关闭

SQL Server Collation介绍

842人阅读 评论(0) 收藏 举报
分类:

Question:

What is Collation? How it will affect SQL Server database, and server?

Answer:

字符的存储

        在将collation之前,我们首先需要知道字符是如何被存储的。在计算机中,所有数据都是用0和1这样的位来描述。一个字节有8位,因此一个字节最多可以描述256个字符。在欧美国家,比如美国,他们的文字字符主要就是26个字母加上一些特殊符号(+-*/等),用一个字节就可以存储,一个国家使用的所有字符就是一个code page,用一个字节存储字符的code page 叫做single-byte code page。但是在亚洲的一些国家,比如中国,常用汉字有几万个,根本不能用一个字节来表示所有的汉字字符,因此需要用两个字节描述。因为两个字节有16位,最多可以描述65536个字符,足够用来描述所有汉语字符以及常用字符,这些字符也是一个code page,不过是double-byte code page,主要针对的是中国。每个国家都有一个code page来对应所使用的字符。比如欧美国家,他们使用拉丁,虽然a-z这26个字母所对应的二进制在code page中是相同的,但是在重音('é'和'á')方面是不相同的。所以如果code page不同,那么相同的二进制代码所表示出来的字符也可能不相同。如果数据在不同code page的计算机上传输,就需要进行code page的转换,如果接收方的code page上没有定义传输方传送过来的特定字符的二进制位,那么就会出现数据丢失。

Collation的组成

         在讲完字符的存储形式以后,我们就可以讲什么是collation了。Collation描述了数据在数据库中是按照什么规则来描述字符,以及字符时如何被排序和比较的。在SQL Server中,Collation由两部分组成,比如中国的一个collation是 Chinese_PRC_CI_AI_WS ,前半部份是指的是所支持的字符集,与code page相对应,如Chinese_PRC 对应的代码页是936,在这个code page中定义了所有能够使用的字符。后半部CI_AI_WS用于表示排序规则,比如:

  • _CI(CS)表示是否区分字母大小写,CI不区分,CS区分。如果区分大小写,那么排序的时候小写字母的排在大写的前面;如果不区分大小写,那么排序的时候视大小写字母相同。
  • _AI(AS) 表示是否区分重音,AI不区分,AS区分。如果不区分重音,那么排序的时候视“a”和“ấ”为相同字符
  • _KI(KS) 表示是否区分假名类型,KI不区分,KS区分。在日语中应用。
  • _WI(WS) 表示是否区分全半角,WI不区分,WS区分。半角是单字节,全角是双字节。

Collation的四个级别

       Collation一共有四个级别,分别是server-level, database-level, column-level和expression-level。

Server-level Collations:

        服务器级别的collation是在安装数据库实例的时候指定的,如果没有特别指定,那么就将windows collation作为server-level collation。Windows collation由操作系统中的区域语言来决定的,如下图所示。

        因为我们选择的是Chinese(Simplified,PRC),那么我们默认的server-level collations就是:Chinese_PRC_。Server-level collation也是系统数据库和用户数据库的默认collation。一般情况下server-level collation一旦设定就不能更改,除非将所有数据库中的对象以及数据全部导出,并创建master,再将数据导回才可完成。

Database-level collations

        Database-level collations可以在create database…collate的时候指定,如果要修改database-level collations,可以通过alter database …collate来修改。一般情况是不能修改系统数据库(master等)的collations的,除非使用前面提到的修改server-level collations的方法来修改系统数据库。

Column-level collations

        在创建或更改表时,可使用 COLLATE 子句指定每个字符串列的排序规则。当然也可以修改column-level collations。

Expression-level collations

        Expression-level是指在执行sql语句的时候指定collations,比如:

SELECT name FROM customer ORDER BY name COLLATE Latin1_General_CS_AI;

 这一条查询语句表示按照Latin1_General_CS_AI的排序规则来进行排序。Expression-level collations的一个好处就是非常灵活。

实验1:解决collation不匹配导致的冲突

        在对两个collations级别不同的数据库的表进行连接操作的时候,会报错。这是可以通过expression-level collations来指定使用何种collations来解决问题。比如使用Collate Database_Default 则会将字段定义或转换成当前数据库的默认排序规则,从而解决冲突。

Step1:

创建两张表,第一张表使用默认的collation,第二张表在stuname列上指定collation。

复制代码
create table student1
(
                stuid int not null,
                stuname nvarchar(20) not null,
);
create table student2
(
                stuid int not null,
                stuname nvarchar(20) COLLATE Latin1_General_CS_AI  not null,
);
复制代码

--求表连接Step2:

select s1.*,s2.*  from student1 s1,student2 s2 where s1.stuname=s2.stuname

执行上述查询报错如下所示:

Cannot resolve the collation conflict between "Latin1_General_CS_AI" and "Chinese_PRC_CI_AS" in the equal to operation.

然后在expression-level使用Collate Database_Default

select s1.*,s2.*  from student1 s1,student2 s2 where s1.stuname=s2.stuname Collate Database_Default

上述查询执行成功。

需要注意的是collation只能用在字符串类型的列上面,如果在int列上使用collate会报错。

实验2:变更collation对数据库的影响

目的1:

创建数据库,查看数据的默认database collation与server collation是否一样。

目的2:

在database collation为Chinese_PRC_CI_AS的数据库中插入中文,然后修改collation为Latin1_General_CS_AI,看看已保存的数据有没有发生变化。如果再次把collation改回到Chinese_PRC_CI_AS,又有什么变化

目的3:

在collation为Latin1_General_CS_AI的情况下,插入中文,会有什么情况,如何解决。

复制代码
--实验1:测试nvarchar和varchar的存储长度
--创建一个默认collation为Chinese_PRC_CI_AS的数据库TESTDB3
USE TESTDB1
CREATE TABLE test
(
  lastname        NVARCHAR(8) NOT NULL,--nvarchar类型,双字节存储
  title           VARCHAR(8) NOT NULL, --varchar类型,单字节存储
);
insert into test values('姓名1','标题1');
select * from test;
insert into test values('123456789','1');--String or binary data would be truncated.
insert into test values('12345678','1');
insert into test values('1','12345678');
insert into test values('一二三四五六七八','一二三四');
select * from test;

--总结:
/*
1.nvarchar(n),按字符来存储,不论是英文字符还是中文字符。最多能够存储n个中文或者是英文,但是所占用的存储空间是2n+2个字节。1<=n<=4000
2.varchar(n)按字节存储,最多能够存储n个英文字母,存储n/2个中文字符。但是所占用的存储空间是n个字节。1<=n<=8000
*/


--实验2:collation的变更对数据的影响。
USE TESTDB1
select * from test;

--step1:修改数据库的collation从默认的Chinese_PRC_CI_AS修改为Latin1_General_CS_AI,英语国家都是使用这个排序规则。
use master
alter  database  TESTDB1  collate Latin1_General_CS_AI

--step2:通过下面的语句可以查出实例中与默认collation不同的数据库,查找到了我们之前的 TESTDB1 
use master
SELECT
 NAME AS DATABASE_NAME
 , DATABASEPROPERTYEX(NAME,'COLLATION') AS DBCOLLATION
 , SERVERPROPERTY('COLLATION') AS SERVERCOLLATION
FROM SYS.DATABASES
WHERE CONVERT(SYSNAME,DATABASEPROPERTYEX(NAME,'COLLATION')) <> SERVERPROPERTY('COLLATION')

--step3:在修改完collation以后查看表中的数据,发现数据没有改变。
USE TESTDB1
select * from test;

--step4:在新的collation下面插入数据
insert into test values('姓名1','标题1');--插入以后发现中文都变成了乱码"??"
select * from test;

--step5:因为lastname是nvarchar类型,我们在插入的时候指定出nvarchar
insert into test values(N'姓名2','标题2');--此时发现姓名没有乱码,标题不用说还是乱码??
select * from test;

--step6:试一试在varchar类型的字段插入nvarchar是数据
insert into test values(N'姓名3',N'标题3');--发现标题也不是乱码了。
select * from test;

------------------------------------
--step7:将collation从Latin1_General_CS_AI改回默认的Chinese_PRC_CI_AS
use master
alter  database  TESTDB1  collate Chinese_PRC_CI_AS

--step8:在修改完collation以后查看表中的数据,发现数据没有改变。
USE TESTDB1
select * from test;

--step9:插入字符,不指定unicode类型,查询显示的是中文,表明当前collation默认使用unicode编码。
insert into test values('姓名4','标题4');
select * from test;
复制代码

总结:

  1. collation的变更不改变数据库原先存储的数据,原来是怎么样,修改以后还是怎样,没有发生改变。
  2. Latin1_General_CS_AI默认是的non-unicode的,所以在这个collation下插入中文变成乱码,必须在插入数据的时候指明使用unicode形式插入,也就是添加关键字“N”,而Chinese_PRC_CI_AS这个collation使用的是double-byte code page,这里面定义了所有中文字符,所以在插入数据的时候不需要指定关键字“N”。
  3. 可以往varchar数据类型的列中插入nvarchar的数据,也就是使用varcha存储unicode的数据。

更多参考:
SQL Server 排序规则

select SERVERPROPERTY('Collation') --查看默认排序规则
select SERVERPROPERTY('SqlCharSetName')--查看排序使用字符集名称



0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:339889次
    • 积分:4355
    • 等级:
    • 排名:第6870名
    • 原创:82篇
    • 转载:100篇
    • 译文:0篇
    • 评论:70条
    最新评论