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
/** * @author hetiantian * @date 2018/10/21 * */ @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 /** * @author hetiantian * @date 2018/10/21 * */ @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()); } } }
生成数据代码方至 github：https://github.com/TiantianUpup/sql-test/ 如果不想用代码生成，而是想通过 sql 文件倒入数据，附 sql 文件网盘地址：https://pan.baidu.com/s/1Qp9x6z8CN6puGfg-eNghig
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。