如何在 hive 中将时间戳转换为 gmt 格式
Posted
技术标签:
【中文标题】如何在 hive 中将时间戳转换为 gmt 格式【英文标题】:How can i convert a timestamp to gmt format in hive 【发布时间】:2017-02-13 21:03:01 【问题描述】:我的表中有一个时间戳列,我从时间戳列中派生出一个名为 dt_skey
的列。为了清楚地解释,我们假设时间戳列名称为time_column
。这就是 time_column 看起来像 2017-02-05 03:33:50
,dt_skey
列看起来像 20170205033350
的样子,这只是删除了它们之间的符号。
我的问题是:time_column
位于 est 时区,我想将其转换为 gmt 格式,同时从中导出 dt_skey
。我想这样做的原因是当我们通过 impala 查询时间戳时,它会被转换为 gmt 格式,因为 dt_skey
不会被转换,因为它是一个 int 数据类型。我正在通过 hive 进行摄取,当我们通过 hive 查询时,时间戳和dt_skey
列将同步。出于报告目的和我们使用 impala 的用户,所以我想对 dt_skey
列进行更改,以便如果用户查看 impala,则两个列应该是同步的。
下面是我用来从时间戳列派生dt_skey
列的 sql:
cast(substr(regexp_replace(cast(time_column as string), '-',''),1,8) as int)as dt_skey
上述查询会将这个2017-02-02 07:32:51
转换成这个20170202
。
请帮助我将 dt_skey
偏移为 GMT 格式。我也欢迎通过 spark 解决方案。
【问题讨论】:
为什么是mysql
标签?删除破折号时,您确定“2017-02-05”变为“20170233”吗?
我的 sql 标签是因为 hive 使用了很多 sql 查询,并且日期将与刚刚删除中间的破折号一样,我刚刚编辑了问题,请查看更改。谢谢你
【参考方案1】:
在 Spark 中:
rdd = spark.sparkContext.parallelize([('2017-02-05 03:33:50',)])
df = spark.createDataFrame(rdd, ['EST'])
df = df.withColumn('GMT', f.to_utc_timestamp(df['EST'], 'EST'))
res = df.withColumn('YouWanna', f.date_format(df['GMT'], 'yyyyMMddHHmmss'))
res.show(truncate=False)
+-------------------+---------------------+--------------+
|EST |GMT |YouWanna |
+-------------------+---------------------+--------------+
|2017-02-05 03:33:50|2017-02-05 08:33:50.0|20170205083350|
+-------------------+---------------------+--------------+
或者在蜂巢中:
select date_format(to_utc_timestamp('2017-02-05 03:33:50','EST'), 'yyyyMMddHHmmss') from dual
你是这个意思吗?
【讨论】:
【参考方案2】:您只需将 0 添加到您的字段中,例如:
SELECT datetimefield+0;
SELECT CONVERT_TZ('2017-02-02 07:32:51','EST','GMT');
如果 CONVERT_TZ 返回 NULL,您可以安装时区表,例如:
mysql_tzinfo_to_sql /usr/share/zoneinfo | mysql -u root -p mysql
样本
mysql> SELECT CONVERT_TZ('2017-02-02 07:32:51','EST','GMT');
+-----------------------------------------------+
| CONVERT_TZ('2017-02-02 07:32:51','EST','GMT') |
+-----------------------------------------------+
| 2017-02-02 12:32:51 |
+-----------------------------------------------+
1 row in set (0,00 sec)
mysql>
mysql> SELECT DATE(TIMESTAMP('2017-02-02 07:32:51'))+0;
+------------------------------------------+
| DATE(TIMESTAMP('2017-02-02 07:32:51'))+0 |
+------------------------------------------+
| 20170202 |
+------------------------------------------+
1 row in set (0,00 sec)
mysql> select id, mydate, date(mydate), date(mydate)+0 from df;
+----+---------------------+--------------+----------------+
| id | mydate | date(mydate) | date(mydate)+0 |
+----+---------------------+--------------+----------------+
| 1 | 2017-02-05 03:33:50 | 2017-02-05 | 20170205 |
+----+---------------------+--------------+----------------+
1 row in set (0,00 sec)
mysql>
mysql> SELECT TIMESTAMP('2017-02-05 03:33:50')+0;
+------------------------------------+
| TIMESTAMP('2017-02-05 03:33:50')+0 |
+------------------------------------+
| 20170205033350 |
+------------------------------------+
1 row in set (0,00 sec)
mysql>
mysql> select id, mydate, mydate+0 from df;
+----+---------------------+----------------+
| id | mydate | mydate+0 |
+----+---------------------+----------------+
| 1 | 2017-02-05 03:33:50 | 20170205033350 |
+----+---------------------+----------------+
1 row in set (0,00 sec)
mysql>
【讨论】:
感谢分享,但更改格式不是我的问题,我想将更改后的时间格式转换为 gmt 时区。 对不起,我在我的答案中添加了一个转换时区示例【参考方案3】:假设您想要一个 Hive 查询,这就是我如何将 Hive 时间戳列(使用当前系统时区)转换为 Impala 时间戳(使用与 GMT 相同的 UTC,但不推荐使用 GMT) .
CREATE TEMPORARY MACRO to_impala_timestamp(ts TIMESTAMP)
CAST(FROM_UNIXTIME(UNIX_TIMESTAMP(ts) +CAST(CAST(PRINTF('%tz', ts) AS FLOAT)*36.0 AS INT)) AS TIMESTAMP)
;
--## WARNING - do not use MACROs if your Hive version is below V1.3 (Apache, Horton)
--## or below V1.1-CDH5.7.3, V1.1-CDH5.8.3, V1.1-CDH5.9.0 (Cloudera)
--## cf. "HIVE-11432 Hive macro give same result for different arguments"
PRINTF('%tz', ts)
将提取时区,动态处理夏令时 -- 假设您正在处理的时间戳与 系统时区相关 由您的 Hadoop 集群使用。如果是不同的 TZ,那么您必须相应地调整宏。
您可以使用以下查询对其进行测试:
CREATE TABLE test_tz
STORED AS Parquet
AS
SELECT CAST(ts AS STRING) AS initial_ts_as_string
, printf('%1$tz %1$tZ', ts) AS tzone_offset_and_code
, ts AS ts_for_hive
, to_impala_timestamp(ts) AS ts_for_impala
FROM ...
我们的集群使用中欧时间,这就是结果在 Hive 中的显示方式...
+--------------------------+--------------------+-----------------------------+-------------------------+
| initial_ts_as_string | tz_offset_and_code | ts_for_hive | ts_for_impala |
+--------------------------+--------------------+-----------------------------+-------------------------+
| 2015-09-13 11:32:30.627 | +0200 CEST | 2015-09-13 11:32:30.627 | 2015-09-13 13:32:30.0 |
| 2015-12-10 12:27:01.282 | +0100 CET | 2015-12-10 12:27:01.282 | 2015-12-10 13:27:01.0 |
| 2016-05-17 15:49:06.386 | +0200 CEST | 2016-05-17 15:49:06.386 | 2016-05-17 17:49:06.0 |
...然后在 Impala 中...
+-------------------------+--------------------+-------------------------------+---------------------+
| initial_ts_as_string | tz_offset_and_code | ts_for_hive | ts_for_impala |
+-------------------------+--------------------+-------------------------------+---------------------+
| 2015-09-13 11:32:30.627 | +0200 CEST | 2015-09-13 09:32:30.627000000 | 2015-09-13 11:32:30 |
| 2015-12-10 12:27:01.282 | +0100 CET | 2015-12-10 11:27:01.282000000 | 2015-12-10 12:27:01 |
| 2016-05-17 15:49:06.386 | +0200 CEST | 2016-05-17 13:49:06.386000000 | 2016-05-17 15:49:06 |
请注意,运行转换时会丢失毫秒;他们可以通过一个额外的技巧来恢复,但通常这超出了重点。
旁注:要将时间戳(或日期或浮点数或其他)格式化为字符串,好的旧 Java
PRINTF()
函数比使用默认格式加上 REGEXP_***()
函数更实用......
【讨论】:
【参考方案4】:感谢您提供的所有解决方案
这里的所有答案都有部分解决方案,使用答案资源我尝试了以下语法并且有效。
cast(substr(regexp_replace(to_utc_timestamp(timestamp_column, 'EST') ,'-',''),1,8) as int) as dt_skey
为了解释上述语法,这是我的时间戳列的样子 (yyyy-MM-dd HH:mm:ss) "2017-02-16 12:20:21"
运行上述语法后,我的输出将类似于“20170216”,即“yyyyMMdd” regexp_replace 将执行正则表达式以仅显示 yyyyMMdd。 to_utc_timestamp(timestamp_column, 'EST')
会将时间戳列转换为 UTC 时区。
【讨论】:
以上是关于如何在 hive 中将时间戳转换为 gmt 格式的主要内容,如果未能解决你的问题,请参考以下文章