PostgreSQL datediff 日期间隔(单位转换)兼容SQL用法

本文涉及的产品
云原生数据库 PolarDB MySQL 版,Serverless 5000PCU 100GB
云原生数据库 PolarDB 分布式版,标准版 2核8GB
云数据库 RDS MySQL Serverless,0.5-2RCU 50GB
简介: 标签PostgreSQL , datediff背景使用datediff,对时间或日期相减,得到的间隔,转换为目标单位(日、月、季度、年、小时、秒。。。等)的数值。DATEDIFF ( datepart, {date|timestamp}, {date|timestamp} ) 周...

标签

PostgreSQL , datediff


背景

使用datediff,对时间或日期相减,得到的间隔,转换为目标单位(日、月、季度、年、小时、秒。。。等)的数值。

DATEDIFF ( datepart, {date|timestamp}, {date|timestamp} )  

select datediff(week,'2009-01-01','2009-12-31') as numweeks;  
  
numweeks  
----------  
52  
(1 row)  

季度

select datediff(qtr, '1998-07-01', current_date);  
  
date_diff  
-----------  
40  
(1 row)  

PostgreSQL中时间和日期可以相互加减,得到同样的结果使用extract。

PostgreSQL age, extract epoch

使用age函数对时间进行计算,得到interval。

使用extract epoch对interval 转换得到秒。

根据需求计算,转换为其他单位:日、月、季度、年、小时、秒等。

例子

postgres=# SELECT age(TO_TIMESTAMP('2016-01-01', 'YYYY-MM-DD'),TO_TIMESTAMP('2015-03-01', 'YYYY-MM-DD'));  
   age     
---------  
 10 mons  
(1 row)  
  
postgres=# SELECT EXTRACT(epoch FROM age(TO_TIMESTAMP('2016-01-01', 'YYYY-MM-DD'),TO_TIMESTAMP('2015-03-01', 'YYYY-MM-DD')));  
 date_part   
-----------  
  25920000  
(1 row)  

重新计算即可

小时

。。。 。。。

例如

天  
postgres=# SELECT EXTRACT(epoch FROM age(TO_TIMESTAMP('2016-01-01', 'YYYY-MM-DD'),TO_TIMESTAMP('2015-03-01', 'YYYY-MM-DD')))/86400;  
 ?column?   
----------  
      300  
(1 row)  
  
月  
postgres=# SELECT EXTRACT(epoch FROM age(TO_TIMESTAMP('2016-01-01', 'YYYY-MM-DD'),TO_TIMESTAMP('2015-03-01', 'YYYY-MM-DD')))/86400/30;  
 ?column?   
----------  
       10  
(1 row)  

extract支持的时间单位

https://www.postgresql.org/docs/11/static/functions-datetime.html

src/backend/utils/adt/timestamp.c

参考

https://docs.aws.amazon.com/zh_cn/redshift/latest/dg/r_DATEDIFF_function.html

https://www.postgresql.org/docs/11/static/functions-datetime.html

src/backend/utils/adt/timestamp.c

/* interval_part()  
 * Extract specified field from interval.  
 */  
Datum  
interval_part(PG_FUNCTION_ARGS)  
{  
        text       *units = PG_GETARG_TEXT_PP(0);  
        Interval   *interval = PG_GETARG_INTERVAL_P(1);  
        float8          result;  
        int                     type,  
                                val;  
        char       *lowunits;  
        fsec_t          fsec;  
        struct pg_tm tt,  
                           *tm = &tt;  
  
        lowunits = downcase_truncate_identifier(VARDATA_ANY(units),  
                                                                                        VARSIZE_ANY_EXHDR(units),  
                                                                                        false);  
  
        type = DecodeUnits(0, lowunits, &val);  
        if (type == UNKNOWN_FIELD)  
                type = DecodeSpecial(0, lowunits, &val);  
  
        if (type == UNITS)  
        {  
                if (interval2tm(*interval, tm, &fsec) == 0)  
                {  
                        switch (val)  
                        {  
                                case DTK_MICROSEC:  
                                        result = tm->tm_sec * 1000000.0 + fsec;  
                                        break;  
  
                                case DTK_MILLISEC:  
                                        result = tm->tm_sec * 1000.0 + fsec / 1000.0;  
                                        break;  
  
                                case DTK_SECOND:  
                                        result = tm->tm_sec + fsec / 1000000.0;  
                                        break;  
  
                                case DTK_MINUTE:  
                                        result = tm->tm_min;  
                                        break;  
  
                                case DTK_HOUR:  
                                        result = tm->tm_hour;  
                                        break;  
  
                                case DTK_DAY:  
                                        result = tm->tm_mday;  
                                        break;  
  
                                case DTK_MONTH:  
                                        result = tm->tm_mon;  
                                        break;  
  
                                case DTK_QUARTER:  
                                        result = (tm->tm_mon / 3) + 1;  
                                        break;  
  
                                case DTK_YEAR:  
                                        result = tm->tm_year;  
                                        break;  
  
                                case DTK_DECADE:  
                                        /* caution: C division may have negative remainder */  
                                        result = tm->tm_year / 10;  
                                        break;  
  
                                case DTK_CENTURY:  
                                        /* caution: C division may have negative remainder */  
                                        result = tm->tm_year / 100;  
                                        break;  
  
                                case DTK_MILLENNIUM:  
                                        /* caution: C division may have negative remainder */  
                                        result = tm->tm_year / 1000;  
                                        break;  
  
                                default:  
                                        ereport(ERROR,  
                                                        (errcode(ERRCODE_FEATURE_NOT_SUPPORTED),  
                                                         errmsg("interval units \"%s\" not supported",  
                                                                        lowunits)));  
                                        result = 0;  
                        }  
  
                }  
                else  
                {  
                        elog(ERROR, "could not convert interval to tm");  
                        result = 0;  
                }  
        }  
        else if (type == RESERV && val == DTK_EPOCH)  
        {  
                result = interval->time / 1000000.0;  
                result += ((double) DAYS_PER_YEAR * SECS_PER_DAY) * (interval->month / MONTHS_PER_YEAR);  
                result += ((double) DAYS_PER_MONTH * SECS_PER_DAY) * (interval->month % MONTHS_PER_YEAR);  
                result += ((double) SECS_PER_DAY) * interval->day;  
        }  
        else  
        {  
                ereport(ERROR,  
                                (errcode(ERRCODE_INVALID_PARAMETER_VALUE),  
                                 errmsg("interval units \"%s\" not recognized",  
                                                lowunits)));  
                result = 0;  
        }  
  
        PG_RETURN_FLOAT8(result);  
}  
相关实践学习
使用PolarDB和ECS搭建门户网站
本场景主要介绍基于PolarDB和ECS实现搭建门户网站。
阿里云数据库产品家族及特性
阿里云智能数据库产品团队一直致力于不断健全产品体系,提升产品性能,打磨产品功能,从而帮助客户实现更加极致的弹性能力、具备更强的扩展能力、并利用云设施进一步降低企业成本。以云原生+分布式为核心技术抓手,打造以自研的在线事务型(OLTP)数据库Polar DB和在线分析型(OLAP)数据库Analytic DB为代表的新一代企业级云原生数据库产品体系, 结合NoSQL数据库、数据库生态工具、云原生智能化数据库管控平台,为阿里巴巴经济体以及各个行业的企业客户和开发者提供从公共云到混合云再到私有云的完整解决方案,提供基于云基础设施进行数据从处理、到存储、再到计算与分析的一体化解决方案。本节课带你了解阿里云数据库产品家族及特性。
相关文章
|
4月前
|
存储 SQL 关系型数据库
PolarDB这个sql行存和列存性能差别好大 ,为什么?
PolarDB这个sql行存和列存性能差别好大 ,为什么?
33 0
|
28天前
|
SQL 数据可视化 Apache
阿里云数据库内核 Apache Doris 兼容 Presto、Trino、ClickHouse、Hive 等近十种 SQL 方言,助力业务平滑迁移
阿里云数据库 SelectDB 内核 Doris 的 SQL 方言转换工具, Doris SQL Convertor 致力于提供高效、稳定的 SQL 迁移解决方案,满足用户多样化的业务需求。兼容 Presto、Trino、ClickHouse、Hive 等近十种 SQL 方言,助力业务平滑迁移。
阿里云数据库内核 Apache Doris 兼容 Presto、Trino、ClickHouse、Hive 等近十种 SQL 方言,助力业务平滑迁移
|
1月前
|
SQL Java 关系型数据库
MyBatis的动态SQL之OGNL(Object-Graph Navigation Language)表达式以及各种标签的用法
MyBatis的动态SQL之OGNL(Object-Graph Navigation Language)表达式以及各种标签的用法
16 0
|
1月前
|
SQL Java 关系型数据库
MyBatis中的9种常用动态sql标签精妙用法
MyBatis中的9种常用动态sql标签精妙用法
48 0
|
1月前
|
SQL 关系型数据库 分布式数据库
在PolarDB中,如果慢SQL导致了CPU升高,进而又产生了更多的慢SQL
【2月更文挑战第22天】在PolarDB中,如果慢SQL导致了CPU升高,进而又产生了更多的慢SQL
13 1
|
2月前
|
SQL 关系型数据库 MySQL
Mysql SQL的一些特殊用法记录
1、查询group by having 中having不起作用,及解决
14 0
|
2月前
|
SQL
SQL语句case when的用法
SQL语句case when的用法
|
2月前
|
SQL 算法 JavaScript
【数据库SQL server】关系型数据库的基本知识
【数据库SQL server】关系型数据库的基本知识
150 0
|
3月前
|
SQL JSON 分布式计算
Spark SQL简介与基本用法
Spark SQL简介与基本用法
|
3月前
|
SQL 自然语言处理 数据挖掘
「SQL面试题库」 No_115 按日期分组销售产品
「SQL面试题库」 No_115 按日期分组销售产品

相关产品

  • 云原生数据库 PolarDB