MySQL 字符集和校验规则工作流程

Posted 2020-11-24 BlackMonkey

mysql 字符集和校验规则工作原理

字符编码相关参数

数据流中的转码过程

校验规则

Tips:字符集和校验规则总是相伴的

一 从简单的建库语句开始

CREATE DATABASE [IF NOT EXISTS] <db_name>
[[DEFAULT] CHARACTER SET <db_charset>] 
[[DEFAULT] COLLATE <db_collation>];

db_name ： 数据库名 必填

db_charset：数据库的字符集 缺省为服务器字符集

db_collation：数据库的校验规则 缺省为服务器校对规则

二 字符集和字符编码是什么？

字符编码：将特定的字符与二进制码建立一一映射的集合就是字符集。每种字符集对应该种字符集的编码方式。

常见的字符集有 仅支持英文和特殊字符的ASCII、支持中英文的GBK、支持世界所有字符的Unicode等等<UTF-8是Unicode字符集的子集，他们不是两种编码方式>。

以ASCII字符集为例

它基于罗马字母表的编码方式，他不能表示中文仅仅包含了 全部的英文大小写和为数不多的特殊符号，每个字符一个字节低7位为编码位最高位保留，有些地方最高位做了扩充。增添了一些表格符号、运算符等。总而言之1个字节 8bit 表示一个字符，因为一一对应，所有一共有 2^7个字符。扩展字符集拥有2^8。

三 查看MySQL编码方式

show variables like 'character%';

Variable_name	Value	含义
character_set_client	utf8mb4	# 客户端来源数据字符集
character_set_connection	utf8mb4	# 链接层字符集
character_set_database	utf8mb4	当前选中数据库默认字符集
character_set_filesystem	binary	当前文件系统的编码格式
character_set_results	utf8mb4	服务器返回的编码格式
character_set_server	utf8mb4	服务器的默认编码格式
character_set_system	utf8	数据库系统使用的编码格式
character_sets_dir	/usr/local/mysql-8.0.15-macos10.14-x86_64/share/charsets/.	数据库字符集存放地址

1. MySQL 一旦启动不需要再来关心 character_set_filesystem、character_set_system、character_sets_dir三个变量，因为他们并不会造成乱码的问题。系统文件存储方式不需要关心，字符集存放位置于性能和MySQL业务无关、数据库使用的编码格式是元数据的存储格式。理解MySQL编码转化原理不难理解。

2. 建库时，若未明确指定字符集，则采用character_set_server指定的字符集。

   建表时，若未明确指定字符集，则采用当前库所采用的字符集。

   新增时记录，修改表字段时，若未明确指定字符集，则采用当前表所采用的字符集。

四 编码方式和校验规则在使用中的作用

1 连接的概念

一个连接：指的是连接服务器时所作的事情。 ——《MySQL手册》

例如：客户端发送SQL语句，例如查询，通过连接发送到服务器。服务器通过连接发送响应给客户端，例如结果集。

2 一个提交的分解

1. 客户端发起 查询

2. 服务器使用character_set_client变量作为客户端发送的查询中使用的字符集。
3. 服务器拿到 查询 后用将character_set_client 编码方式转为 character_set_connection对应的校验规则为collation_connection， (如果查询是文字字符串，也就是他们有某种字符格式的引介词 例如_utf8,如果是列值，校验规则将不依靠collation_connection)
4. 服务器执行查询的结果 将会 按照 character_set_results 编码方式返回查询结果到客户端。包括结果数据，例如列值和结果元数据（如列名）。
5. 关于：字符串对3的注解：[_charset_name] ‘String‘ [COLLATE collation_name]
   1. [_charset_name]字符编码 也就是引介词，表示接下来的字符串的编码方式。
   2. [COLLATE collation_name]表示该字符串的校验匹配方式
   3. 来自官方文档对引介词的解释：_charset_name表达式正式称做一个引介词。它告诉解析程序，“后面将要出现的字符串使用字符集X。”因为以前人们对此感到困惑，我们强调引介词不导致任何转换; 它仅是一个符号，不改变字符串的值。引介词在标准十六进制字母和数字十六进制符号（x‘literal‘和 0xnnnn）中是合法的，以及？（当在一个编程语言接口中使用预处理的语句时进行参数替换）。

3 更新和查询转码过程

数据更新转码过程：character_set_client-->character_set_connection-->表字符集。

数据查询转码过程：表字符集-->character_set_result

4 字符串的引介词和校验规则的确定

引介词：_charset_name表达式正式称做一个引介词。它告诉解析程序，“后面将要出现的字符串使用字符集X。”因为以前人们对此感到困惑，我们强调引介词不导致任何转换; 它仅是一个符号，不改变字符串的值。引介词在标准十六进制字母和数字十六进制符号（x‘literal‘和 0xnnnn）中是合法的，以及？（当在一个编程语言接口中使用预处理的语句时进行参数替换）。

• 如果指定了CHARACTER SET X和COLLATE Y，那么使用CHARACTER SET X和COLLATE Y。

• 如果指定了CHARACTER SET X而没有指定COLLATE Y，那么使用CHARACTER SET X和CHARACTER SET X的默认校对规则。

• 否则，使用通过character_set_connection 和 collation_connection系统变量给出的字符集和 校对规则。

Tips：COLLATE子句，能够为一个查询覆盖任何默认校对规则。MySQL手册

5 关于校验规则

1. 每个字符集都有默认的校验规则
2. 两个不同的字符集不能有一致的校验规则
3. 存在校对规则命名约定：以其相关的字符集名开始，中间包括一个语言名，并且以_ci（大小写不敏感）、_cs（大小写敏感）或_bin（二元）结束。

常见操作

查看现在支持的所有编码方式

show character set;

查看支持的所有检验规则

show collation;

查看字符编码设置

show variables like 'character%';

查看当前字符集和校对规则设置

show variables like 'collation_%';

设置编码字符集

set names 'utf8';

修改数据库字符集

alter database database_name character set xxx;

修改表的字符集

1. 只修改表的字符集，影响后续该表新增列的默认定义，已有列的字符集不受影响。

alter table table_name character set xxx；

1. 同时修改表字符集和已有列字符集，并将已有数据进行字符集编码转换。

alter table table_name convert to character set xxx;

修改列 字符集

alter table table_name modify col_name varchar(col_length) character set xxx;