数据库中时间类型是这样的，13位bigInt类型的数据

select date_format(FROM_UNIXTIME(列名/1000),'%Y%m%d') from xx表

原理就是把13位的时间格式/1000等于时间戳，使用FROM_UNIXTIME把时间戳转换成具体的日期

 

ps：

将时间转换为时间戳

select unix_timestamp('2018-08-30 19-40-07')

如果参数为空，则处理为当前时间

 

mysql中使用unix_timestamp和FROM_UNIXTIME可以不用指定日期类型，

而hivesql中unix_timestamp要指定日期格式和前面的日期一致，eg：select unix_timestamp('2018-08-30 19-40-07'，‘yyyy-MM-dd’)

如果不指定结果会是null。

hivesql中FROM_UNIXTIME（‘时间戳’）这么写的话输出结果为默认的格式

FROM_UNIXTIME（‘时间戳’，‘yyyy-MM-dd’）或者日期为yyyy-MM-dd HH:mm:ss

 select from_unixtime(unix_timestamp('2018-08-30 19-40-07','yyyy-MM-dd HH-mm-ss '),'yyyy-MM-dd')  from 表名，这是我用来测试的hiveSql

demo：

 

Logo
一门面向 Data 和 AI 的低代码、云原生的开源编程语言

无需安装部署，在线快速体验 Byzer

更多推荐

编译时权限控制

前言 权限控制，对于 MLSQL 而言的重要程度可以说是生命线。 MLSQL 需要面对各式各样的资源访问，比如 MySQL, Oracle,HDFS，Hive，Kafka，Sorl，ElasticSearch，Redis，API，Web等等，不同用户对这些数据源（以及表，列）的权限是不一样的。 传统模式是，每个用户都需要有个 proxy user，然后到每个数据源里面给这个 proxy user

avatar Byzer 白泽

Byzer 支持 JDBC 聚合下推

聚合下推PR链接聚合下推 我们知道 Byzer 支持多数据源和联邦查询，可以方便分析师在一个平台上快速的分析来自多种数据源的数据，从而进行灵活的探索式分析。 使用场景和优势 当前 Byzer 中加载数据的方式会拉取明细数据到 spark 中进行聚合计算，对于小数据量或者在分布式文件系统上的数据源来说是常规操作。但是对于 JDBC 数据源或者有分析能力的 OLAP 系统来说拉取明细数据可能就不是最

avatar Byzer 白泽

Byzer 术语表

Byzer-lang Byzer ，又称为 Byzer-lang，一门面向 Data 和 AI 的低代码、云原生的开源编程语言。 Byzer 是一门结合了声明式编程和命令式编程的混合编程语言，其低代码且类 SQL 的编程逻辑配合内置算法及插件的加持，能帮助数据工作者们高效打通数据链路，完成数据的清洗转换，并快速地进行机器学习相关的训练及预测。 Byzer 希望能够提供一套语言、一个引擎，就能覆盖整

avatar Byzer 白泽