MySQL5.7中datetime和timestamp的区别及使用

MySQL5.7中datetime和timestamp的区别及使用

关于TIMESTAMP和DATETIME的比较

一个完整的日期格式如下：YYYY-MM-DD HH:MM:SS[.fraction]，它可分为两部分：date部分和time部分，其中，date部分对应格式中的“YYYY-MM-DD”，time部分对应格式中的“HH:MM:SS[.fraction]”。对于date字段来说，它只支持date部分，如果插入了time部分的内容，它会丢弃掉该部分的内容，并提示一个warning。

相同点：

        两者都可用来表示YYYY-MM-DD HH:MM:SS[.fraction]类型的日期

drop table test;
create table test (dt datetime,tp timestamp);
insert into test select now(),now();

不同点

对于timestamp，他把客户端插入的时间从当前时区转化为utc（世界标准时间）进行存储，查询时，将其又转化为客户端当前时区返回，而datetime，不做任何改变，进步是原因输入和输出。

我们来验证下，改变时区

show variables like '%time_zone%'; 

上述“CST”指的是MySQL所在主机的系统时间，是中国标准时间的缩写，China Standard Time UT+8:00

修改时区

set time_zone='+0:00';
select *from test;

存储范围:

timestamp所能存储的时间范围为：'1970-01-01 00:00:01.000000' 到 '2038-01-19 03:14:07.999999'。
datetime所能存储的时间范围为：'1000-01-01 00:00:00.000000' 到 '9999-12-31 23:59:59.999999'。总结：TIMESTAMP和DATETIME除了存储范围和存储方式不一样，没有太大区别。当然，对于跨时区的业务，TIMESTAMP更为合适。

存储精度

两个存储精度最大都是可以到秒后6位， 如果我们要存储精度为6位的，需要使用 datetime(6) 和 timestamp(6), 另外也要注意 插入数据的时候也要有这么长精度的时间格式才可以，比如 now(6)

ALTER TABLE `channel_management`.`test` 
ADD COLUMN `dt6` DATETIME(6) NULL AFTER `tp`,
ADD COLUMN `tp6` TIMESTAMP(6) NULL AFTER `dt6`;
insert into test(dt,tp,dt6,tp6) select now(),now(),now(6),now(6);
select *from test;

默认值和updte操作

drop table test;
CREATE TABLE `test` (`id` int(11) NOT NULL AUTO_INCREMENT,`dt` datetime  default now() ,`tp` timestamp  default current_timestamp  ,PRIMARY KEY (`id`)
) ;
insert into test(id) select 1; 

更新字段时候自动更新时间drop table test;
CREATE TABLE `test` (`id` int(11) NOT NULL AUTO_INCREMENT,`dt` datetime  default now() ,`tp` timestamp  default current_timestamp  ,`dt_u` datetime  default null  on update now(),`tp_u` timestamp  default null on update current_timestamp  ,PRIMARY KEY (`id`)
) ;
insert into test(id) select 1; 
select *from test;

update test set id=2 where id=1;
select *from test;

在MySQL 5.6.5版本之前，Automatic Initialization and Updating只适用于TIMESTAMP，而且一张表中，最多允许一个TIMESTAMP字段采用该特性。从MySQL 5.6.5开始，Automatic Initialization and Updating同时适用于TIMESTAMP和DATETIME，且不限制数量。

unix_timestamp 和 from_unixtime

我们可以使用bigint 或者double来表示时间，默认是到秒，如果要毫秒则要使用double来表示了

select unix_timestamp((now(3))),unix_timestamp((now(6))),unix_timestamp()
如果存储的是数字，要转换回时间格式则要使用from_unixtime
select from_unixtime(1624330899,'%Y-%m-%d %H:%i:%s'),from_unixtime(1624330899),from_unixtime(1624330899.127,'%Y-%m-%d %H:%i:%s.%f'),from_unixtime(1624330899.127413,'%Y-%m-%d %H:%i:%s.%f'),from_unixtime(1624330899.127413)

日期格式说明如下

以下说明符可用在 format字符串中： 
说明符 
说明 
%a 
工作日的缩写名称 (Sun..Sat) 
%b 
月份的缩写名称(Jan..Dec) 
%c 
月份，数字形式(0..12) 
%D 
带有英语后缀的该月日期(0th, 1st, 2nd, 3rd, ...) 
%d 
该月日期, 数字形式(00..31) 
%e 
该月日期, 数字形式(0..31) 
%f 
微秒(000000..999999) 
%H 
小时(00..23) 
%h 
小时(01..12) 
%I 
小时(01..12) 
%i 
分钟,数字形式(00..59) 
%j 
一年中的天数(001..366) 
%k 
小时(0..23) 
%l 
小时(1..12) 
%M 
月份名称(January..December) 
%m 
月份, 数字形式(00..12) 
%p 
上午（AM）或下午（PM） 
%r 
时间, 12小时制(小时hh:分钟mm:秒数ss后加AM或PM) 
%S 
秒(00..59) 
%s 
秒(00..59) 
%T 
时间, 24小时制(小时hh:分钟mm:秒数ss) 
%U 
周(00..53), 其中周日为每周的第一天 
%u 
周(00..53), 其中周一为每周的第一天 
%V 
周(01..53), 其中周日为每周的第一天; 和%X同时使用 
%v 
周(01..53), 其中周一为每周的第一天; 和%x同时使用 
%W 
工作日名称(周日..周六) 
%w 
一周中的每日(0=周日..6=周六) 
%X 
该周的年份，其中周日为每周的第一天, 数字形式,4位数;和%V同时使用 
%x 
该周的年份，其中周一为每周的第一天, 数字形式,4位数;和%v同时使用 
%Y 
年份, 数字形式,4位数 
%y 
年份, 数字形式(2位数) 
%% 
‘%’文字字符

共同学习资料

MYSQL系列书籍

高可用mysql: =2651 (访问密码: 2651)

MySQL王者晋级之路.pdf: =2651 (访问密码: 2651)

MySQL技术内幕InnoDB存储引擎第2版.pdf: =2651 (访问密码: 2651)

MySQL技术内幕 第4版.pdf: =2651 (访问密码: 2651)

MySQL管理之道，性能调优，高可用与监控（第二版）.pdf: =2651 (访问密码: 2651)

HIVE电子书

Practical Hive.pdf: =2651 (访问密码: 2651)

Hive-Succinctly.pdf: =2651 (访问密码: 2651)

Apache Hive Essentials.pdf: =2651 (访问密码: 2651)

Apache Hive Cookbook.pdf: =2651 (访问密码: 2651)

hadoop电子书

Practical Hadoop Migration.pdf: =2651 (访问密码: 2651)

Hadoop实战-陆嘉恒(高清完整版).pdf: =2651 (访问密码: 2651)

Hadoop & Spark大数据开发实战.pdf: =2651 (访问密码: 2651)

Expert Hadoop Administration.pdf: =2651 (访问密码: 2651)

Big Data Forensics - Learning Hadoop Investigations.pdf: =2651 (访问密码: 2651)

python电子书

python学习手册.pdf: =2651 (访问密码: 2651)

Python基础教程-第3版.pdf: =2651 (访问密码: 2651)

Python编程：从入门到实践.pdf: =2651 (访问密码: 2651)

Python Projects for Beginners.pdf: =2651 (访问密码: 2651)

kafka电子书

Learning Apache Kafka, 2nd Edition.pdf: =2651 (访问密码: 2651)

Kafka权威指南.pdf: =2651 (访问密码: 2651)

Kafka in Action.pdf: =2651 (访问密码: 2651)

Apache Kafka实战.pdf: =2651 (访问密码: 2651)

Apache Kafka Cookbook.pdf: =2651 (访问密码: 2651)

spark电子书

Spark最佳实践.pdf: =2651 (访问密码: 2651)

数据算法--Hadoop-Spark大数据处理技巧.pdf: =2651 (访问密码: 2651)

Spark大数据分析实战.pdf: =2651 (访问密码: 2651)

Spark 2.0 for Beginners.pdf: =2651 (访问密码: 2651)

Pro Spark Streaming.pdf: =2651 (访问密码: 2651)

Spark in Action.pdf: =2651 (访问密码: 2651)

Learn PySpark.pdf: =2651 (访问密码: 2651)

Fast Data Processing with Spark.pdf: =2651 (访问密码: 2651)

Fast Data Processing with Spark, 2nd Edition.pdf: =2651 (访问密码: 2651)

OReilly.Learning.Spark.2015.1.pdf: =2651 (访问密码: 2651)

High Performance Spark.pdf: =2651 (访问密码: 2651)

Machine Learning with PySpark.pdf: =2651 (访问密码: 2651)

Spark for Python Developers.pdf: =2651 (访问密码: 2651)

Spark Cookbook.pdf: =2651 (访问密码: 2651)

Big Data Analytics with Spark.pdf: =2651 (访问密码: 2651)

PySpark SQL Recipes.pdf: =2651 (访问密码: 2651)

Advanced Analytics with Spark Patterns for Learning from Data at Scale .pdf: =2651 (访问密码: 2651)

OReilly.Advanced.Analytics.with.Spark.Patterns.for.Learning.from.Data.at.Scale.pdf: =2651 (访问密码: 2651)

Big Data Analytics Beyond Hadoop_ Real-Time Applications with Storm, Spark, and More Hadoop Alternatives.pdf: =2651 (访问密码: 2651)