SQL如何获得本季度第一天、一年的第一天、本月的最后一天

nterval 参数,具有以下设定值:

  设置 描述

  Year yy, yyyy 年

  quarter qq, q 季

  Month mm, m 月

  dayofyear dy, y 一年的日数

  Day dd, d 日

  Week wk, ww 一周的日数

  Hour hh 小时

  minute mi, n 分钟

  second ss, s 秒
millisecond ms 毫秒

  ①本周的星期一
  
  这里我是用周(wk)的时间间隔来计算哪一天是本周的星期一。
  
  SELECT DATEADD(wk, DATEDIFF(wk,0,getdate()), 0)
  
  ②一年的第一天
  
  现在用年(yy)的时间间隔来显示这一年的第一天。
  
  SELECT DATEADD(yy, DATEDIFF(yy,0,getdate()), 0)
  
  ③季度的第一天
  
  假如你要计算这个季度的第一天,这个例子告诉你该如何做。
  
  SELECT DATEADD(qq, DATEDIFF(qq,0,getdate()), 0)
  
  ④当天的半夜
  
  曾经需要通过getdate()函数为了返回时间值截掉时间部分,就会考虑到当前日期是不是在半夜。假如这样,这个例子使
用DATEDIFF和DATEADD函数来获得半夜的时间点。
  
  SELECT DATEADD(dd, DATEDIFF(dd,0,getdate()), 0)
  
  深入DATEDIFF和DATEADD函数计算
  
  你可以明白,通过使用简单的DATEDIFF和DATEADD函数计算,你可以发现很多不同的可能有意义的日期。
  
  目前为止的所有例子只是仅仅计算当前的时间和“1900-01-01”之间的时间间隔数量,然后把它加到“1900-01-01”的
时间间隔上来计算出日期。假定你修改时间间隔的数量,或者使用不同的时间间隔来调用DATEADD函数,或者减去时间间隔而
不是增加,那么通过这些小的调整你可以发现和多不同的日期。
  
  这里有四个例子使用另外一个DATEADD函数来计算最后一天来分别替换DATEADD函数前后两个时间间隔。

  ⑤上个月的最后一天
  
  这是一个计算上个月最后一天的例子。它通过从一个月的最后一天这个例子上减去3毫秒来获得。有一点要记住,在Sql
Server中时间是精确到3毫秒。这就是为什么我需要减去3毫秒来获得我要的日期和时间。
  
  SELECT dateadd(ms,-3,DATEADD(mm, DATEDIFF(mm,0,getdate()), 0))
  
  计算出来的日期的时间部分包含了一个Sql Server可以记录的一天的最后时刻(“23:59:59:997”)的时间。
  
  ⑥去年的最后一天
  
  连接上面的例子,为了要得到去年的最后一天,你需要在今年的第一天上减去3毫秒。
  
  SELECT dateadd(ms,-3,DATEADD(yy, DATEDIFF(yy,0,getdate()), 0))
  
  ⑦本月的最后一天
  
  现在,为了获得本月的最后一天,我需要稍微修改一下获得上个月的最后一天的语句。修改需要给用DATEDIFF比较当前
日期和“1900-01-01”返回的时间间隔上加1。通过加1个月,我计算出下个月的第一天,然后减去3毫秒,这样就计算出了这
个月的最后一天。这是计算本月最后一天的SQL脚本。
  
  SELECT dateadd(ms,-3,DATEADD(mm, DATEDIFF(m,0,getdate())+1, 0))

  ⑧本年的最后一天
  
  你现在应该掌握这个的做法,这是计算本年最后一天脚本
  
  SELECT dateadd(ms,-3,DATEADD(yy, DATEDIFF(yy,0,getdate())+1, 0))。
  
  ⑨本月的第一个星期一
  
  好了,现在是最后一个例子。这里我要计算这个月的第一个星期一。这是计算的脚本。
  
  select DATEADD(wk, DATEDIFF(wk,0, dateadd(dd,6-datepart(day,getdate()),getdate())), 0)
  
  在这个例子里,我使用了“本周的星期一”的脚本,并作了一点点修改。修改的部分是把原来脚本中“getdate()”部分
替换成计算本月的第6天,在计算中用本月的第6天来替换当前日期使得计算可以获得这个月的第一个星期一。

转载于:https://www.cnblogs.com/kevinGao/p/3589959.html

你可能感兴趣的:(大数据)