认识mysql字符集

    z字符集是指一种从二进制编码到某类字符符号的映射；“校对”是指一组用于某个字符集的排序规则。mysql对各种字符集的支持都非常完善，但是这也带来了一定的复杂性。

一、mysql如何使用字符集

    每种字符集都可能有多重校对规则，并且都有一个默认的校对规则。每个校对规则都是针对某个特定的字符集的，和其他的字符集没有关系。校对规则和字符集总是一起使用的。mysql有很多选项用于控制字符集。这些选项和字符集很容易混淆，牢记：只有基于字符的值才真正的“有”字符集的概念。对于其他类型的值，字符集只是一个设置，指定用哪一种字符集来做比较或者其他操作。基于字符的值能存放在某列中、查询的字符串中，表达式的计算结果中或者某个用户变量中。

    mysql的设置可以分为两类：创建对象时的默认值、在服务器和客户端通信是的设置。

1、创建对象时的默认设置

    mysql服务器有默认的字符集和校队规则，每个数据库也有自己的默认值，每个表也有自己的默认值。这是一个逐层继承的默认设置，最终最底层的默认设置将影响你创建的对象。这些默认值，至上而下告诉mysql应该使用什么字符集来存储某个列。

    在每一层，都可以指定一个特殊的字符集或者让服务器使用它的默认值：

• 创建数据库的时候，将根据服务器上的character_set_server设置来设定该数据库的默认字符集；
• 创建表的时候，将根据数据库的字符集设置指定这个表的字符集设置；
• 创建列的时候，将根据表的设置指定列的字符集设置。

    真正存放数据的是列，所以更高层的设置只是指定默认值。一个表的默认字符集设置无法影响存储在这个表中某个列的值。只有当创建列而没有为列指定字符集的时候，标的默认字符集才有作用。

2、服务器和客户端通信的设置

    当服务器和客户端通信的时候，他们可以使用不同的字符集。这时，服务器端将进行必要的翻译转换工作：

• 服务器端总是设置客户端是按照character_set_client设置的字符来传输数据和SQL语句的；
• 当服务器接受到客户端的SQL语句时，它先将其转换成字符集character_set_connection。它还是用这个设置来决定如何将数据转换成字符串。
• 当服务器端返回数据或者错误信息给客户端时，它会将其转换成character_set_result。

    根据需要可以使用set names或者set character set语句来改变上面的设置。不过在服务器上使用这个命令只能改变服务器端的设置。客户端程序和服务端的API也需要使用正确的字符集才能避免在通信时出现问题。

     假设使用Latin1字符集打开一个连接，并使用set names utf8来告诉服务器客户端将使用utf-8字符集来传输数据。这样就创建了一个不匹配的字符集，可能会导致一些错误甚至出现一些安全性问题。应当先设置客户端字符集然后使用函数mysql_real_escape_string()在需要的时候进行转义。在php中，可以使用mysql_set_charset来修改客户端的字符集。

3、特殊使用

• 诡异的character_set_database设置：character_set_database设置的默认值和默认数据库的设置相同。当改变默认数据库的时候，这个变量也会跟着改变。所以当连接到mysql实例上又没有指定要使用的数据库时，默认值和character_set_server相同。
• load data infile：当使用load data infile的时候，数据库总是将文件中的字符按字符集character_set_database来解析。在mysql 5.0和更新的版本中，可以在load data infile中使用子句character set来设定字符集，不过最好不要依赖这个设定。最好的方式是先使用use指定数据库，再执行set names来设定字符集，最后在加载数据。mysql在加载数据的时候，总是以同样的字符集处理所有数据，而不管表中的列是否有不同的字符集设定。
• select into outfile：mysql会将select into outfile的结果不做任何转码的写入文件。目前，除了使用函数convert（）将所有的列都做一次转码外，还没有什么特别的办法能够指定输出的字符集。
• 嵌入式转义序列：mysql会根据character_set_client的设置来解析转义序列，即使字符串中包含前缀或者collate子句也一样。这是因为解析器在处理字符串的转义字符时，完全不关心校对规则。

二、选择字符集和校对规则

    mysql支持很多字符集和校对规则，包括支持使用Unicode编码的多字节utf-8字符集。可以使用命令show character set和show collection来查看mysql支持的字符集和校对规则。

    对于校对规则通常需要考虑一个问题：是否以大小写敏感的方式比较字符串，或者以字符串编码的二进制值来比较大小。他们对应的校对规则的前缀分别是_cs、_ci和_bin，根据需要很容易选择。大小写敏感和二进制校对规则的不同之处在于，二进制校对规则直接使用字符的字节进行比较，而大小写敏感的校对规则则在多个字节字符集时，如德语，有更复杂的比较规则。

    在显示设置字符集的时候，并不是必须同时指定字符集和校对规则的名称。如果缺失了其中一个或者两个，mysql会使用可能的默认值来进行填充。

三、字符集和校对规则如何影响查询

    某些字符集和校对规则可能会需要更多的CPU操作，可能会消耗更多的内存和存储空间，甚至还会影响索引的正常使用。不同的字符集和校对规则之间的转换可能会带来额外的系统开销。例如：排序查询要求的字符集与服务器数据的字符集相同的时候，才能使用索引进行排序。

    为了能够适应各种字符串，包括客户端字符集、在查询中显示指定的字符集，mysql会在需要的时候进行字符集转换。例如：当使用两个字符集不同的列来关联两个表的时候，mysql会尝试转换器中一个列的字符集。

    utf-8是一种多字节编码，它存储一个字符会使用变长的字节数（1~3字节）。在mysql内部，通常使用一个定长的空间来存储字符串，再进行相关操作，这样做的目的是希望总是保证缓存中有足够的空间来存储字符串。例如：一个编码是utf-8的char(10)需要30个字节，即使最终存储的时候没有存储任何”多字节“字符也是一样。变长的字段类型（varchar text）存储在磁盘上时不会有这个困扰，但当他存储在临时表中用来处理或者排序时，也总是会分配最大可能的长度。

    在多字节字符集中，一个字符不再是一个字节。索引，在msyql中有两个函数length()和char_length（）来计算字符串的长度，在多字节字符集中，这两个函数的返回结果会不同。另外，在索引限制方面，如果要索引一个utf-8字符集的列，mysql会假设每一个字符都是三个字节，所以最长索引前缀的限制一下缩短到原来的三分之一了（最长索引限制为999字节，所以索引长度最大只能为333个字符了）。如果没有检查表的定义，可能不会注意到这仅仅在该列的前缀上建立了索引，这会对mysql使用索引有一些影响，例如无法使用索引覆盖扫描。