SQL Server datetime數據類型設計以及優化誤區
導讀：SQL Server數據庫的發展就離不開數據庫的數據類型設計以及數據庫的優化，要想做好數據庫中數據類型設計以及數據庫優化工作，就首先要熟練掌握下文中介紹的數據類型設計以及數據庫優化的誤區。
場景：在SQL Server 2005中，有一個表TestDatetime，其中Dates這個字段的數據類型是datetime，如果你看到表的記錄如下圖所示，你最先想到的是什么呢？
（圖1：數據列表）
你看到這些數據，是不是覺得這樣的設計既浪費了存儲空間，又使得這個列的索引增大，查詢起來更慢，你也想使用一些其它的數據類型來代替這個datetime吧？
其實大家都是這么想的，這個方向是100%正確的，但是在寫這篇文章以前，我進入了兩個誤區：（如果你中了下面的兩個誤區，那么請你看看這篇文章吧。）
誤區一： 把Dates字段的datetime數據類型換成smalldatetime，這樣數據就由：‘2009-04-09 00:00:00.000’變為‘2009-04-09 00:00:00’，這個看起來沒有減少多少存儲空間哦。
誤區二：把Dates字段的datetime數據類型換成char(10)，這樣數據就由：‘2009-04-09 00:00:00.000’變為‘2009-04-09’，這好像能減少很多存儲空間哦。
分析
在SQL Server 2005版本中保存日期的數據類型只有兩種：datetime、smalldatetime，但是在SQL Server 2008版本中新增了一些日期數據類型：time、date、smalldatetime、datetime、datetime2、datetimeoffset，其中的date類型就能滿足我們場景中的需求了，如果你幸運的在使用SQL Server 2008的話，那么恭喜你，請使用date數據類型吧。
但是我就比較可悲一點了，在使用SQL Server 2005的前提下，我進入了誤區一、誤區二。其實這也是因為自己忽略了一下基礎性的東西，如果知道不同數據類型的存儲空間大小，也許就很輕易的避免這樣低級的錯誤了。
其實你查看表TestDatetime中的Dates字段的時候，看到查詢結果中的：“-”、“:”只是用于顯示的，并不是真實保存的時候就這樣格式的。
datetime占用8個字節，前4個字節存儲base date（即1900年1月1日）之前或之后的天數，后4個字節存儲午夜后的毫秒數。值范圍：1753-01-01 到 9999-12-31。
smalldatetime占用4個字節，前2個字節存儲base date（1900年1月1日）之后的天數。后2個字節存儲午夜后的分鐘數。值范圍：1900-01-01 到 2079-06-06。
date占用3個字節，它比smalldatetime的前2個字節多了1字節，所以值的范圍更廣了。值范圍：0001-01-01 到 9999-12-31。
所以，如果你使用char(10)來保存截斷的日期，那么你的存儲空間反而更大了。
結論： 如果是SQL Server 2005，那么請你使用smalldatetime吧，數據能節約一半，雖然查詢的時候看起來沒什么改變；如果你是SQL Server 2008，那么請你使用date吧，
雖然3個字節跟4個字節沒有多大的差距，但是從設計上和邏輯清晰度上都有很大的提升，而且差距有些時候并不是1個字節的問題，比如當表數據量達到幾個億的時候，還是有差別的，又或者一條記錄可能因為差1個字節就剛剛好給8060字節的頁瓜分，這些都不容忽視的。
<!--[if !supportLists]-->三、<!--[endif]-->測試
下面我們就從數據存儲的大小、索引存儲的大小、索引使用時候的速度這幾個方面進行測試：（這里只測試數據類型：，，數據的內容都是一樣的）
<!--[if !supportLists]-->(一) <!--[endif]-->測試前奏：
<!--[if !supportLists]-->1. <!--[endif]-->創建三種數據類型char(10)、datetime、smalldatetime的表；（表結構如下面SQL）
CREATE TABLE [dbo].[TestDatetime](
[Id] [int] IDENTITY(1,1) NOT NULL,
[Dates] [datetime] NULL,
CONSTRAINT [PK_TestDatetime] PRIMARY KEY CLUSTERED
(
[Id] ASC
)WITH (IGNORE_DUP_KEY = OFF) ON [PRIMARY]
) ON [PRIMARY]
<!--[if !supportLists]-->2. <!--[endif]-->插入相同記錄到三個表中；（這里插入1210000條記錄）
<!--[if !supportLists]-->3. <!--[endif]-->為[Dates]字段創建索引；（在創建索引的時候可以設置填充因子為100%）
<!--[if !supportLists]-->4. <!--[endif]-->查看索引屬性中的索引碎片信息，查看表數據和索引占用的空間，測試[Dates]字段索引的查詢效率；
<!--[if !supportLists]-->(二) <!--[endif]-->測試結果：
<!--[if !supportLists]-->1. <!--[endif]-->數據存儲大小：
（圖2：數據空間對比）
索引存儲信息：
（圖3：char(10)）
（圖4：datetime）
（圖5：smalldatetime）
索引查詢的情況：
多次執行，SQL Server執行時間為：[char(10)] 大部分在43~59徘徊，偶爾出現小于10的；[datetime]平均在1~2毫秒；[smalldatetime]均在1毫秒；而且大家會發現[smalldatetime]有其它的9次邏輯讀取變為8次了。
--[TestChar10]
SQL Server 分析和編譯時間:
CPU 時間= 0 毫秒，占用時間= 1 毫秒。
(2200 行受影響)
表'TestChar10'。掃描計數1，邏輯讀取9 次，物理讀取0 次，預讀0 次，lob 邏輯讀取0 次，lob 物理讀取0 次，lob 預讀0 次。
SQL Server 執行時間:
CPU 時間= 0 毫秒，占用時間= 59 毫秒。
SQL Server 執行時間:
CPU 時間= 0 毫秒，占用時間= 1 毫秒。
--[TestDatetime]
SQL Server 分析和編譯時間:
CPU 時間= 0 毫秒，占用時間= 1 毫秒。
(2200 行受影響)
表'TestDatetime'。掃描計數1，邏輯讀取9 次，物理讀取0 次，預讀0 次，lob 邏輯讀取0 次，lob 物理讀取0 次，lob 預讀0 次。
SQL Server 執行時間:
CPU 時間= 0 毫秒，占用時間= 2 毫秒。
SQL Server 執行時間:
CPU 時間= 0 毫秒，占用時間= 1 毫秒。
--[TestSmalldatetime]
SQL Server 分析和編譯時間:
CPU 時間= 0 毫秒，占用時間= 1 毫秒。
(2200 行受影響)
表'TestSmalldatetime'。掃描計數1，邏輯讀取8 次，物理讀取0 次，預讀0 次，lob 邏輯讀取0 次，lob 物理讀取0 次，lob 預讀0 次。
SQL Server 執行時間:
CPU 時間= 0 毫秒，占用時間= 1 毫秒。
SQL Server 執行時間:
CPU 時間= 0 毫秒，占用時間= 1 毫秒。
--SQL Server 2008新數據類型
SELECT
CAST('2007-05-08 12:35:29. 1234567 +12:15' AS time(7)) AS 'time'
,CAST('2007-05-08 12:35:29. 1234567 +12:15' AS date) AS 'date'
,CAST('2007-05-08 12:35:29.123' AS smalldatetime) AS
'smalldatetime'
,CAST('2007-05-08 12:35:29.123' AS datetime) AS 'datetime'
,CAST('2007-05-08 12:35:29. 1234567 +12:15' AS datetime2(7)) AS 'datetime2'
,CAST('2007-05-08 12:35:29.1234567 +12:15' AS datetimeoffset(7)) AS 'datetimeoffset';
SQL Server datetime數據類型設計以及數據庫優化誤區就為大家總結這么多，可能還不夠全面，以后有機會還會繼續為大家介紹更多的總結，希望大家都能夠從中有所收獲。
【編輯推薦】
