mysql 中 character set 与 collation

使用 mysql 创建数据表的时候， 总免不了要涉及到 character set 和 collation 的概念， 之前不是很了解。

 

这两天不是很忙， 就自己整理了一下。

 

 

先来看看 character set 和 collation 的是什么？

&. character set， 即字符集。

我们常看到的 utf-8, GB2312, GB18030 都是相互独立的 character set. 即对 Unicode 的一套编码。

 

那么如何理解 unicode 与 utf-8, GB2312 的区别呢？
打个比方，你眼前有一个苹果，在英文里称之为 apple, 而在中文里称之为苹果。
苹果这个实体的概念就是 unicode , 而 utf-8, GB2312 可以认为就是不同语言对苹果的不同称谓，本质上都是在描述苹果这个物。

 

&. collation, 即比对方法。

用于指定数据集如何排序，以及字符串的比对规则。（这样说可能比较抽象，后面会详细解释。）

 

 

character set 与 collation 的关系

 

软件国际化是大势所趋， 所以 unicode 是国际化最佳的选择。当然为了提高性能，有些情况下还是使用 latin1 比较好。

 

mysql 有两个支持 unicode 的 character set:

1. ucs2: 使用 16 bits 来表示一个 unicode 字符。

2. utf8: 使用 1~3 bytes 来表示一个 unicode 字符。

 

选择哪个 character set 视情况而定，例如 utf8 表示 latin 字符只需要一个字节，所以当用户数据大部分为英文等拉丁字符时，使用 utf8 比较节省数据库的存储空间。据说 SQL Server 采用的是 ucs2， 我表示怀疑。

 

每个 character set 会对应一定数量的 collation. 查看方法是在 mysql 的 console 下输入：