如何在 hive 中将时间戳转换为 gmt 格式

Question

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。

Answer 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？

Answer 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>

Answer 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......

Answer 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。