获取本地化日期的毫秒数，同时考虑夏令时

Question

我在Google BigQuery中有这样的数据：

---

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
...

数据样本应定期提供，由milliseconds_between_samples字段的值指示：

time_zone是一个字符串，表示 Google Cloud 支持的时区值

---

然后，我检查任何特定日期的实际样本数与预期数量的比率，对于任何一天的范围(表示为给定time_zone的本地日期)：

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 

问题是这有一个错误，因为我已将一天中的预期毫秒数硬编码为86400000。这是不正确的，因为当夏令时在指定的time_zone(Europe/Paris) 开始时，一天的时间缩短了 1 小时。夏令时结束时，一天将延长 1 小时。

因此，上面的查询不正确。它查询Europe/Paris时区(即该时区开始夏令时)的今年 3 月 31 日的数据。当天的毫秒应82800000.

在查询中，如何获取指定localised_date的正确毫秒数？

更新：

我尝试这样做以查看它返回的内容：

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)

那没用 - 我得到了86400000

Answer 1

您可以通过删除+01:00和+02:00来获得两个时间戳的毫秒差异。请注意，这给出了 UTC：90000000中的时间戳之间的差异，这与经过的实际毫秒数不同。

您可以执行以下操作来获取一天的毫秒数：

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))

Answer 2

感谢@Juta，提供有关使用 UTC 时间进行计算的提示。当我按本地化日期对每天的数据进行分组时，我发现我可以通过获取"本地化"日期的开始和结束日期时间(UTC 格式)来计算每天的毫秒数，使用以下逻辑：

-- 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);

因此，我的完整查询变为：

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