我用的是hive版本是3.1.3，spark版本是3.3.1，它们的unix_timestamp 函数在同样的语句下转换出来的时间戳是完全不同的，如下试验所示

1.unix_timestamp 函数的坑

在这里插入图片描述
上图试验中我同样的计算 2025-07-11 10:00:00 时间点对应的时间戳，但是尽管在我换了时区的情况下，他们得到的是同一个答案，都是 1752228000 ，没错，这个时间戳就是UTC+0时间下的对应2025-07-11 10:00:00的时间戳，这点就有点坑，因为我们变化了时区，肯定是想要它转成对应时区下的时间戳。
spark
在spark-sql中是会根据所给的时间戳改变的，这里有一个细节，特别需要注意，spark.sql.session.timeZone Zone一定要大写，如果小写的话，就会跟hive一样达不到随着时间戳改变而变化

2. 时间戳和对应时区的时间之间的转换

首先需要明确的一点是时间戳的定义：它是指从自"Unix纪元"(1970-01-01 00:00:00 UTC)以来经过的秒数或毫秒数 所有它是一个绝对值，不会应为时区的变化而变化，而时区是指全球各个地区自己定义一天时间的方法。

基于上面对时间戳和时区概念的理解，我们提出一个结论，给定一个时间戳比如 1752163200 ，它是绝对的，也是不会变化的，根据这个时间戳，然后各地区根据自己所在的时区可以解析出不同的时间，比如，它表示 Asia/Shanghai(UTC+8) 时区的 2025-07-11 00:00:00 ，同时也表示Asia/Seoul(UTC+9) 时区的2025-07-11 01:00:00，同时也表示America/New_York(UTC-4)2025-07-10 12:00:00时区的等等
这是时间戳转根据时区转时间，我们可以明显看出来在时间戳转时间的时候，如果知道了一个转的结果，比如知道 Asia/Shanghai(UTC+8) 转出来的时间是 2025-07-11 00:00:00 ，那对应的 America/New_York(UTC-4) 的时间不用再用时间戳转，直接用目标时区的值（-4）减去前面基础时区的值（+8），得到-12（-4-8=-12），最后用基础时间加上前面计算出来的值就可以了，也就是2025-07-11 00:00:00加上-12个小时也就是2025-07-10 12:00:00。
如果是时间转时间戳的时候，就正好相反，用基础时区的值减去目标时区的值（由于这是时间戳计算，最后需要进行6060处理），然后和对基础时区转出来的时间戳做加法（减出来是负数就是减）