|
|
|
|
公众号矩阵

不可忽视的MySQL字符集

字符集是一组符号和编码。collation是一组用于比较字符集中的字符的规则。MySQL的字符集从latin1经过utf8 到utf8mb4 ,算是经历曲折的路线。特别是从使用一个字符集变更另一个字符集时,实践当中都非常无奈,不是没办法,而是麻烦。

作者:崔虎龙来源:数据和云|2021-03-23 18:21

MySQL的字符集从latin1经过utf8 到utf8mb4 ,算是经历曲折的路线。特别是从使用一个字符集变更另一个字符集时,实践当中都非常无奈,不是没办法,而是麻烦。到了MySQL8.0多出了一个字符集utf8mb4_0900_*的字符集,有必要了解一下。

1. 字符集基础

先了解下MySQL字符集都有哪些地方使用,进入数据库VARIABLES参数一目了然:

  1. mysql> SHOW VARIABLES  WHERE variable_name LIKE '%character%'  OR  variable_name  LIKE '%collation%'  ; 
  2. +-------------------------------+--------------------------------------+ 
  3. | Variable_name                 | Value                                | 
  4. +-------------------------------+--------------------------------------+ 
  5. | character_set_client          | utf8mb4                              | 
  6. | character_set_connection      | utf8mb4                              | 
  7. | character_set_database        | utf8mb4                              | 
  8. | character_set_filesystem      | binary                               | 
  9. | character_set_results         | utf8mb4                              | 
  10. | character_set_server          | utf8mb4                              | 
  11. | character_set_system          | utf8                                 | 
  12. | character_sets_dir            | /opt/idc/mysql8.0.23/share/charsets/ | 
  13. | collation_connection          | utf8mb4_bin                          | 
  14. | collation_database            | utf8mb4_bin                          | 
  15. | collation_server              | utf8mb4_bin                          | 
  16. | default_collation_for_utf8mb4 | utf8mb4_0900_ai_ci                   | 
  17. +-------------------------------+--------------------------------------+ 

从上面client,connection,database,results层层环节扣着,任何一个环节的字符集不兼容都会出现乱码问题。

MySQL8.0 utf8mb4 Unicode字符集一个新的通用排序归类,被命名为utf8mb4_0900_ai_ci。MySQL 8.0默认的是utf8mb4_0900_ai_ci,属于 utf8mb4_unicode_ci中的一种。

这些字段每个意义,代表着什么含义:

  • uft8mb4 表示用 UTF-8 编码方案,每个字符最多占4个字节。
  • utf8mb3也是Unicode字符集的UTF-8编码,每个字符使用一到三个字节。(utf8: utf8mb3的别名)
  • 0900 就是Unicode 校对算法版本。(Unicode归类算法是用于比较符合Unicode标准要求的两个Unicode字符串的方法)。
  • ai指的是口音不敏感。也就是说,排序时e,è,é,ê和ë之间没有区别,不区分重音。
  • ci表示不区分大小写。排序时p和P之间没有区别。

再了解一下一些场景下 utf8 和 utf8mb4 的问题点:

utf8编码最多支持3字节的数据,而emoji表情符, 偏生字是4个字节的utf8无法存储的,致辞延伸出utf8mb4字符集解决这个问题。

日常常用的字符集:

  • utf8mb4_bin:将字符串每个字符用二进制数据编译存储,区分大小写,而且可以存二进制的内
  • utf8mb4_general_ci:ci即case insensitive,不区分大小写。没有实现Unicode排序规则,在遇到某些特殊语言或字符集,排序结果可能不一致。但在绝大多数情况下,这些特殊字符的顺序并不需要那么精确。

utf8mb4_unicode_ci:是基于标准的Unicode来排序和比较,能够在各种语言之间精确排序,Unicode排序规则为了能够处理特殊字符的情况,实现了略微复杂的排序算法。

2. 字符集配置

mysql字符集如何设置,更改操作:

1)my.cnf配置文件信息,建议初始化时就设置好。

[mysqld]

character-set-server = utf8mb4

collation-server = utf8mb4_unicode_ci

character-set-client-handshake = FALSE #此处是忽略客户端的字符集,使用服务器的设置

2)init_connect=‘SET NAMES utf8mb4’ #服务器为每个连接的客户端执行的字符串,对于一些超级管理源就不生效的

3)字符集变更,包含库,表,column的变更。都可以完全的拥有自己的字符集。

  1. ##更改DATABASE  
  2. ALTER DATABASE `db1` DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci  
  3.  
  4. ##更改TABLE  
  5. ALTER TABLE `t1` DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci  
  6.  
  7. ##更改column字段  
  8. ALTER TABLE `t1`  modify `namevarchar(80) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci COMMENT '昵称'

4)日常字符集检查工作:

  1. SELECT b.SCHEMA_NAME, b.DEFAULT_CHARACTER_SET_NAME, b.DEFAULT_COLLATION_NAME ,a.TABLE_NAME, 
  2. a.TABLE_COLLATION  
  3. FROM  information_schema.SCHEMATA b   left join information_schema.TABLES   a  
  4. on  b.SCHEMA_NAME =a. TABLE_SCHEMA  
  5. WHERE  b.SCHEMA_NAME not in ('information_schema' ,'mysql','performance_schema''sys')  
  6. ORDER BY TABLE_SCHEMA,TABLE_NAME ; 

通过多方便设置,更改操作,检查。字符集不再是隐藏问题。

3. 字符集对于数据库的影响

字符集对整个数据库影响面还是比较可观的。库更改 对于原先存在的表字段 都不影响 依次类推。所以数据库>表>字段 都可以单独设置字符集。

常见问题1:有索引 没有走 因为进行了 字符集隐式转换

常见问题2:在尾随空格方面不同

字符串值(CHAR、VARCHAR和TEXT)的比较与其他排序规则在尾随空格方面不同。For example, ‘a’ and 'a ’ 作为不同的字符串比较,而不是相同的字符串。

对于字符集排序来说,字符串末尾的空格也有对应的处理。

  1. mysql> SELECT COLLATION_NAME, PAD_ATTRIBUTE  FROM INFORMATION_SCHEMA.COLLATIONS   
  2. WHERE CHARACTER_SET_NAME = 'utf8mb4'
  3. +----------------------------+---------------+ 
  4. | COLLATION_NAME             | PAD_ATTRIBUTE | 
  5. +----------------------------+---------------+ 
  6. | utf8mb4_general_ci         | PAD SPACE     | 
  7. | utf8mb4_bin                | PAD SPACE     | 
  8. | utf8mb4_unicode_ci         | PAD SPACE     | 
  9. | utf8mb4_icelandic_ci       | PAD SPACE     | 
  10. | utf8mb4_latvian_ci         | PAD SPACE     | 
  11. | ......... 
  12. | utf8mb4_0900_ai_ci         | NO PAD        | 
  13. | utf8mb4_de_pb_0900_ai_ci   | NO PAD        | 
  14. | utf8mb4_0900_bin           | NO PAD        | 
  15. +----------------------------+---------------+ 

注意:在选择使用utf8mb4_0900 字符集之后空格 就需要处理。

常见问题3:对于数据的大小写敏感

除了lower_case_table_names之外,怎样有效使用大小写字符集设置,采用ut8mb4_bin字符集 既可,查询和数据插入解决。

常见问题4:表情符,偏生字

常见错误代码:1366 Incorrect string value: ‘\xF0\x9F\x99\x82’ for column ‘name’ at row 2

指定Utf8mb4字符集,再配合character-set-client-handshake属性

备注:对于jdbc来说没有utf8mb4这样的字符集说法。

4. 总结

从初期安装开始,就需要配置好字符集,8.0版本的utf8mb4_0900目前为止也没有类似的bug之类的,但还需要谨慎使用。选择utf8mb4_unicode_ci即可。

一件件小事,积累起来就是变成大事。

【编辑推荐】

  1. sql server 系列课程数据库维护篇
  2. 数据库DML语言讲解
  3. 一文教你快速了解鸿蒙分布式调度并开发数据库相关应用
  4. 如何优雅地回答面试官关于MySQL索引的拷问
  5. 面向超级小白的MySql数据库的学习以及完成个人博客实战开发的案例
  6. Oracle数据库开发之PL/SQL基础实战视频课程
【责任编辑:华轩 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

数据湖与数据仓库的分析实践攻略

数据湖与数据仓库的分析实践攻略

助力现代化数据管理:数据湖与数据仓库的分析实践攻略
共3章 | 创世达人

7人订阅学习

云原生架构实践

云原生架构实践

新技术引领移动互联网进入急速赛道
共3章 | KaliArch

36人订阅学习

数据中心和VPDN网络建设案例

数据中心和VPDN网络建设案例

漫画+案例
共20章 | 捷哥CCIE

229人订阅学习

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微