【年薪百万之IT界大神成长之路十】由MySQL排序规则引发的一系列惨案

 
愿你如阳光，明媚不忧伤。

 

---

1. 位 / 比特，字节，字符，字符集，字符编码

 
计算机中储存的信息都是用二进制数表示的；而我们在屏幕上看到的英文、汉字等字符是二进制数转换之后的结果。通俗的说，按照何种规则将字符存储在计算机中，如’a’用什么表示，称为"编码"；反之，将存储在计算机中的二进制数解析显示出来，称为"解码"，如同密码学中的加密和解密。在解码过程中，如果使用了错误的解码规则，则导致’a’解析成’b’或者乱码。
 

位 / 比特（bits）是计算机中最基本的单位。计算机中由于只有逻辑0和逻辑1的存在，因此很多东西、动作、数字都要表示为一串二进制的字码例如： 1001 0000 1101 等等。其中每一个逻辑0或者1便是一个位，计算机中的CPU位数指的就是CPU一次能处理的最大位数。

---

字节（Byte）是计算机可寻址的最小单位，用于计量存储容量的一种计量单位，也表示一些计算机编程语言中的数据类型和语言字符。每个字节有8个二进制位，其中最右边的一位为最低位，最左边的一位为最高位，每个二进制位的值不是0就是1。

---

字符（Character）指类字形单位或符号，是各种文字和符号的总称，包括字母、数字、运算符号、标点符号和其他符号，以及一些功能性符号。是数据结构中最小的数据存取单位，通常由8个二进制位(一个字节)来表示一个字符。也是计算机中最常用到的信息形式。

---

字符集（Character Set）是各种文字和符号，包括各国家文字、标点符号、图形符号、数字等多个字符的集合。常见字符集名称：ASCII字符集、GB2312字符集、BIG5字符集、 GB18030字符集、Unicode字符集等。

---

字符编码（Character Encoding）是表示字符的一种方式。即在字符集与数字系统之间建立对应关系，它是信息处理的一项基本技术。计算机要准确的处理各种字符集文字，就需要进行字符编码，以便计算机能够识别和存储各种文字。

 

---

2. 字节序 Little endian 和 Big endian

 

字节序（endian）就是字节的顺序，用来描述计算机中如何组织字节，组成对应数字的。计算机中的内存可以看成由byte组成的大数组，在读取数据的时候，根据数据类型的不同和字节序不同来读取。 如果一个数据只用一个字节表示，比如C语言中的char，或Java中的Byte，给我们一个地址，我们直接从给定地址后面取一个字节就可以了。但是如果是类型short或其他多字节的数据类型，给我们一个地址，我们可以由两种不同的读法：从高地址到低地址读，从低地址到高地址的读。

• Little endian 小端模式，就是高位数据存放在高位地址，低位数据存放的是低位地址，好处是方便计算机读取。大部分主机字节序采用小端模式。

低地址 ---- 小端模式 ----> 高地址
0x78  |  0x56  |  0x34  |  0x12

• Big endian 大端模式，就是高位数据存放在低位地址，低位数据存高位地址，好处是和书写的顺序一致。网络字节序采用大端模式，由TCP协议规定。

低地址 ---- 大端模式 ----> 高地址
0x12  |  0x34  |  0x56  |  0x78

 

---

3. Windows系统下的ANSI编码

 

ANSI（AMERICAN NATIONAL STANDARDS INSTITUTE）美国国家标准学会成立于1918年。但在windows系统中，ANSI编码意思代表“本地编码”。ANSI并不是某一种特定的字符编码，而是在不同的系统中表示不同的编码。微软用一个叫“Windows code pages”（在命令行下执行chcp命令可以查看当前code page的值）的值来判断系统默认编码。

• 中文系统：当前ANSI编码实际是GBK编码（936）
• 港台系统：当前ANSI编码实际是Big5编码（950）
• 日文系统：当前ANSI编码实际是JIS编码（932）
• 韩文系统：当前ANSI编码实际是EUC-KR编码（949）

 

---

4. MySQL中的字符排序规则

 

排序规则	全称	说明
ci（默认）	case insensitive	大小写不敏感
cs	case sensitive	大小写敏感
bin	binary	用二进制数据编译存储，大小写敏感
ai	accent insensitive	口音 / 重音不敏感
as	accent sensitive	口音 / 重音敏感
ks	kana sensitive	假名敏感

• 查看 MySQL 字符集下的默认排序规则

执行语句：
SHOW COLLATION LIKE 'utf8mb4%';

 

---

5. 布莱尔盲文

 

布莱尔盲文（Braille）盲文或称点字、凸字，是专为盲人设计、靠触觉感知的文字。透过点字板、点字机、点字打印机等在纸张上制作出不同组合的凸点而组成，一般每一个方块的点字是由六点组成，左侧从上到下为123，右侧为456，叫一方。 它是由法国盲人路易·布莱尔于1824年创造的。

 

---

【每日一面】

Java基本类型数据各占几个字节

 

基本数据类型	占位	字节	默认值
byte	8	1	0
short	16	2	0
int	32	4	0
long	64	8	0L
float	32	4	0.0f
double	64	8	0.0d
char	16	2	\u0000
boolean	8	1	FALSE
String	-	-	null
void	-	-	-