SPL 的日期时间函数

在数据分析计算中，日期时间类数据是比较特殊的类型，这里我们就来研究一下如何在SPL中使用日期时间类数据。

1日期时间数据的转换和生成

日期时间类数据，通常会用字符串来输入或显示。在使用集算器时，可以点击Tool>Option，在选项配置的Environment页面中，设定日期时间类型数据所使用的默认格式，如：

使用SPL时，日期时间类型的数据会按照默认的格式显示出来，如：

	A
1	=now()

运行后查看A1中的结果如下：

这里用到的函数now() 是日期时间计算中比较常用的函数，可以获得系统中当前的日期时间。日期时间的显示在不同的语言环境中是不同的，特别是月份和星期等数据，下面都将以英文版的格式为例加以说明。

当需要输入日期时间类型的常数时，也可以直接按照格式输入字符串，此时SPL会自动将数据解析为日期时间数据，如：

	A	B	C
1	2019-2-1	12:45:30	2019-02-01 10:30:00

A1,B1和C1会分别被解析为日期类型、日期时间类型和时间类型数据，如下：

SPL可以把直接输入的常数解析为日期时间类型，但对于已经是字符串类型的，就需要用date(),time() 或者datetime() 将字符串转换为日期、时间或者日期时间数据，如：

	A	B	C
1	2019	2	20
2	=A1/"-"/B1/"-"/C1	=12/":"/22/":00"	=A2+" "+B2
3	=ifdate(A2)	=iftime(B2)	=ifdate(C2)
4	=date(A2)	=time(B2)	=datetime(C2)
5	=ifdate(A4)	=iftime(B4)	=ifdate(C4)

A2,B2和C2中是通过字符串运算得到的字符串：

第3行用ifdate() 和iftime() 函数判断第2行的数据是否已被处理为日期或者时间类型（注意：判断日期类型和日期时间类型的数据，都使用ifdate()），A3,B3和C3中的结果如下：

从结果可以看出，第2行中单元格值都不是日期或时间类数据，实际上都是字符串，显示也都和日期时间不同。

在第4行中，将字符串按照对应的格式分别转换为日期时间数据，结果如下：

在第5行判断第4行的数据是否已被处理为日期或者时间类型，结果如下：

当使用外部数据时，有时需要处理不同格式的日期时间数据，这时可以在使用date(),time() 或者datetime() 时，在字符串后添加使用的显示格式串，如：

	A	B	C
1	Feb 2, 2019	'2:30:45 PM	'2019-6-20 2:30:45 PM
2	MMM d,yyyy	hⓂs a	yyyy-M-d hⓂs a
3	=date(A1,A2)	=time(B1,B2)	=datetime(C1,C2)

在第1行中的数据都并没有用默认的日期时间格式，而且B1和C1都在前面添加了 ' 字符表示使用字符串常数，A1,B1和C1中的数据如下：

需要注意的是，月份格式MMM的设定是和语言环境相关的，英文环境中表示月份的英文缩写，如Feb；而中文环境中则会显示为中文月份。

第2行中列出的格式串指示SPL如何解析第1行中的数据，第3行使用这些格式串进行转换，结果如下：

完成类型转换后，查看结果时仍然会用默认的格式显示。如果要用其他格式显示，可以用string(d,fmt)函数，将日期时间类数据转换为指定格式的字符串，如：

	A	B	C
1	2019-02-21	12:45:30	2019-12-01 10:30:00
2	MMMM d,yyyy	hⓂs a	MMM d,yyyy hⓂs a
3	=string(A1,A2)	=string(B1,B2)	=string(C1,C2)

A3,B3和C3中，将日期时间类数据转换为指定格式的字符串：

当然，也可以根据需要直接修改默认的日期时间显示格式。

在用date(),time() 或者datetime() 生成数据类型时，还可以直接依次指定年,月,日,时,分,秒等各个分量：

	A	B	C
1	=date(2019,2,21)	=time(13,5,0)	=datetime(2019,12,29,13,5,0)

结果如下：

在指定各个分量时，要注意每个整数的合理范围，例如小时分量在0~23之间。

2日期时间数据的显示格式

	A	B	C
1	=date(201906,29)	=time(13:5:18)	=datetime(A1,B1)

这个例子中，A1中用date()生成日期，第一个参数使用了6位数，SPL将用其同时表示年和月。而C1则将A1中的日期和B1中的时间合并得到日期时间数据，结果如下：

上一节已经使用到了日期时间数据的一些显示格式，用格式字符串来指定显示样式，例如yyyy表示4位数的年份、dd表示2位数的日期等。下面将具体说明格式串中各个字符的作用，并以C1中的数据为例显示相应的格式化结果：

字符	作用	SPL
y/yy	年，两位数字	=string(C1,"yy")
yyyy	年，四位数字	=string(C1,"yyyy")
M	月	=string(C1,"M")
MM	月，两位数字，不足用0补齐	=string(C1,"MM")
MMM	月，英文简写	=string(C1,"MMM")
MMMM	月，英文全拼	=string(C1,"MMMM")
d	日	=string(C1,"d")
dd	日，两位数字，不足用0补齐	=string(C1,"dd")
E	星期，英文简写	=string(C1,"E")
EEEE	星期，英文全拼	=string(C1,"EEEE")
G	Era标识符，公元前/公元后，缩写	=string(C1,"G")
w	本年的第几周	=string(C1,"w")
ww	本年的第几周，两位数字，不足用0补齐	=string(C1,"ww")
W	本月的第几周	=string(C1,"W")
F	在本月的第几周，仅根据日计算	=string(C1,"F")
D	本年的第几天	=string(C1,"D")
H	小时，24小时制，0~23	=string(C1,"H")
HH	小时，24小时制，0~23，两位数字，不足用0补齐	=string(C1,"HH")
k	小时，24小时制，1~24	=string(C1,"k")
kk	小时，24小时制，1~24，两位数字，不足用0补齐	=string(C1,"kk")
h	小时，12小时制，1~12	=string(C1,"h")
hh	小时，12小时制，1~12，两位数字，不足用0补齐	=string(C1,"hh")
K	小时，12小时制，0~11	=string(C1,"K")
KK	小时，12小时制，0~11，两位数字，不足用0补齐	=string(C1,"KK")
m	分钟	=string(C1,"m")
mm	分钟，两位数字，不足用0补齐	=string(C1,"mm")
s	秒	=string(C1,"s")
ss	秒，两位数字，不足用0补齐	=string(C1,"ss")
S	毫秒	=string(C1,"S")
a	上午/下午	=string(C1,"a")
z	时区，缩写	=string(C1,"z")
zzzz	时区，全拼	=string(C1,"zzzz")
Z	时区代码	=string(C1,"Z")

3从日期时间数据中获取信息

在日期时间等类型的数据中，具体的年,月,日,时,分,秒等常常是处理时需要单独使用的信息，我们可以通过year(),month(),day(),hour(),minute(),second(),millisecond()等函数获得这些日期时间数据中的各个分量：

	A	B	C
1	2019-6-30	12:45:30.230	=now()
2	=year(A1)	=month(A1)	=day(A1)
3	=hour(B1)	=minute(B1)	=second(B1)
4	=month(C1)	=hour(C1)	=millisecond(C1)

A1,B1和C1中的日期时间数据如下：

A2,B2和C2从日期数据中分别获取年、月、日：

A3,B3和C3从时间数据中获取时、分、秒：

A4,B4和C4从now() 函数的日期时间类型结果中获取月,小时和毫秒分量：

从结果中可以看到，now() 函数返回的结果会精确到毫秒，但显示时只会显示到秒。在使用now() 函数时，可以通过添加选项的方法来改变结果的精度。如：

	A	B	C
1	=now@d()	=now@t()
2	=now@m()	=now@s()	=millisecond(B2)

A1中添加@d选项，只取日期部分数据，B1中添加@t选项，只取时间部分数据，结果如下：

A2中添加@m选项，数据将精确到分，B2中添加@s选项，获得的数据将精确到秒，结果如下：

在C2中可以看到，B2中的数据毫秒分量为0：

@m和@s选项，也可以用在datetime() 和time() 函数中，设定转换日期时间数据及时间数据时的精度为分或秒。

在日期类型数据中，也可以获取到时间分量，从时间类型数据中也可以获取日期分量，如：

	A	B	C
1	2019-6-30	19:05:10.866
2	=hour(A1)	=minute(A1)	=second(A1)
3	=month@y(B1)	=day(B1)

A2,B2和C2中结果如下：

也就是说，单独的日期数据，其中的时间指定为00:00:00。

A3中的month函数添加了@y选项，获得年月组成的6位数，A3和B3中结果如下：

也就是说，单独的时间数据，其中的日期为1970年1月1日。

除了直接从日期时间类型的数据中获取各个分量，还有一些函数可以用来获得日期相关的数据。

使用day@w()，在获取日期分量时添加@w选项，可以获得本日是一周中的第几天：

	A	B	C
1	2019-4-3	2019-6-18	2020-2-20
2	=day@w(A1)	=day@w(B1)	=day@w(C1)
3	=string(A1,"EEEE")	=string(B1,"EEEE")	=string(C1,"EEEE")

A2,B2和C2获取各个日期分别是一周中的第几天，结果如下：

SPL中，每周的第1天是从周日开始计算的，在第3行中用显示字符串的方式取得了每一天是星期几：

另外，我们还可以使用pdate() 函数，配合不同的选项获得日期

	A	B	C
1	2019-8-17
2	=pdate@w(A1)	=pdate@m(A1)	=pdate@q(A1)
3	=pdate@we(A1)	=pdate@me(A1)	=pdate@qe(A1)

在pdate() 函数中：

○ 直接使用@w选项可以获得本周第1天的日期，从周日开始计算；

○ 添加@m选项可以获得本月第1天的日期；

○ 添加@q选项可以获得本季度第1天的日期；

○ 添加@e则可以获得某个时间段最后一天的数据，如本周最后一天，本季度最后一天等。A2,B2,C2,A3,B3和C3中的结果依次如下：

SPL中还可以使用days() 函数计算某日期所在月的总天数，添加@q选项可以得到所在季度的总天数，添加@y选项可以得到整年的总天数，如：

	A	B	C
1	2019-02-21
2	=days(A1)	=days@q(A1)	=days@y(A1)

A2,B2和C2中的结果如下：

4使用日期时间数据的计算

除了直接从日期时间数据中获取信息，在SPL中还可以使用日期时间类数据来执行各类计算。

最常用的有关日期的计算就是计算年龄：

	A	B	C
1	1995-3-30	=now@d()
2	=age(A1)	=age@m(A1)	=age@y(A1)

A1和B1中的数据如下：

在第2行用age() 函数，根据A1中的生日来计算年龄，计算年龄时，是以当前的日期为准的，默认情况将精确到日，添加@m可以将精度设为月，添加@y可以将精度设定为年。在不同精度的情况下，计算所得的年龄可能会有区别，A2,B2和C2中得到的年龄分别如下：

使用age() 函数，类似于计算生日日期和当前日期间隔的年数。更普遍的计算时间间隔的函数是interval() 函数，用这个函数可以计算两个日期时间数据之间相差多少天，添加@y,@q,@m,@s,@ms等选项，可以计算间隔多少年,季度,月,秒或毫秒。例如：

	A	B	C
1	1995-4-30	2019-4-10
2	=interval(A1,B1)	=interval@y(A1,B1)	=B1-A1

如果只需要计算两个日期之间相差多少天，也可以直接用减法完成，A2,B2和C2中的结果如下：

特别的，每个日期时间数据都可以转换为一个对应的长整数，这个长整数其实就是指定的日期时间和1970年1月1日，格林威治时间0:00:00的间隔毫秒数，如：

	A	B
1	=datetime("1/1/1970 0:00:00 GMT","m/d/yyyy H ©著作权归作者所有：来自51CTO博客作者raqsoft的原创作品，如需转载，请注明出处，否则将追究法律责任 SPL 日期时间集算器 0 分享微博 QQ 微信收藏上一篇：银行业大数据量清单报表案例下一篇：SPL 的序号思维及定位计算 raqsoft 174篇文章，7W+人气，0粉丝致力于大数据开发,与一切不可能sayno Ctrl+Enter 发布发布取消推荐专栏更多带你玩转高可用前百度高级工程师的架构高可用实战共15章 \| 曹林华￥51.00 487人订阅订阅猜你喜欢木槿生活数据平台案例 SPL 教案——分组海量数据搜索---demo展示百度、谷歌搜索引擎的实现 fabric v1.4 kafka模式(未开启TLS)，多节点服务器部署，实现动态添加组织 5G丨5G承载光模块关系型数据库全表扫描分片详解基于可视化配置的日志结构化转换实现 python股票市场数据探索指北大数据虚拟混算平台Moonbox配置指南如何设计实时数据平台（设计篇） docker k8s 集群部署tomcat，使用一个镜像，增加镜像的复用性。 Maxwell读取MySQL binlog日志到Kafka 使用TensorFlow 来实现一个简单的验证码识别过程 ES学习笔记之-ClusterState的学习 Flink SQL解析Json格式数据的方法 kafka生产实例安装搭建高可用mongo分布式---具体操作 Kafka不停机，如何无感知迁移ZooKeeper集群？如何精简企业主数据“裹脚布” 图解 kafka 的高可用机制扫一扫,领取大礼包 0 分享 raqsoft