MySQL字符集

mysql之字符集

字符集介绍

• gbk/gb2312

  gbk/gb2312
  采用双字节字符集，不论中、英文字符均使用双字符来表示，为了区分中文，将其最高位都设定成1
  gb2312是gbk的子集，gbk是gb18030的子集，gb2312仅能存储简体中文字符
  gbk包括中日韩字符的大字符集
  通常使用gbk字符集足够
  国际通用性比utf8差，不过utf8占用的数据库比gbk大(utf8是三字节字符集)

• utf8/utf8mb4

  utf全称(unicode transformation format)，是unicode的一种存储方式，可变长度字符编码，又称万国码
  数据库字符集尽量使用utf8(包括 connect、result、及最终html页面都必须要求一致为utf8)
  utf8使用可变长度字节来存储 unicode字符，例如 ascii字母继续使用1个字节存储，重音文字、希腊字母、或西里尔字母等使用2个字节来存储，而常用的汉字就要用3个字节；也就是一个英文字符等于一个字节，一个中文（含繁体）等于三个字节。
  utf8mb4一个字符最多能存4字节，所以能支持更多的字符集；项目中常用utf8mb4存放emoji表情
  
  latin1
  是8bit (1 bytes)字符集，但不能覆盖亚洲、非洲语言
  unidoce是latin1的扩展，增加了亚洲、非洲常规语言支持，但仍不支持全部语言，且ascii用unidoce来表示效率不高(小字符集转换成大字符集,往往便随的就是字符的丢失)
  utf8是unicode的扩展
  gbk、gb2312等字符集与utf8之间都必须通过unicode编码才能相互转换

字符集使用建议

1、非常肯定只有中文终端用户时，可选择gbk / gb2312

2、为了方便数据迁移、以及多种终端展示，最好是utf8

3、字符无需区分大小写时，采用默认的xx_ci校验集可以，否则选择xx_bin校验集(生产环境中,尽量不要修改校验集)

4、默认字符集是latin1，该字符集存放汉字是分开存放，以至于检索结果时不够精确，好处就是节省空间，不推荐使用

mysql字符集范围

服务器层(server) > 数据库成(database) > 数据表(table) > 字段(column) > 连接(connection) | 结果集(result)

mysql字符集优先级

连接(connection) | 结果集(result) > 字段(column) > 数据表(table) > 数据库成(database) > 服务器层(server)

char类型

char(n)：n代表的是字符个数(也叫字符长度)、而非bytes
char(n)：是固定长存储,占用定长的存储空间,不足的部分用空格填充；mysql处理char(n)类型时，需要将空格strip掉后return。
存储空间：char(n)类型的存储空间和字符集有关系，结合刚才字符集的知识点，一个中文在utf8字符集中占用3个bytes、gbk占用2个bytes、数字和字符统一用一个字符表示。
存储机制：在不够n长度时，mysql在存储数据时，需要用填充特殊的空格，而非十六进制的20
 
思考：
char(30)，在不同的字符集中最多能存放多少个字母、汉字，以及占用空间情况
gbk： 可以存放30个字节 占用的空间30*2
utf8：可以存放30个字节 占用的空间30*3

varcahr类型

varchar(n)：n代表的是字符个数(也叫字符长度)、而非bytes
varchar(n)：是变长存储,仅使用必要的存储空间.
存储空间：varchar(n)类型的存储空间和字符集有关系，结合刚才字符集的知识点，一个中文在utf8字符集中占用3个bytes、gbk统一占用2个bytes、数字和字符一个字符表示。
存储机制：varchar(n)字段存储实际是从第二个字节开始存储,然后用1到2个字节表示实际长度,剩下的才是可以存储数据的范围,因此最大可用存储范围是65535-3=65532字节;第一个字节标识是否为空.(长度小于255字节,使用一个字节来表示长度;大于255字节使用两个字节来表示长度)

修改数据库实例字符集

临时生效

mysql> set character_set = 'gbk';
mysql> set character_set_client = 'gbk';

全局生效

mysql> set global character_set_client = 'gbk';
query ok, 0 rows affected (0.00 sec)

永久生效

vim /etc/my.cnf 
character-set-server=utf8