博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
ad的pwdLastSet,微软时间戳转java的date
阅读量:4216 次
发布时间:2019-05-26

本文共 767 字,大约阅读时间需要 2 分钟。

在ad里面用户的密码最后修改时间是一个long型的。用微软的话说:the number of 100 nanosecond intervals since January 1, 1601 (UTC)

也就是是从1601年1月1日到当前时间的一个100纳秒数。首先这个数去掉后四位,就变成了毫秒数。

但是因为跟java的开始计算时间不一样,所以还不能比较。

java是从1970年1月1日00:00:00开始算。而微软从1601年1月1日00:00:00开始算。

要为这两个时间点中间差多少毫秒。可需要好好算一算,是不是还得算中间有多少闰年啊。

其实不用,只要举一个例子,知道一个具体的时间,直接能算出差值的。

比如现在知道 131596092000000000 是微软时间 2018年1月5日 的15:00:00 

而在java的date里这个日期的毫秒数是:1515135600000

两个的差是 11644473600000。

再有微软的时间,先砍掉后四位,在减去 11644473600000,就可以直接转java日期了。分毫不差。

Date date  = new Date(13159609200000L);        Date date2  = new Date(118,0,5,15,0,0);        System.out.println(date2);        System.out.println(date2.getTime());        System.out.println(13159609200000L - date2.getTime());        System.out.println(new Date(13205468290468L - 11644473600000L));

 

转载地址:http://yrnmi.baihongyu.com/

你可能感兴趣的文章
【Big Data 每日一题20180929】Spark DAG概述
查看>>
【Big Data 每日一题 - 20180930】Spark启动时的master参数以及Spark的部署方式
查看>>
【Big Data 每日一题20181001】java 深拷贝 方案 (中英版)
查看>>
JNI Java Native Interface
查看>>
阅读源码的三种境界 (转 码农翻身 微信公众号)
查看>>
All Things OpenTSDB
查看>>
表格存储最佳实践:一种用于存储时间序列数据的表结构设计
查看>>
OpenTSDB介绍
查看>>
OpenTSDB原理系列:元数据模型
查看>>
解密OpenTSDB的表存储优化
查看>>
OpeTSDB的Configuration配置
查看>>
FQDN
查看>>
时序数据库
查看>>
jmxtrans+influxdb+granafa监控hbase
查看>>
使用jmxtrans监控Spark JVM信息到grafana显示
查看>>
HBase - ROOT 和 META 表结构 (region定位原理)
查看>>
HBase API 和 基本操作
查看>>
Hbase的存储模型
查看>>
InfluxDB influxdbc.conf配置文件详解
查看>>
通过BulkLoad的方式快速导入海量数据
查看>>