mysql 中 character set 与 collation 的理解

Posted 2020-10-11 panda521的博客

character set 和 collation 的是什么？

character set， 即字符集。

我们常看到的 utf-8, GB2312, GB18030 都是相互独立的 character set. 即对 Unicode 的一套编码。

如何理解 unicode 与 utf-8, GB2312 的区别呢？
打个比方，你眼前有一个苹果，在英文里称之为 apple, 而在中文里称之为苹果。
苹果这个实体的概念就是 unicode , 而 utf-8, GB2312 可以认为就是不同语言对苹果的不同称谓，本质上都是在描述苹果这个物。

collation，英译[核对 ]  即比对方法，用于指定数据集如何排序，以及字符串的比对规则。

character set 与 collation 的关系

软件国际化是大势所趋， 所以 unicode 是国际化最佳的选择。

为了提高性能，有些情况下还是使用 latin1 比较好。

mysql 有两个支持 unicode 的 character set:

1. ucs2: 使用 16 bits 来表示一个 unicode 字符。

2. utf8: 使用 1~3 bytes 来表示一个 unicode 字符。

选择哪个 character set 视情况而定，例如 utf8 表示 latin 字符只需要一个字节，所以当用户数据大部分为英文等拉丁字符时，使用 utf8 比较节省数据库的存储空间。据说 SQL Server 采用的是 ucs2， 我表示怀疑。

每个 character set 会对应一定数量的 collation. 查看方法是在 mysql 的 console 下输入：

查询代码 mysql> show collation;  

我们会看到这样的结果：

collation 名字的规则可以归纳为这两类：

1. <character set>_<language/other>_<ci/cs>

2. <character set>_bin

例如:utf8_danish_ci

ci 是 case insensitive 的缩写， cs 是 case sensitive 的缩写。即，指定大小写是否敏感。ci即对大小写不敏感

奇怪的是 utf8 字符集对应的 collation 居然没有一个是 cs 的。

那么 utf8_general_ci, utf8_unicode_ci, utf8_danish_ci 有什么区别? 他们各自存在的意义又是什么？

同一个 character set 的不同 collation 的区别在于排序、字符春对比的准确度（相同两个字符在不同国家的语言中的排序规则可能是不同的）以及性能。

例如：

utf8_general_ci 在排序的准确度上要逊于 utf8_unicode_ci， 当然，对于英语用户应该没有什么区别。但性能上（排序以及比对速度）要略优于 utf8_unicode_ci. 例如前者没有对德语中ß = ss的支持。

而 utf8_danish_ci 相比 utf8_unicode_ci 增加了对丹麦语的特殊排序支持。

补充：

1. 当表的 character set 是 latin1 时，若字段类型为 nvarchar, 则字段的字符集自动变为 utf8.

可见 database character set, table character set, field character set 可逐级覆盖，

类似于面向对象中子类继承父类，重写父类的方法。

2. 在 ci 的 collation 下，如何在比对时区分大小写：

mysql> select * from pet;

| name | owner | species | sex | birth | death |
+----------+-------+---------+------+------------+-------+
| Whistler | Gwen | bird | NULL | 1997-12-09 | NULL |
| whistler | Gwen | bird | NULL | 1988-09-25 | NULL |


mysql> select * from pet where name = \'whistler\';

| name | owner | species | sex | birth | death |
+----------+-------+---------+------+------------+-------+
| Whistler | Gwen | bird | NULL | 1997-12-09 | NULL |
| whistler | Gwen | bird | NULL | 1988-09-25 | NULL |


mysql> select * from pet where binary name = \'whistler\';
+----------+-------+---------+------+------------+-------+
| name | owner | species | sex | birth | death |
+----------+-------+---------+------+------------+-------+
| whistler | Gwen | bird | NULL | 1988-09-25 | NULL |


mysql> select * from pet where name = binary \'whistler\';
+----------+-------+---------+------+------------+-------+
| name | owner | species | sex | birth | death |
+----------+-------+---------+------+------------+-------+
| whistler | Gwen | bird | NULL | 1988-09-25 | NULL |

推荐使用

mysql> select * from pet where name = binary \'whistler\';

这样可以保证当前字段的索引依然有效， 而下面这种会使索引失效。

mysql> select * from pet where binary name = \'whistler\';   

原文链接：http://www.360doc.com/content/11/0303/01/2588264_97631236.shtml