前期数据准备

mysql数据库时间类型datetime、bigint、timestamp的查询效率比较

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 文件导入数据，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 做一个转化再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