SQL 时间对比

描述:
数据库表中包含完税时间、产权证时间、交易时间等三个时间,首先将完税时间与产权证时间进行对比,选出较早的一个时间,之后将改时间与交易时间进行对比,看是否在2年之内。

数据表截图:
在这里插入图片描述

主要思路:
分别取完税时间、产权证时间与交易时间的年份做差,并比较两个差值的大小,取较大的差值,并将较大的差值与±2进行比较:
(1) 差值=2时:判断月时间差值:
① 月时间差=0时:判断日时间差:
a.日时间差 >0时:显示‘否’;
b.日时间差 <=0时:显示‘是’;
② 月时间差<0时:显示‘是’;
③ 月时间差>0时:显示‘否’;
(2) 差值=-2时:判断月时间差值:
① 月时间差=0时:判断日时间差:
a.日时间差 <0时:显示‘否’;
b.日时间差 >=0时:显示‘是’;
② 月时间差 <0时:显示‘是’;
③ 月时间差 >0时:显示‘否’;
(3) 差值在-2~2之间时:显示‘是’;
(4) 差值>2 或 <-2时:显示‘否’;


SELECT [Id]
      ,[TitleCertificateNum]
      ,[TaxPaymentProveDateTime]
	   ,(select CONVERT(varchar(100),TaxPaymentProveDateTime,23)) as 完税证明时间
      ,[TitleCertificateDateTime]
	  ,(select CONVERT(varchar(100),TitleCertificateDateTime,23))as 产权证时间
      ,[TransactionDateTime]
	  ,(select CONVERT(varchar(100),TransactionDateTime,23))as 交易日期
	  ,(select CONVERT(varchar(100),(select (case
					when [TaxPaymentProveDateTime]<[TitleCertificateDateTime]
					then [TaxPaymentProveDateTime]
					else [TitleCertificateDateTime]
					end
				  )
		 ),23))as 证明时间短
	   ,(select
			(
				case 
				--年时间差为2时
				when 
					(
						(select 
								(
									case
									when ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,TaxPaymentProveDateTime)))) > ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,[TitleCertificateDateTime]))))
									then ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,TaxPaymentProveDateTime))))
									else ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,[TitleCertificateDateTime]))))
									end
								)
						 )
					) = 2
					then 
						( 
							case 
							--月时间差为0时
							when 
								(
									(select 
										(
											case
											when ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,TaxPaymentProveDateTime)))) > ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,[TitleCertificateDateTime]))))
											then ( Max(convert(int,DateName(MONTH,TransactionDateTime)))- Max(convert(int,DateName(MONTH,TaxPaymentProveDateTime))))
											else ( Max(convert(int,DateName(MONTH,TransactionDateTime)))- Max(convert(int,DateName(MONTH,[TitleCertificateDateTime]))))
											end
										)
									)
								) = 0
							then	
								(
									case 
									--日时间差大于0时
									when 
										(
											(select 
												(
													case
													when ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,TaxPaymentProveDateTime)))) > ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,[TitleCertificateDateTime]))))
													then ( Max(convert(int,DateName(DAY,TransactionDateTime)))- Max(convert(int,DateName(DAY,TaxPaymentProveDateTime))))
													else ( Max(convert(int,DateName(DAY,TransactionDateTime)))- Max(convert(int,DateName(DAY,[TitleCertificateDateTime]))))
													end
												)
											)
										) > 0
									then	'否'
									else	'是'
									end
								)
							--月时间差小于0时
							when 
								(
									(select 
										(
											case
											when ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,TaxPaymentProveDateTime)))) > ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,[TitleCertificateDateTime]))))
											then ( Max(convert(int,DateName(MONTH,TransactionDateTime)))- Max(convert(int,DateName(MONTH,TaxPaymentProveDateTime))))
											else ( Max(convert(int,DateName(MONTH,TransactionDateTime)))- Max(convert(int,DateName(MONTH,[TitleCertificateDateTime]))))
											end
										)
									)
								) < 0
							then	'是'
							else	'否'
							end
						)
					--年时间差为-2时
					when 
					(
						(select 
								(
									case
									when ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,TaxPaymentProveDateTime)))) > ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,[TitleCertificateDateTime]))))
									then ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,TaxPaymentProveDateTime))))
									else ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,[TitleCertificateDateTime]))))
									end
								)
						 )
					) = -2
					then 
						( 
							case 
							--月时间差为0时
							when 
								(
									(select 
										(
											case
											when ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,TaxPaymentProveDateTime)))) > ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,[TitleCertificateDateTime]))))
											then ( Max(convert(int,DateName(MONTH,TransactionDateTime)))- Max(convert(int,DateName(MONTH,TaxPaymentProveDateTime))))
											else ( Max(convert(int,DateName(MONTH,TransactionDateTime)))- Max(convert(int,DateName(MONTH,[TitleCertificateDateTime]))))
											end
										)
									)
								) = 0
							then	
								(
									case 
									--日时间差不为0时
									when 
										(
											(select 
												(
													case
													when ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,TaxPaymentProveDateTime)))) > ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,[TitleCertificateDateTime]))))
													then ( Max(convert(int,DateName(DAY,TransactionDateTime)))- Max(convert(int,DateName(DAY,TaxPaymentProveDateTime))))
													else ( Max(convert(int,DateName(DAY,TransactionDateTime)))- Max(convert(int,DateName(DAY,[TitleCertificateDateTime]))))
													end
												)
											)
										) < 0
									then	'否'
									else	'是'
									end
								)
							--月时间差小于0时
							when 
								(
									(select 
										(
											case
											when ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,TaxPaymentProveDateTime)))) > ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,[TitleCertificateDateTime]))))
											then ( Max(convert(int,DateName(MONTH,TransactionDateTime)))- Max(convert(int,DateName(MONTH,TaxPaymentProveDateTime))))
											else ( Max(convert(int,DateName(MONTH,TransactionDateTime)))- Max(convert(int,DateName(MONTH,[TitleCertificateDateTime]))))
											end
										)
									)
								) < 0
							then	'是'
							else	'否'
							end
						)
					--年时间差在-2~2之间时
					when 
					(
						(select 
								(
									case
									when ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,TaxPaymentProveDateTime)))) > ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,[TitleCertificateDateTime]))))
									then ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,TaxPaymentProveDateTime))))
									else ( Max(convert(int,DateName(YEAR,TransactionDateTime)))- Max(convert(int,DateName(YEAR,[TitleCertificateDateTime]))))
									end
								)
						 )
					) between -2 and 2
					--then '是'
					--年时间差为-2时
					
					then '是'
					else '否'
					end
			)
		) as 是否2年内
  FROM [TimeComparison]
  group by Id,[TitleCertificateNum],[TaxPaymentProveDateTime],[TitleCertificateDateTime],[TransactionDateTime]

查询结果:
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: SparkSQL、FlinkSQL和HiveSQL是三种不同的SQL查询引擎,它们都可以用于处理大规模数据。它们的性能对比如下: 1. SparkSQL:SparkSQL是基于Spark计算引擎的SQL查询引擎,它可以处理大规模数据,并且具有很好的性能。SparkSQL的优点在于它可以利用Spark的分布式计算能力,可以在内存中缓存数据,从而提高查询速度。但是,SparkSQL的缺点在于它的启动时间比较长,而且在处理小规模数据时,性能不如其他两种SQL查询引擎。 2. FlinkSQL:FlinkSQL是基于Flink计算引擎的SQL查询引擎,它也可以处理大规模数据,并且具有很好的性能。FlinkSQL的优点在于它可以利用Flink的流式计算能力,可以实时处理数据,并且可以在内存中缓存数据,从而提高查询速度。但是,FlinkSQL的缺点在于它的学习曲线比较陡峭,需要一定的学习成本。 3. HiveSQL:HiveSQL是基于Hadoop计算引擎的SQL查询引擎,它也可以处理大规模数据,但是性能相对较差。HiveSQL的优点在于它可以利用Hadoop的分布式计算能力,可以处理大规模数据,并且可以与其他Hadoop生态系统工具无缝集成。但是,HiveSQL的缺点在于它的查询速度比较慢,因为它需要将SQL语句转换为MapReduce任务进行处理。 综上所述,SparkSQL和FlinkSQL在处理大规模数据时具有更好的性能,而HiveSQL则适用于与Hadoop生态系统工具集成的场景。 ### 回答2: SparkSQL、FlinkSQL和HiveSQL都是基于SQL的数据处理引擎,它们都能够处理大规模数据。但是它们的性能和适用场景有所不同。 首先,SparkSQL是Apache Spark的一部分,它是一种非常流行的大数据处理引擎。SparkSQL具有良好的可扩展性和容错性,能够处理大规模且复杂的数据处理任务。但是,在处理小数据量时,SparkSQL的性能不如其他引擎,因为它要启动整个Spark应用程序来处理数据。 其次,FlinkSQL是Apache Flink的一部分,它是一种新兴的流式处理引擎。FlinkSQL是基于流处理的,能够实时处理数据,因此它适合处理实时流式数据。FlinkSQL的性能在流式数据处理方面非常出色,在处理批量数据时也比SparkSQL和HiveSQL更快。 最后,HiveSQL是Apache Hive的一部分,它是基于Hadoop平台的数据处理引擎。HiveSQL是一种批量处理引擎,适合处理大规模的离线数据。HiveSQL的性能在处理此类数据时非常出色,因为它能够利用Hadoop的分布式计算能力,但是在处理实时数据时性能较差。 总的来说,三个SQL引擎都有自己的优势和缺点,选择适合自己业务场景的引擎非常重要。如果需要处理实时流数据和批量数据,则可以选择FlinkSQL;如果需要处理离线批量数据,则可以选择HiveSQL;如果需要处理大规模和复杂的数据,则可以选择SparkSQL。 ### 回答3: SparkSQL FlinkSQL HiveSQL都是目前业内广泛使用的三种SQL查询引擎,均被称为大数据处理的利器。虽然三者都能支持SQL查询,但是它们的实现方式和效率是不同的。 首先是SparkSQL。SparkSQL 作为 Apache Spark 的组件,是在 Spark 引擎上实现 SQL 查询的工具。SparkSQL 是 Apache Spark 的 SQL 引擎,充分利用了 Spark 引擎的内存计算能力和分布式计算能力,因此可以快速高效地进行数据处理和分析。同时,SparkSQL 支持多种数据源,包括 HDFS、Hive、JSON、Parquet 等,还可以与 Spark Streaming 直接集成,支持流处理。 然后是FlinkSQL。FlinkSQL 是 Apache Flink 提供的查询引擎,主要是基于 Flink 所提供的流式计算引擎。相比于 SparkSQL,FlinkSQL 相对年轻和比较新颖。但是 FlinkSQL 在流式计算和 batch 计算都有着良好的性能表现,并且还支持 SQL 标准语言 ANSI SQL,具有较好的兼容性。 最后是HiveSQL。HiveSQL 是基于 Hadoop 生态圈的数据仓库系统,旨在为 Hadoop 带来类似于 SQL 的查询功能,以提高数据分析的效率。在 HiveSQL 中,数据存储在 HDFS 中而不是传统的关系型数据库中。相比于 SparkSQL 和 FlinkSQL,HiveSQL 操作数据时,会将查询转换为 MapReduce 作业或者 Tez DAG 作业,这种转换导致了不可避免的性能损失,性能不如 FlinkSQL 和 SparkSQL。 综上所述,三种SQL查询引擎的性能表现可以总结如下: 1. 对于离线批处理,HiveSQL 有着较好的表现。但是在不断发展的大数据处理场景中,HiveSQL 已经不能满足实时计算的要求。 2. FlinkSQL 和 SparkSQL 在处理流数据时都有着不错的表现,但是 FlinkSQL 相对较新,所以在某些特殊场景下 SparkSQL 更加适合。 3. 对于实时计算而言,FlinkSQL 是一个不错的选择,因为 FlinkSQL 有着相对比较好的复杂流数据的处理能力。 总之,选择哪种 SQL 查询引擎,需要根据具体的数据处理场景和业务需求来选择。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值