sqlserver/mysql按天、按小时、按分钟统计连续时间段数据【推荐】

一，写在前面的话

最近公司需要按天，按小时查看数据，可以直观的看到时间段的数据峰值。接到需求，就开始疯狂百度搜索，但是搜索到的资料有很多都不清楚，需要自己去总结和挖掘其中的重要信息。现在我把分享出来了呢，希望大家喜欢。

针对sqlserver, 有几点需要给大家说清楚（不懂的自行百度）：

•master..spt_values 是什么东西？能用来做什么？
•如何产生连续的时间段（年， 月， 天，小时，分钟）

二，master..spt_values是什么东西？能用来做什么呢？

相对固定通用的取数字的表，主要作用就是取连续数字，不过有个缺陷就是只能取到2047。可以执行下面语句就知道什么意思了。

select number from master..spt_values where type='p'

三，如何产生连续的时间段（年， 月， 天，小时，分钟）

在实际的运用中，目前主要是产生连续的时间段。我准备了常用的操作，那下面的语句就分别展示出来。

-- 按年产生连续的
SELECT
substring(CONVERT(NVARCHAR(10), DateAdd(YEAR, number, '2016-01-01'),120),1,4) AS GroupDay,type
FROM
master..spt_values
WHERE type = 'p' AND number <= DateDiff(YEAR, '2016-01-01', '2019-01-01')
-- 按月产生连续的
SELECT
substring(CONVERT(NVARCHAR(10), DateAdd(MONTH, number, '2019-01-01'),120),1,7) AS GroupDay,type
FROM
master..spt_values
WHERE type = 'p' AND number <= DateDiff(MONTH, '2018-01-01', '2019-01-01')
-- 按天产生连续的
SELECT
CONVERT(NVARCHAR(10), DateAdd(day, number, '2019-01-01'),120) AS GroupDay,type
FROM
master..spt_values
WHERE type = 'p' AND number <= DateDiff(day, '2019-01-01', '2019-01-18')
-- 按小时产生连续的
SELECT
substring(convert(char(32),DATEADD(HH,number,CONCAT('2019-01-18',' ', '00:00')),120),1,16) AS GroupDay,type
FROM
master..spt_values
WHERE type = 'p' AND DATEDIFF(HH,DATEADD(HH,number,CONCAT('2019-01-18',' ', '00:00')),CONCAT('2019-01-18',' ', '23:00'))>=0
-- 按分钟的就自己可以YY了
......

四，与业务场景进行结合

有了连续的数据过后，当然就是以时间为主，进行左连接。就可以查出统计数据了。

下面我就说说我使用的两个统计案例（是采用存储过程来实现了，所以有@符号的是变量），给到大家，至于看不看得懂，就看你的能力了。

-- 按天统计交易笔数
select a.GroupDay, ISNULL(b.e, 0) 'feeCount' from (
  SELECT
   CONVERT(NVARCHAR(10), DateAdd(day, number, @paySdate),120) AS GroupDay,type
  FROM
   master..spt_values
  WHERE
   type = 'p' AND number <= DateDiff(day, @paySdate, @payEdate)
  ) a
  left join
   (select
    convert(char(32),create_time,23) as d, count(*) as e
   from
    trade_log where create_time >= @paySdate and create_time<=@payEdate
   group by convert(char(32),create_time,23)) b on b.d=a.GroupDay
-- 按小时统计交易笔数
select a.GroupDay, ISNULL(b.e,0) 'feeCount' from (
   SELECT
    substring(convert(char(32),DATEADD(HH,number,CONCAT(@paySdate,' ', @paySTime)),120),1,16) AS GroupDay,type
   FROM
    master..spt_values
   WHERE
    type = 'p' AND DATEDIFF(HH,DATEADD(HH,number,CONCAT(@paySdate,' ', @paySTime)),CONCAT(@payEdate,' ', @payETime))>=0
   ) a
   left join (
   select
    convert(char(32),create_time,23) as d, datepart(hh,create_time) as h,
    substring(convert(char(32),DATEADD(HH,datepart(hh,create_time),convert(char(32),create_time,23)),120),1,16) as st,
    count(*) as e
   from
    trade_log
   where create_time >= @paySdate and create_time<=@payEdate
    and convert(char(8),create_time,108)>=@paySTime and convert(char(8),create_time,108)<=@payETime
   group by convert(char(32),create_time,23),datepart(hh,create_time)) b
   on b.st=a.GroupDay order by GroupDay

五，总结及展望

掌握的知识点：

•熟悉了存储过程的语法和编写过程
•学习到了master..spt_values是什么？以及可以使用的场景？
•针对按时间进行统计，比如按天，小时进行统计的实现方法。

展望:

•局限性：这种方式目前只针对sqlserver, 但是目前大部分都是mysql。

ps：MySQL按天，按周，按月，按时间段统计

自己做过MySQL按天，按周，按月，按时间段统计，但是不怎么满意，后来找到这位大神的博客，转载一下，谢谢这位博主的分享

知识点：DATE_FORMAT

使用示例

select DATE_FORMAT(create_time,'％Y％m％d') days,count(caseid) count from tc_case group by days;
select DATE_FORMAT(create_time,'％Y％u') weeks,count(caseid) count from tc_case group by weeks;
select DATE_FORMAT(create_time,'％Y％m') months,count(caseid) count from tc_case group by months;

DATE_FORMAT(date,format)

根据format字符串格式化date值。下列修饰符可以被用在format字符串中：

•％M 月名字(January……December)
•％W 星
期名字(Sunday……Saturday)
•％D 有英语前缀的月份的日期(1st, 2nd, 3rd, 等等。）
•％Y 年, 数字, 4 位
•％y 年, 数字, 2 位
•％a 缩写的星期名字(Sun……Sat)
•％d 月份中的天数, 数字(00……31)
•％e 月份中的天数, 数字(0……31)
•％m 月, 数字(01……12)
•％c 月, 数字(1……12)
•％b 缩写的月份名字(Jan……Dec)
•％j 一年中的天数(001……366)
•％H 小时(00……23)
•％k 小时(0……23)
•％h 小时(01……12)
•％I 小时(01……12)
•％l 小时(1……12)
•％i 分钟, 数字(00……59)
•％r 时间,12 小时(hh:mm:ss [AP]M)
•％T 时间,24 小时(hh:mm:ss)
•％S 秒(00……59)
•％s 秒(00……59)
•％p AM或PM
•％w 一个星期中的天数(0=Sunday ……6=Saturday ）
•％U 星期(0……52), 这里星期天是星期的第一天
•％u 星期(0……52), 这里星期一是星期的第一天
•％％ 一个文字“％”。

总结

以上所述是小编给大家介绍的sqlserver/mysql按天、按小时、按分钟统计连续时间段数据,网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！

来源：https://www.cnblogs.com/werewolfBoy/archive/2019/06/24/11076072.html