欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  数据库

MySQL字符集和copy_and_convert_MySQL

程序员文章站 2022-06-07 17:07:21
...
bitsCN.com

MySQL字符集和copy_and_convert

关于copy_and_convert

在对MySQL做业务压力测试的时候,我们在perf结果中发现 copy_and_convert 是一个耗费cpu的操作。这个函数的意思,就是在字符集之间做内容转换。

如果源和目标的字符集相同,就可以直接用memcpy,这显然比做字符集转换(按字节或字长拷贝更快,和节省cpu)

当整个系统是CPU瓶颈时,我们希望能够减少这种cpu消耗。

一次查询涉及的拷贝

如果我们执行一个简单的select语句,会涉及到两部分的内容:metadata和data。MySQL的返回包是能够“自解析”的,也就是说不仅有内容,还有描述信息。这些描述信息我们称为metadata。

在将这两部分信息返回给客户端的时候,就涉及到字符串拷贝,如果源字符集和目标字符集不同,就需要作转换。

字符集里面可以定义的部分

1、 表的字符集

比如我们创建如下的表

CREATE TABLE `t` (

`c` int(11) DEFAULT NULL,

`d` varchar(50) DEFAULT NULL

) ENGINE=InnoDB DEFAULT CHARSET=gbk;

这就定义了这个表的字符集,要求存入数据按照gbk格式存储。在我们查询的时候,从表中读出的数据,就是我们上文说到的“源字符集”,在这里是gbk.

比如

Insert t values(2012, ‘南方很冷’);

2、连接字符集

在连接的时候我们可以在mysql客户端指定参数 mysql -default-character-set=gbk ,表示我们接收的内容希望是gbk编码,这个就是上文说的“目标字符集”。

一般我们会被建议:连接字符集和表字符集相同。

有的文章说防止乱码—-乱码倒是不会,实际的原因就是在内容拷贝时避免字符集转换计算。

本文要说的“但是”

但是即使这么做,在压力测试(或者你gdb)时,还是会发现会调用到 copy_and_convert。

原因有二:

首先,metadata部分,是固定的使用utf8,这个值可以从show variables like ‘character_set_system’;的结果看到,hardcode,配置无法修改。

其次,虽然我们定义表字符集是gbk, 但是整型字段是是Latin1存储,

#define my_charset_numeric my_charset_latin1,配置无法修改。

因此在我们上面的设置中,一次查询,在传回metadata的时候需要utf8->gbk, 返回结果中c这个字段需要latin1->gbk.

问题和建议

从上面分析知道,这存在的问题就是,无论用户怎么设置,都无法完全避免这种转换。

由于数字类型转成字符串后,使用什么字符集都占用一样的空间。

1) 在代码上最简单的修改可以如下:

将 #define my_charset_numeric my_charset_latin1 改成

#define my_charset_numeric my_charset_utf8_general_ci

这样跟metadata部分相同,然后建表和客户端都是使用utf-8。

2) 更灵活一点是把character_set_system改成可配置,然后整型存储按照用户定义的字符集。

bitsCN.com
相关标签: 压力测试