前期数据准备

通过程序往数据库插入50w数据

• 数据表：

  CREATE TABLE `users` (
    `id` int(11) NOT NULL AUTO_INCREMENT,
    `time_date` datetime NOT NULL,
    `time_timestamp` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
    `time_long` bigint(20) NOT NULL,
    PRIMARY KEY (`id`),
    KEY `time_long` (`time_long`),
    KEY `time_timestamp` (`time_timestamp`),
    KEY `time_date` (`time_date`)
  ) ENGINE=InnoDB AUTO_INCREMENT=500003 DEFAULT CHARSET=latin1
  

  其中time_long、time_timestamp、time_date为同一时间的不同存储格式

• 实体类users

  
  @Builder
  @Data
  public class Users {
      /**
       * 自增唯一id
       * */
      private Long id;
  
      /**
       * date类型的时间
       * */
      private Date timeDate;
  
      /**
       * timestamp类型的时间
       * */
      private Timestamp timeTimestamp;
  
      /**
       * long类型的时间
       * */
      private long timeLong;
  }
  

• dao层接口

  
  @Mapper
  public interface UsersMapper {
      @Insert("insert into users(time_date, time_timestamp, time_long) value(#{timeDate}, #{timeTimestamp}, #{timeLong})")
      @Options(useGeneratedKeys = true,keyProperty = "id",keyColumn = "id")
      int saveUsers(Users users);
  }
  

• 测试类往数据库插入数据

  public class UsersMapperTest extends BaseTest {
      @Resource
      private UsersMapper usersMapper;
  
      @Test
      public void test() {
          for (int i = 0; i < 500000; i++) {
              long time = System.currentTimeMillis();
              usersMapper.saveUsers(Users.builder().timeDate(new Date(time)).timeLong(time).timeTimestamp(new Timestamp(time)).build());
          }
      }
  }
  
  

sql查询速率测试

• 通过datetime类型查询：

  select count(*) from users where time_date >="2018-10-21 23:32:44" and time_date <="2018-10-21 23:41:22"
  

  耗时：0.171

• 通过timestamp类型查询

  select count(*) from users where time_timestamp >= "2018-10-21 23:32:44" and time_timestamp <="2018-10-21 23:41:22"
  

  耗时：0.351

• 通过bigint类型查询

  select count(*) from users where time_long >=1540135964091 and time_long <=1540136482372  
  

  耗时：0.130s

• 结论 在InnoDB存储引擎下，通过时间范围查找，性能bigint  > datetime > timestamp

sql分组速率测试

使用bigint 进行分组会每条数据进行一个分组，如果将bigint做一个转化在去分组就没有比较的意义了，转化也是需要时间的

• 通过datetime类型分组：

  select time_date, count(*) from users group by time_date
  

  耗时：0.176s

• 通过timestamp类型分组：

  select time_timestamp, count(*) from users group by time_timestamp
  

  耗时：0.173s

• 结论 在InnoDB存储引擎下，通过时间分组，性能timestamp > datetime，但是相差不大

sql排序速率测试

• 通过datetime类型排序：

  select * from users order by time_date
  

  耗时：1.038s

• 通过timestamp类型排序

  select * from users order by time_timestamp
  

  耗时：0.933s

• 通过bigint类型排序

  select * from users order by time_long
  

  耗时：0.775s

• 结论 在InnoDB存储引擎下，通过时间排序，性能bigint > timestamp > datetime

小结

如果需要对时间字段进行操作(如通过时间范围查找或者排序等)，推荐使用bigint，如果时间字段不需要进行任何操作，推荐使用timestamp，使用4个字节保存比较节省空间，但是只能记录到2038年记录的时间有限