mysql 的字符集、比较规则和服务端、客户端的相关配置

• 使用 show charset [like ..]; 查看支持的字符集
• 使用 show collation [like ..]; 查看比较规则
• 常用 utf8（utf8mb3） 和 utf8mb4(mysql8 默认)

字符集

字符集包含了两层意思：编码和存储规则（😂 两个名次可能表述不准确，意思理解到了就成），类似于接口和具体的实现，编码规定了字符集的范围边界，指定字符集含有哪些字符，给所有字符一个编号，而存储规则是实现，用来规定在传输存储时将怎样存储

• 对于小字符集，如 ascii，iso8859-1 等，只需要一个字节就能表示的，编码和存储规则是统一的
• 对于大字符集，尤其是常用的 unicode 字符集，有多种存储规则的实现，如 utf8，utf16，utf32 等，多种实现各自擅长不同的工作，如 utf8 没有字节序的问题，变长节省空间，方便传输等，但是处理显示的时候比较费劲（二进制处理成字符显示），utf16 就比较轻松，但是会有字节序，存储空间大的问题。

具体在 mysql 中也是一样的，一般使用 utf8mb4 就完事了，啥符号都能存储，而 utf8mb3（也就是 utf8） 是一个残疾版，最大只有三个字节，所以没有实现所有的 unicode 符号（如一些 emoji 表情就存不了，但是也不是不能存，可以在存之前转换一下嘛），但是节省空间，看选择了。

其实对于编码这一块，不单单局限于字符，所有显示和二进制有出入的都是编码，文件，数字，影音，都是。
cc 还有一篇简单介绍编码的文章 《数据背后的二进制》

比较规则

命名含义

• 字符集 + 语言 + 区别大小写
• 如 utf8_spanish_ci： utf8 字符集，用于西班牙语，不区分大小写

general 表示通用

后缀	英文释义	描述
_ai	accent insensitive	不区分重音
_as	accent sensitive	区分重音
_ci	case insensitive	不区分大小写
_cs	case sensitive	区分大小写
_bin	binary	以二进制方式比较

每种字符集对应若干种比较规则，每种字符集都有一种默认的比较规则， SHOW COLLATION 的返回结果中的 Default 列的值为 YES 的就是该字符集的默认比较规则，比方说 utf8 字符集默认的比较规则就是 utf8_general_ci

服务端设置

有四个设置等级，每个等级都可以单独设置字符集和比较规则，单独修改哪一个都会自动修改另一个，如单独修改字符集，则会自动修改比较规则为相应字符集的默认比较规则（可以在 show charset; 中看到默认的比较规则），而单独修改比较规则，则会自动修改为对应的字符集

服务器级别

• 配置项
  • character_set_server
  • collation_server
• 默认为 utf8mb3 (mysql8 为 utf8mb4)

数据库级别

• 配置项

  这两个配置是只读的，修改无效，只能用 alert database 来修改库的字符集
  并且如果没有选择库直接查看，则和服务器字符集一样

  • character_set_database
  • collation_database

• 创建库时指定或后期修改

  • default 写不写都一样

    create database 数据库名
    [[DEFAULT] CHARACTER SET 字符集名称] [[DEFAULT] COLLATE 比较规则名称];
    alter database 数据库名
    [[DEFAULT] CHARACTER SET 字符集名称] [[DEFAULT] COLLATE 比较规则名称];
    

  • 默认和服务器相同

表级别

• 无配置项

• 创建表的时候指定或后期修改

  CREATE TABLE 表名 (列的信息)
  [[DEFAULT] CHARACTER SET 字符集名称] [COLLATE 比较规则名称]]
  ALTER TABLE 表名
  [[DEFAULT] CHARACTER SET 字符集名称] [COLLATE 比较规则名称]
  

• 默认和所在库的字符集相同

列级别

• 无配置项
• 在创建表的时候指定或后期修改

  CREATE TABLE 表名(
  列名 字符串类型 [CHARACTER SET 字符集名称] [COLLATE 比较规则名称], 
  其他列...
  );
  ALTER TABLE 表名 
  MODIFY 列名 列类型 [CHARACTER SET 字符集名称] [COLLATE 比较规则名称];
  

• 默认和所在表的字符集相同

客户端通信设置

字符集转换

转换是以字符为基础的

• 二进制 -> 字符 ：解码
• 字符 -> 二进制 ：编码

$$0xE68891\stackrel{utf8解码}{\to }我\stackrel{gbk编码}{\to }0xCED2$$

相关配置

系统变量	描述
character_set_client	服务器解码请求时使用的字符集
character_set_connection	服务器处理请求时会把请求字符串从 character_set_client 转为 character_set_connection
character_set_results	服务器向客户端返回数据时使用的字符集

由于这三个没必要设置成不同的，往往设置和客户端编码一致，所以 mysql 提供了快捷设置 set names <charset>，同时设置这三个编码

客户端可以使用启动项 default-character-set= 来设置这三个值，效果和 set names <charset> 一样

服务端和客户端通信过程中的编解码