)
drawDiagramExtraPaid(12 * 20, a, b, d, e, False)
drawTableExtraPaid(12 * 20, a, b, c, d, e)[10:20]

可以很方便地看出节省利息在每个月还款额中的比重。

月供不变,年限缩短

这种情况下提前还款导致后续每个月产生的利息少了,但是月供没变,相当于后续每个月额外多还了本金。但是在各类提前还款计算器的计算中,月供并不是和之前相同的,经过反复的计算后和网上的贷款计算器结果最终一致,发现各类提前还款计算器隐含了下列约束:

  • 提前还款相当于用剩余本金新做一个贷款。
  • “月供”不是真的不变。而是通过缩短年限方式,使得新贷款首月月供尽可能和当前月供相当。
  • 如果是等额本金模式,新贷款首月月供中,偿还本金并未增多,需要略低于上月偿还本金,等额本息模式则无此约束。

想想这个逻辑也有道理,如果真的“月供不变”,那么等额本金模式下提前还款后,后续每个月偿还的本金都会比新做贷款的偿还的本金多,相当于后续每个月都在提前还款,后续每个月月供本金就不能称为“等额”了。
我们下面先写个求解首月月供的函数,以及通过缩短年限逼近上月月供总额和月供本金的函数。而后计算“月供不变,年限缩短”模式下节省的具体利息。

def getFirstPaid(months, principal, rate, capitalAveraged):
 month_rate = rate / 12
 monthly_capital = principal / months
 monthly_payment = principal * month_rate * (1 + month_rate) ** months / ((1 + month_rate) ** months - 1)
    interests1 = principal * month_rate
 if capitalAveraged:
 return monthly_capital + interests1, monthly_capital
 else:
 return monthly_payment, monthly_payment - interests1
def getLeftMonths(leftMonthsMax, capitalPaidMax, paidMax, leftPrincipal, rate, capitalAveraged):
 lastPaid, lastCapitalPaid, lastMonths = 0, 0, 0
 for i in range(leftMonthsMax, 1, -1):
        paid, capitalPaid = getFirstPaid(i, leftPrincipal, rate, capitalAveraged)
 if paid > paidMax or (capitalAveraged and capitalPaid > capitalPaidMax):
 return lastMonths, lastPaid, lastCapitalPaid
 else:
 lastPaid, lastCapitalPaid, lastMonths = paid, capitalPaid, i
def extraPaidWithFixedPaid(months, principal, rate,
 capitalAveraged, extraPaidList: list):
    capitals, interests, total_payment = normalPaid(
        months, principal, rate, capitalAveraged)
 extraPaidList.sort(key=lambda x: x[0])
 originCapital, originInterests, originTotal = capitals.copy(), interests.copy(), total_payment.copy()
 left_principal = [0] * months
 left_principal[0] = principal
 for x in range(0, months):
 if x < months - 1:
 left_principal[x + 1] = left_principal[x] - capitals[x]
    def normalPaidOffset(left_months, principal, rate,
 capitalAveraged, offset, left_months2):
 month_rate = rate / 12
 monthly_capital = left_principal[offset] / left_months
 monthly_payment = left_principal[offset] * month_rate * (1 + month_rate) ** left_months / ((1 + month_rate) ** left_months - 1)
 for i in range(0, left_months):
 interests[offset + i] = left_principal[offset + i] * month_rate
 if capitalAveraged:
 capitals[offset + i] = monthly_capital
 total_payment[offset + i] = monthly_capital + interests[offset + i]
 else:
 total_payment[offset + i] = monthly_payment
 capitals[offset + i] = total_payment[offset + i] - interests[offset + i]
 if i == 0:
 print("次月还款 %.2f" % total_payment[offset + i])
 if offset + i + 1 < months:
 left_principal[offset + i + 1] = left_principal[offset + i] - capitals[offset + i]
 for i in range(left_months, left_months2):
 interests[offset + i] = 0
 capitals[offset + i] = 0
 total_payment[offset + i] = 0
 return
 realMonth = months
 for x, y in extraPaidList:
 capitalParam = capitals[x]
        capitals[x] = capitals[x] + y
 left_principal[x + 1] = left_principal[x] - capitals[x]
 total_payment[x] = capitals[x] + interests[x]
 maxMonth, maxPaid, maxPaidCapital = getLeftMonths(months - x - 1, capitalParam, total_payment[x - 1], left_principal[x + 1], rate, capitalAveraged)
 normalPaidOffset(maxMonth, left_principal[x + 1], rate, capitalAveraged, x + 1, months - x - 1)
 realMonth = x + 1 + maxMonth
 print("当月需还 %.2f 剩余本金 %.2f 下月需还:%.2f  原本剩余账期:%d,当前剩余账期:%d, 账期缩短:%d" %(total_payment[x], left_principal[x + 1],total_payment[x + 1], months - x - 1,maxMonth, months - x - 1 - maxMonth))
 printStatistics(originCapital, originInterests, originTotal, months)
 print("")
 printStatistics(capitals, interests, total_payment, realMonth)
 print("节省利息 %.2f" % (np.sum(originInterests) - np.sum(interests)))
 return capitals, interests, total_payment, originTotal, originInterests
a, b, c, d, e = extraPaidWithFixedPaid(12 * 20, 875000, 0.049, True, [(13, 100000)])
drawDiagramExtraPaid(12 * 20, a, b, d, e)
drawTableExtraPaid(12 * 20, a, b, c, d, e)[10:20]

a, b, c, d, e = extraPaidWithFixedPaid(12 * 20, 875000, 0.049, False, [(13, 100000)])
drawDiagramExtraPaid(12 * 20, a, b, d, e)
drawTableExtraPaid(12 * 20, a, b, c, d, e)[10:20]

可以看出,虽然缩短年限的本质也是重新做一次贷款,但确实可以节省很多利息。

小结

本文初稿写于华为云AI-Gallery贷款计算器-从原理、公式到提前还款和可视化,通过页面进入CodeLab可以直接在界面上调整参数进行房贷利息、提前还款等相关计算,计算过程原理直观,配合可视化方便理解,欢迎开发者前往体验。

整篇文章带大家了解了不同房贷贷款方式的差异,以及对房贷利息计算、提前还款的原理做了较为细致的剖析和数据可视化。后续在面对贷款利息计算的问题时,可以直面原理、心中有数、临危不慌。

参考资料

[1]用Python深度解读房贷利率

[2]为什么买房贷款,最好选择等额本金?

[3]杭州房小团微信小程序-贷款计算

[4]杭州房小团微信小程序-提前还款

点击关注,第一时间了解华为云新鲜技术~

相关推荐

鸿蒙案例上新啦 | 购物、听歌、健身:15个模板带你一键激活社交娱乐

页面层级如何组织、跨页共享状态如何同步、列表与详情及个人中心如何形成稳定闭环。鸿蒙开发实践中心将这些高频消费与互动场景沉淀为可参考的标准模板,提供从业务架构到界面实现的快捷实践入口。更多实战案例欢迎前往鸿蒙开发实践中心案例中心查看并开启云端体验。

华为云官方博客 384

鸿蒙案例上新啦 | 出门打车、到家上课:25个模板带你一屏打通日常生活

如何合理拆分页面组件、如何建立单一可信的状态源、如何让用户在每一步操作中都获得明确反馈。鸿蒙开发实践中心以标准化的应用与元服务模板为入口,将清晰的业务架构与可复用的代码结构直观呈现。不妨立即挑选一个感兴趣的方向进入云端环境,从页面布局、组件封装、状态管理到路由组织,亲手跑通你的鸿蒙实战项目。

华为云官方博客 358

LakeAgent:DWS数据仓库的第二大脑,告别 “翻译式运维”,迈入智能自治时代

和普通 SQL 改写工具不同,LakeAgent 自动做多方案代价对比,主动规避负优化陷阱:补充分区键过滤实现剪枝,扫描分区由 37 收敛至 1,执行代价从 758.28 降至 113.74;未来的数据仓库,将不止能算、能存,更能看懂自己、诊断自己、理解自己。长久以来,数仓的智能都依附于人:信号需要人解读,瓶颈需要人研判,经验困在个体里,无法随底座永续生长。CPU 高、CPU 告警、CPU 诊断、CPU 使用率过高、CPU 满。语法、错误码、计费、性能调优、最佳实践、故障处置等全场景内容。

华为云官方博客 580

如何使用RDS Supabase后端BaaS能力:文件存储(File Storage)

• product-images(公开桶,允许公共读取):策略名称"Public read for product-images",允许SELECT,目标角色anon,策略定义bucket_id = 'product-images'。上传/删除需另配INSERT/DELETE策略,详见SQL。• product-specs(私有桶,仅认证用户访问自己的文件夹):建议拆为上传、读取、删除三条策略,策略定义均为 bucket_id = 'product-specs' 且仅限本人文件夹(详见下文 SQL)。

华为云官方博客 499

如何使用RDS Supabase后端BaaS能力:实时订阅与推送(Realtime)

Realtime 把数据库的每次变更同步到客户端:表里增、删、改一行,订阅者无需刷新页面或主动请求即可秒级收到。三大能力各司其职:• Postgres Changes — 监听表的 INSERT/UPDATE/DELETE,变化即通知• Broadcast — 客户端之间直接互发,适合瞬时通知、协同编辑• Presence — 跟踪频道里“谁在线”典型场景有实时数据展示(订单、库存、监控指标即时刷新)、即时通讯(消息收发、在线名单、“对方正在输入”)、协同编辑与实时通知。

华为云官方博客 489

AI Agent如何通过MCP连接到华为云RDS Supabase应用平台

Schema元数据列出所有可访问的表(按schema分组)。Schema元数据列出表的列及元数据(类型/默认值/约束)。Schema元数据列出所有约束(PK/FK/UNIQUE/CHECK/EXCLUDE)。可按schema/表/类型过滤。Schema元数据列出所有外键关系。可按schema/表过滤。Schema元数据列出所有索引及定义和大小。可按schema/表过滤。Schema元数据列出已应用的数据库迁移记录。Schema元数据列出已安装的PostgreSQL扩展。

华为云官方博客 493

华为大数据Flink让每一 CU 算力,跑出开源 5.74 倍的性能

1. 开源Apache Flink 已成为业界流计算事实标准,但在极端重负载场景下存在性能瓶颈。2. 华为大数据Flink通过多项自研深度优化,在执行计划、算子执行、状态存储三个层面构建协同的优化体系。3. Nexmark Benchmark 测试结果:整体性能提升 5.74 倍,极端重负载场景性能领先最高 18.3 倍。4. 100% 兼容 Apache Flink 1.20,业务代码零改造,无缝迁移。

华为云官方博客 396

LakeAgent实战 | 业务分析篇从一句提问到业务分析

本文以“订单金额变化”分析为例,展示LakeAgent如何通过自然语言提问,结合DataArtsStudio的数据资产与专业技能,帮助业务人员快速定位数据、生成SQL、追踪血缘、生成报告。从问题出发,逐步实现数据发现、变化洞察、原因追溯与团队协作,最终形成可复用的分析流程与企业规则,显著提升数据分析效率与一致性。

华为云官方博客 405

华为云RDS Supabase AI应用已开放公测 :30分钟搭建AI应用后端

认证、存储、实时推送、数据库API——4个后端模块,传统开发需要数周。今天,你只需要30分钟。AI创业公司的全栈开发工程师。上周老板说"下周要上线的AI对话应用,后端你来搞"——认证鉴权、数据库接口、文件存储、实时推送,每一个模块都需要数周搭建,而市场不会等你。小张打开华为云RDS Supabase,30分钟搭好认证、数据库API、对象存储,剩下的时间全用来打磨AI交互体验。基于开源Supabase+华为云RDS PostgreSQL全托管能力,为开发者提供。

华为云官方博客 411

如何使用RDS Supabase后端BaaS能力:数据库函数(Database Function)

上一篇介绍了 Database Data API——建表即自动生成增删改查接口,解决单表读写,但聚合统计、跨表事务、字段自动维护等逻辑已超出其能力边界。本篇推进到数据库函数(Database Function):把业务逻辑封装进数据库,前端通过 .rpc() 调用,由触发器自动响应数据变更。上一篇中,小张基于 Data API 完成了产品目录的建表与基础读写。但新需求随之而来:按分类统计产品数与价格区间、上架新品同时写产品表与定价表、产品修改后自动刷新更新时间。

华为云官方博客 478

如何使用RDS Supabase后端BaaS能力:创表即生成API(Database Data API)

认证、存储、实时推送、数据库API——4个后端模块,传统开发要数周。本系列逐个拆解,首篇聚焦数据库API(Database Data API):建表即得 API,无需手写后端。小张,AI创业公司的全栈工程师。老板让他做个产品目录页,展示产品与价格、支持上下架。传统做法要搭后端、写接口、配权限,工期少说1-2周;而在华为云RDS Supabase,建两张表、应用 SDK 直连,几分钟增删改查全跑通。

华为云官方博客 490

从一句话到一个能出去的链接,AI开发者空间做了什么

自行搭建的 Agent、正在使用的开源项目、团队既有的工具,都可以接入,可以通过AI创建或者手动搭建环境;华为云 AI开发者空间——面向开发者的云端一站式开发平台,做的就是把这段路接上:环境免安装,浏览器打开即为完整的 Linux 运行环境,预置的 AI 智能体开箱即用。第一个任务建议选能出结果的:做一个游戏、生成一个页面、创建一台实例,从需求走到可访问的链接,一次就能看清这个环境在做什么。沙箱是一个完整的 Linux 环境,依赖、服务、端口都是真实的,不是模拟。环境释放后,权限随之失效。

华为云官方博客 435

华为云码道配置自定义大模型,四种方式完整实操

案例介绍。

华为云官方博客 652

图数据库:实现穿透式监管的数据基座

穿透式监管标志着国企监管从“管企业”向“管资本”转型过程中的关键一跃。而图数据库正是这一跃的技术支点。从股权穿透到资金链穿透,从供应链穿透到数据穿透,华为GES图数据库正在将“穿透式监管”从理念变为可落地、可操作的实践。无论是天眼查式的全量链路查询,还是某集团财经的税务规则判断,抑或是芯片供应链式的部件风险分析,乃至通过Palantir构建决策知识图谱,其底层逻辑都是一致的——用图的力量,穿透一切形式的“隔离层”,直抵风险本质与责任核心。

华为云官方博客 671

《公共云三十问》正式收官,奔赴企业AI百场景新征程

今年6月底,公共云产业联盟重点推出《公共云三十问》专栏,以每周三问的节奏,连载十周,解读《先进公共云》白皮书,分享国计民生系列案例,旨在凝聚共识、推动落地实践。同时,专栏分析公共云在产业升级、民生福祉、科技创新、全球发展等方面的作用,梳理中国特色公共云发展路径:以普惠云拓展用云广度,以智算云提升用云深度,以自主云夯实用云厚度,以全球云打开用云跨度。这十问从专属云、行业云切入,深入政务、金融、交通、电力、钢铁、化工、油气、制造等国计民生场景,回答公共云“怎么用”。

华为云官方博客 476

开发者小技巧|IAM配置,让码道代码智能体连续30天免登录

案例介绍。

华为云官方博客 652

码道深度对接CodeArts,让需求自动落地为代码

案例介绍。

华为云官方博客 725

【公共云三十问 之三十】拥抱AI,企业如何建设面向智能体的专属云?

企业可分阶段建设覆盖开发、运行、运营及安全的一体化智能体平台——从构建一站式、高低码协同的智能体开发平台,到打造高性能、极致弹性的运行时环境,再到搭建AgentOps驱动的持续运营与运维体系,同时构建端到端、多层次的全链路安全防护体系。在数据湖建设方面,遵循“存量复用、平滑演进、AI导向、分步迭代”原则,分三阶段推进——打造AI多模数据湖核心能力、完成存算分离与统一元数据管理、实现闭环赋能全面支撑智能体规模化落地,在保护既有投资的前提下将传统数据平台转型为AI数据专属供给平台。

华为云官方博客 826

【公共云三十问 之二十九】国计民生之制造:制造云如何重塑数智时代的新质生产力?

平台打通软件交付的完整路径,覆盖需求管理、代码托管、代码检查、编译构建、制品仓库、部署、测试等关键环节,支持大模型能力融入研发全流程,实现从需求到交付的端到端管理。通过构建“研发一朵云”,方案打破地域与组织壁垒,实现跨团队协同开发,有效缩短软件交付周期,助力工业制造企业从“传统研发”走向“敏捷研发”,加速数智化转型进程。当制造云真正成为数据流通的平台、AI创新的底座,公共云的社会价值将从基础设施层向生产场景层持续延伸,为新型工业化建设和制造强国战略注入源源不断的动力,重塑数智时代的中国制造新质生产力。

华为云官方博客 798

告别重复手工迁仓,码道MCP+Skill实现仓库批量迁移

案例介绍。

华为云官方博客 794

【公共云三十问 之二十八】国计民生之油气:智算云如何叩响数智时代的“地心蓝金”?

西南油气田以“向地球深部要资源”为战略方向,联合以华为云Stack为代表的公共云服务商共同打造统一算力底座,建设西南区域数据湖与通用技术平台,构建“勘探开发工程技术、天然气生产过程管控、天然气产运储销”等三个一体化协同应用场景,支撑油气勘探、开发生产、管输储运等全业务链的数智化转型。当智算云真正成为数据流通的平台、AI创新的底座,油气田得以将算力效能、数据价值与智能技术深度融入勘探开发全链条,将“看不见的算力”转化为“摸得着的储量”,以智能化手段持续降低勘探风险、缩短发现周期、提高采收效率,确保生产安全。

华为云官方博客 613

【公共云三十问 之二十七】国计民生之化工:数智云如何重塑传统化工新范式?

在架构方面,方案构建云边协同的统一体系,涵盖AI协同、数据协同与运营协同三大维度——总部集中训练大模型,边缘节点负责推理执行,云边持续迭代,实现“边用边学”的智能闭环,模型平均精度提升20%以上。此外,方案提供一站式企业级工业物联网平台、数据湖与数据治理平台,覆盖工业数据分析“采、存、算、管、用”全流程,打通生产现场与管理系统间的数据壁垒,有效消除数据孤岛。层面,方案充分发挥软硬协同优势,实现计算、存储、网络与云平台的深度协同,训练线性度超95%,为大模型训练推理提供强劲算力支撑。▲化工“数智”新模式。

华为云官方博客 666

【公共云三十问 之二十六】国计民生之钢铁:数智云如何淬炼中国钢铁新力量?

同时,构建云边端协同的统一架构,支撑集团总部与各生产基地两级协同发展——总部集中训练大模型,边缘节点负责推理执行,云边持续迭代,实现训推一体化的资源调度与高效协同,为钢铁行业的数智化转型构建了坚实的算力底座。层面,方案构建覆盖“工业数采→边缘IT/OT融合→统一数据湖→数据治理平台→数据应用”全链路的一站式数据治理与流通平台,打通生产现场与管理系统间的数据壁垒,让数据“采得到、流得动、用得好”,加速数据价值从生产现场向经营决策层流动释放。湘潭钢铁集团的钢铁数智云,是钢铁工业智能云建设的标杆案例。

华为云官方博客 526

LakeWatch——MRS 智能运维Agent

从资源池、队列、作业等多个维度,对集群CPU与内存资源进行精细化分析与对比,直观呈现不同时间段的空闲、满载等使用状态,识别资源浪费,指导治理优化,为扩缩容决策提供数据支撑。对HDFS存储进行多维度深度分析(目录、用户、用户组等),涵盖使用量、增量、文件大小分布及数据热度等指标,帮助快速识别增长较快的目录、长期未访问的文件,统计目录文件数量与小文件占比,评估HDFS总存储量与扩缩容需求,为存储治理与资源规划提供全面数据支撑。Agent主动巡检,识别异常趋势并提前预警,让运维从"事后处理"转向"事前预防"。

华为云官方博客 517

华为云专题文档发布:丰富的AI案例、选型指导和概念解读

发布 “云服务选型”、“云计算概念”专题,提供云服务选型指导,助您选择匹配业务的云服务,解读云计算相关概念,开启云上学习之路。开发者工具和文档专区上线,提供从学习、实践到反馈的全链路支持。帮助中心新增100余篇AI案例。

华为云官方博客 286

一个人,也能用AI做点“星东西”

华为云星耀创想者大赛-2026华为云OPC创意大赛等你来~

华为云官方博客 293

从需求到可执行工作项:MCP+Skill 让智能体规划真正落地

回顾整个体验,以前让智能体帮我拆需求,它是洋洋洒洒给我列了一大篇 Markdown,看着挺像那么回事,但最后还是得我一条条往 CodeArts Req 里搬,搬完再手动挂父子关系、排日期,拆需求五分钟,搬运两小时。现在好了,MCP 给智能体接上了"手",Skill 给它装上了"项目经理的脑子",一句话下去,34 个工作项连带排期、层级关系全给我建好了,甘特图一拉,齐刷刷都在两周内,节省了多少工作量啊,美滋滋。本次实操在码道代码智能体基础上,构建了一套"需求→可执行工作项"的自动化规划方案。

华为云官方博客 579

华为云码道「码力续航计划」更新!

✅上新GLM‑5.3‑Flash,高速响应,代码生成、工程解析、Agent调试高效输出。新增GLM‑5.3‑Flash福利模型,每日解锁1000万免费Tokens。● 本次活动共发放总量价值100万元Tokens,发完即止!把耗算力的编码重活,交给华为云码道代码智能体🚀🚀。● 每日额度准时刷新,当日清零、次日满血重置。✅复杂算法、大项目解析、批量代码生成随便跑。✅不用抠额度、不用算消耗,放开调试大胆迭代。✅无需额外操作,登录即送,直接切换模型使用。● 把算力交给码道,让撸码不再内耗👏🏻。

华为云官方博客 698

【公共云三十问 之二十四】国计民生之交通:交通云如何铺就数智通衢新坦途?

交通行业作为支撑实体经济的关键基础设施,涵盖公路、铁路、机场、港口、地铁等众多子领域,其中,公路网络作为综合交通运输体系的基础骨架,承担着全国超过70%的客货运量,其数字化、智能化转型的需求尤为迫切。方面,提供Agent开发框架、知识库管理、RAG工程、意图识别、静态应用编排及模型评测等能力,支持客户将行业知识、业务流程与AI能力深度融合,快速构建面向收费稽核、路网调度、应急处置等场景的智能应用。开发并实现落地应用,全面覆盖建设、管理、养护、运营、服务、安全、办公七大业务领域。

华为云官方博客 466

【公共云三十问 之二十五】国计民生之电力:电力云如何点亮数智电力新引擎?

方案构建了覆盖数据获取、质量评估到标准化处理的全链路能力。基于公共云服务商智算底座及气象大模型,通过时空图神经网络重新建模产流机制,中国华电建成超50TB多源融合数据集,突破时空建模与机理融合等五大关键技术,短期径流预测精度较传统机理模型提升5个百分点以上,实现15天中期径流预测精度超85%,推理效率达秒级。基于气象大模型的基础架构与预训练能力,客户可直接在大模型之上开展增量训练与微调,充分利用场站所在区域的高精度历史数据(如3公里、1公里分辨率),针对不同场站和区域的地形地貌与气候特征进行模型调优。

华为云官方博客 382
上一篇: 要想随时编码即刻创新,这个工具你需要一个
下一篇: 详解神经网络基础部件BN层
华为云开发者联盟
华为云开发者联盟 企业官方账号 企业官方账号
博客等级 码龄10年 72万+粉丝 5985原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值