深入Mysql - 谈谈我对数据类型的认识

简述

• 良好的逻辑设计和物理设计是高性能系统的基石，比如反范式设计可以加快某些类型的查询同时也会影响另外一些类型的查询效率，所以我们必须重视Mysql对于数据库的设计（本文主要讲述表字段类型对于数据库性能的影响）。

• 由于Mysql独有的特性和实现细节对性能的影响是很明显的，因为做好Mysql数据库的设计很关键。对于数据库设计，我们不得不提表字段的类型选择，由于Mysql支持的数据类型非常多，因此如何选择正确的数据类型对于获得高性能至关重要。不管要存储的数据是什么类型，我们都需要根据一些数据库设计原则来考虑。

选择数据类型的思考

• 更小的通常是更好的（一般情况下，应该尽可能使用正确存储数据的最小数据类型。）

为什么呢？

（1） 因为更小的数据类型通常更快，因为它们占用更少的磁盘、内存和CPU缓存，并且处理时需要的CPU周期也更短。
（2） 要确保没有低估需要存储的值的范围，更小是相对与数据类型的最大值范围来讲的。
（3） 如果无法确定哪个数据类型是最好的，就选择你认为不会超过范围的最小类型。

• 简单就好（简单数据类型的操作通常需要更短的CPU周期。）

为什么呢？下面有几个例子说明一下原因。

（1） 整型比字符串操作代价更低，因为字符串集和校对规则（排序规则）是的字符比较比整型比较更复杂。
（2） 存储日期和时间应该使用Mysql内建的类型（date,time,datatime）。
（3） IP地址的存储应该用整型(int)。

• 尽量避免 NULL （空值）

为什么呢？

（1） 很多表都包含可为NULL的列，就算程序并不需要保存NULL也是如此，这是因为列的默认属性就是可为NULL。通常情况下最好指定列NOT NULL，除非真的需要存储NULL。
（2） 如果查询中包含可为NULL的列，对于Mysql来说是很难优化的，因为NULL的列使得索引，索引统计和值比较都更复杂。可为NULL的列会使用更多的存储空间，在Mysql里也需要特殊处理。当可为NULL的列被索引时，每个索引记录需要一个额外的字节，在MyISAM里甚至还可能导致固定大小的索引变成可变大小的索引。
（3） 通常把可为NULL的列改为NOTNULL带来性能提升比较小，如果计划在列上建索引的话，就应该尽量避免设计成可为NULL的列。（也有一个例外，那就是在InnoDB中，会使用单独的位（bit）来存储NULL值，所以对稀疏数据有很好的空间效率。）

• 总结

在为列选择数据类型时，第一步需要确定合适的大类型（数字、字符串、时间等等），这通常是很简单的，那么下一步就是选择具体的类型了。

很多Mysql的数据类型可以存储相同类型的数据，只是存储的长度和范围不一样、允许的精度不同，或者需要的物理空间（磁盘和内存空间）不同。相同大类型的不同子类型数据有时候也有一些特殊的行为和属性。
比如：DATATIME 和 TIMESAMP列都可以存储相同类型的数据（时间和日期）并且精确到秒，然而TIMESTAMP只使用DATATIME一半的存储空间，并且会根据时区变化，具有特殊的自动更新能力。另外TIMESTAMP允许的时间范围要小得多，有时候它的特殊能力会成为障碍，这都是我们开发者需要考虑的。

整数类型

• 有两个类型的数字：整数（whole number）和实数（real number）。

如果存储整数，可以使用这几种整数类型：TINNYINT（8）、SMALLINT（16）、MEDIUMINT（24）、INT（32）、BIGINT（64）。

• 整数类型有可选的的UNSIGNED属性，表示不允许为负值，这大致可以是正数的上限提高一倍。

比如：TINYINT UNSIGNED可以存储的范围是0~255，而TINYINT的存储范围是-127~128.

• 有符号和无符号类型使用相同的存储空间，并具有相同的功能.

因此可以根据实际情况选择合适的类型。

• 你的选择决定Mysql是怎么在内存和磁盘中保存数据的。

整数一般选择64位的BIGINT整数，即使在32位环境下也是如此。（但是一些聚合函数是例外，它们是使用DECIMAL或DOUBLE进行计算的）

• Mysql可以为整数类型指定宽度。

比如：INT（11），对大多数应用这是没有意义的：它不会限制值的合法范围，只是规定了Mysql的一些交互工具（例如Mysql命令行客户端）用来显示字符的个数。对于存储和计算来讲，INT（1）和INT（20）是相同的。

一些第三方存储引擎（比如Infobright）有时也有自定义的存储格式和压缩方案，并不一定使用常见的Mysql内置引擎的方式。 

实数类型

• 实数是带有小数部分的数字。

它们不只是未来存储小数部分，也可以使用DECIMAL存储比BIGINT还要大的整数。Mysql既支持精确类型，也支持不精确类型。

• DECIMAL类型用于存储精确的小数。

在Mysql5.0或者更高版本支持精确运算，而在Mysql4.1以及更早版本中使用浮点运算会出现异常（主要是精度的损失导致的）。

• FLOAT和DECIMAL类型都可以指定进度。

对于DECIMAL列可以指定小数点前后所允许的最大位数，这会影响列的空间消耗。有很多方法可以指定FLOAT（浮点）列所需要的精度，这会使得Mysql悄悄选择了不同的数据类型，或者在存储时对值进行取舍，但是这些精度往往都是非标准的，所以一般建议只指定数据类型不指定精度。

• 由于需要额外的空间和计算开销，所以应该尽量只在对小数进行精确计算时才使用DECIMAL。

比如存储财务数据，但是如果数据量比较大的时候，可以考虑使用BIGINT代替DECIMAL，将需要存储的货币单位根据小数的位数乘以相应的倍数即可。

• FLOAT和DOUBLE类型支持使用标准的浮点运算进行近似计算。

字符串类型

• Mysql支持多种字符串类型，每种类型还有很多变种。其中VARCHAR和CHAR是两种最主要的字符串类型。

注意：Mysql存储引擎存储CHAR或者VARCHAR值的方式在内存中和在磁盘上可能不一样，所以Mysql服务器从存储引擎读取的值可能需要转换为另外一种存储格式。

• VARCHAR类型用于存储可变长字符串，是最常见的字符串数据类型。

• VARCHAR比定长类型更节省空间，因为它仅使用必要的空间（越短的字符串使用越少的空间）。

• VARCHAR需要使用1或2个额外字节记录字符串的长度。

• VARCHAR节省了存储空间，所以对性能是有帮助的。

下面是一些VARCHAR适合使用的场景：
（1）字符串列的最大长度比平均长度大很多。
（2）列的更新很少，所以碎片不是问题。
（3）使用了像UTF-8这样复杂的字符集，每个字符都使用不同的字节数进行存储。

• CHAR类型是定长的。（Mysql总是根据定义的字符串长度分配足够的空间）

• CHAR适合存储很短的字符串，或者所有值都接近同一个长度。

和VARCHAR和CHAR类似的类型还有BINARY和VARBINARY，它们存储的都是二进制字符串。

注意：使用VARCAHR（5）和VARCHAR（200）存储“hello”的空间开销都是一样的，那么使用更短的列有什么优势呢？（事实证明有很大的优势）

• 更长的列会消耗更多的内存，因为Mysql通常会分配固定大小的内存块来保存内部值。尤其是使用内存临时表进行排序或者操作时会特别糟糕。在利用磁盘临时表进行排序时也同样糟糕。

注意：归根到底，最好的策略是只分配真正需要的空间。

BLOB和TEXT类型

• BLOB和TEXT都是为存储很大的数据而设计的字符串数据类型，分别使用二进制和字符方式存储。

• 实际上它们分别属于两组不同的数据类型家族：
  字符串类型有TINYTEXT、SMALLTEXT、TEXT、MEDIUMTEXT、LONGTEXT；

二进制类型有TINYBLOB、SMALLBLOB、BLOB、MEDIUMBLOB、LONGBLOB；

ENUM类型

• 可以使用枚举（ENUM）代替字符串类型。很多时候建议使用枚举列代替常用的字符串类型。

（1）枚举列可以把一些不重复的字符串存储成一个预定义的集合。
（2）Mysql在存储枚举时非常紧凑，会根据列表值的数量压缩到一到两个字节中。
（3）Mysql在内部会将每个值在列表中的位置保存为整数，并且在表的.frm文件中保存“数字-字符串”映射关系的“查找表”。

注意：有一个令人吃惊的地方是，枚举字段是按照内部存储的整数而不是定义的字符串进行排序的。

注意：枚举最不好的地方是：字符串列表是固定的，添加或者删除字符串必须使用ALTER TABLE，因此对于一系列未来可能会改变的字符串，使用枚举并不是一个好主意，除非接受只能在列表末尾添加元素。

注意：由于Mysql把每个枚举值保存为整数，并且必须进行查找才能转换为字符串，所以枚举列有一些开销。

日期和时间类型

• Mysql有很多类型可以保存日期和时间值，比如YEAR和DATE。

• Mysql能存储的最小时间粒度为秒（MariaDB支持微秒级别的事件类型）。但是Mysql也可以使用微秒级别的粒度进行临时运算。

• 大部分时间类型都没有替代品，因此没有什么是最佳选择的问题。

接下来唯一的问题是保存日期和时间的时候需要做什么。

• DATETIME

（1）这个类型能保存大范围的值，从1001年到9999年，精度为秒。
（2）DATETIME把时间和日期封装到格式为YYYYMMDDHHMMSS的整数中，与时区无关。
（3）DATETIME使用8个字节的存储空间。

• TIMESTAMP

（1）TIMESTAMP类型保存了从1970年1月1日午夜以来的秒数，它和UNIX时间戳相同。
（2）TIMESTAMP只使用4个字节的存储空间，因此它的范围比DATETIME小得多。
（3）TIMESTAMP显示的值依赖时区。

DATETIME和TIMESTAMP的对比:

（1）默认情况下，如果插入时没有指定第一个TIMESTAMP列的值，Mysql则设置这个列的值为当前时间。（这是DATETIME没有的特性）
（2）在插入一行记录时，Mysql默认也会更新第一个TIMESTAMP列的值。
（3）TIMESTAMP列默认为NOT NULL，这与其他的数据类型不一样。

• 总结

（1）除了特殊行为之外，通常也应该尽可能使用TIMESTAMP，因为它比DATETIME空间效率更高。
（2）一般来讲不建议把UNIX时间戳保存为整数值，这不会带来任何收益，用整数保存时间戳格式通常不方便处理。
（3）如果需呀存储比秒更小粒度的日期和时间值，可以使用BIGINT类型存储微秒级别的时间戳，或者使用DOUBLE存储秒之后的小数部分，也可以用MariaDB替代Mysql。

位数据类型

• BIT定义一个包含单个位的字段，BIT（2）存储2个位，最大长度是64个位。

注意：一般建议谨慎使用BIT类型，对于大部分应用来讲最好避免使用这种类型。

选择标识符

• 为identifier（标识列）选择合适的数据类型非常重要。

• 一般来讲更有可能用标识列与其他值进行比较，或者通过标识列寻找其他列。

• 当选择标识列的类型时，不仅仅需要考虑存储类型，还需要考虑Mysql对这种类型怎么执行计算和比较。

• 一旦选定了一种类型，要确保在所有关联表中都使用同样的类型。

• 在可以满足值的范围需求，并且预留未来增长空间的前提下，应该选择最小的数据类型。

注意：整数通常是标识列最好的选择，因为它们很快而且可以使用AUTO_INCREMENT。
注意：ENUM和SET是最糟糕的选择了；如果可能也尽可能避免使用字符串作为标识列，因为它们很消耗空间并且通常比数字类慢。

全文总结

对于数据库设计，一定要三思而后行，选择最适合的数据列类型还有决定数据列的大小都是很关键的一步。
其实大可不必惊慌，无论对于任何类型需求的数据表设计，你只要记住一个原则，很重要很重要很重要的原则：尽可能使用正确存储数据的最小数据类型。

PS：很晚了，总结先草草了事，日后还会更新......