Блог

У меня есть данные в Google BigQuery, которые выглядят следующим образом:

 sample_date_time_UTC     time_zone       milliseconds_between_samples
--------                 ---------       ----------------------------
2019-03-31 01:06:03 UTC  Europe/Paris    60000
2019-03-31 01:16:03 UTC  Europe/Paris    60000
...
  

Выборки данных ожидаются через регулярные промежутки времени, указанные значением milliseconds_between_samples поля:

Это time_zone строка, представляющая значение часового пояса, поддерживаемого Google Cloud

Затем я проверяю соотношение фактического количества выборок по сравнению с ожидаемым числом за любой конкретный день для любого диапазона одного дня (выраженного как локальная дата для данного time_zone ):

 with data as 
  ( 
    select 
      -- convert sample_date_time_UTC to equivalent local datetime for the timezone
      DATETIME(sample_date_time_UTC,time_zone) as localised_sample_date_time, 
      milliseconds_between_samples 
    from  `mytable` 
    where sample_date_time between '2019-03-31 00:00:00.000000 01:00' and '2019-04-01 00:00:00.000000 02:00'
  ) 

select date(localised_sample_date_time) as localised_date, count(*)/(86400000/avg(milliseconds_between_samples)) as ratio_of_daily_sample_count_to_expected 
from data 
group by localised_date 
order by localised_date 
  

Проблема в том, что в этом есть ошибка, поскольку я жестко запрограммировал ожидаемое количество миллисекунд в день 86400000 . Это неверно, поскольку, когда переход на летнее время начинается в указанном time_zone ( Europe/Paris ), день становится на 1 час короче. Когда переход на летнее время заканчивается, день увеличивается на 1 час.

Итак, приведенный выше запрос неверен. Он запрашивает данные за 31 марта этого года в Europe/Paris часовом поясе (когда в этом часовом поясе начался переход на летнее время). Миллисекунды в этот день должны быть 82800000 .

Как я могу получить правильное количество миллисекунд для указанного запроса localised_date ?

Обновить:

Я попытался сделать это, чтобы посмотреть, что он возвращает:

 select DATETIME_DIFF(DATETIME('2019-04-01 00:00:00.000000 02:00', 'Europe/Paris'), DATETIME('2019-03-31 00:00:00.000000 01:00', 'Europe/Paris'), MILLISECOND)
  

Это не сработало — я получаю 86400000

Вы можете получить разницу в миллисекундах для двух временных меток, удалив 01:00 и 02:00 . Обратите внимание, что это дает разницу между временными метками в UTC: 90000000 , что не совпадает с фактическими прошедшими миллисекундами.

Вы можете сделать что-то вроде этого, чтобы получить миллисекунды за один день:

 select 86400000   (86400000 - DATETIME_DIFF(DATETIME('2019-04-01 00:00:00.000000', 'Europe/Paris'), DATETIME('2019-03-31 00:00:00.000000', 'Europe/Paris'), MILLISECOND))
  

Спасибо @Juta, за подсказку об использовании времени UTC для расчета. Поскольку я группирую свои данные за каждый день по локализованной дате, я выяснил, что могу вычислять миллисекунды для каждого дня, получая начальную и конечную дату и время (в UTC) для моей «локализованной» даты, используя следующую логику:

 -- get UTC start datetime for localised date
-- get UTC end datetime for localised date

-- this then gives the milliseconds for that localised date:
datetime_diff(utc_end_datetime, utc_start_datetime, MILLISECOND);
  

Итак, мой полный запрос становится:

 with daily_sample_count as (
  with data as 
    ( 
      select 
        -- get the date in the local timezone, for sample_date_time_UTC
        DATE(sample_date_time_UTC,time_zone) as localised_date, 
        milliseconds_between_samples 
      from  `mytable` 
      where sample_date_time between '2019-03-31 00:00:00.000000 01:00' and '2019-04-01 00:00:00.000000 02:00'
    ) 

  select
    localised_date,
    count(*) as daily_record_count,
    avg(milliseconds_between_samples) as daily_avg_millis_between_samples,
    datetime(timestamp(localised_date, time_zone)) as utc_start_datetime,
    datetime(timestamp(date_add(localised_date, interval 1 day), time_zone)) as utc_end_datetime
  from data 
)

select
  localised_date,
  -- apply calculation for ratio_of_daily_sample_count_to_expected
  -- based on the actual vs expected number of samples for the day
  -- no. of milliseconds in the day changes, when transitioning in/out of daylight saving - so we calculate milliseconds in the day
  daily_record_count/(datetime_diff(utc_end_datetime, utc_start_datetime, MILLISECOND)/daily_avg_millis_between_samples) as ratio_of_daily_sample_count_to_expected
from
  daily_sample_count