MySql数据库字符集和比较规则

一、编码规范及编码规范里的3个子概念：

编码规范：使用不同的二进制数来表示代表不同的字符

1.字库表（界定字符范围）

一套编码规范不一定包含世界上所有的字符，字库表就存储了编码规范中能显示的所有字符。例如：几乎所有汉字都保存在GBK 编码规范的字库表中，但法语，俄语并不在其字库表中。

2.编码字符集（字符集）

字库表中，每一个字符都有一个对应的二进制地址，编码字符集就是这些地址的集合。
例如：在ASCII码的编码字符集中，字母A的序号（地址）是65，65的二进制就是01000001。我们可以说编码字符集就是用来存储这些二进制数的。而这个二进制数就是编码字符集中的一个元素，同时它也是字库表中字母A的地址。我们根据这个地址就可以显示出字母A。
结论：字符集和字库表一一对应，相互转换。

3.字符编码（编码方式）

知道字库表和编码字符集后，我们就可以直接使用二进制地址来得到字符了。

但直接使用字符对应的二进制地址来显示文字是十分浪费的，Unicode 编码规范中包括了几百万个字符，想要包括几百万个不同的字符，起码需要3个字节的容量，为了方便将来扩展，Unicode还保留了更多未使用的空间，最多可以存储4个字节的容量。

因此为了区分每个字符，哪怕是00000000 00000000 00000000 00001111这种其实只占了1个字节的字符，我们也要为他分配4个字节的空间，这就导致一个可以用1G保存的文件，现在需要4G才能保存，这是极其浪费的做法。

于是制定了一套算法来节省空间，而每种不同的算法都被称作一种编码方式.

变长编码方式：使用不同的字节数表示一个字符，例如：gb2312、utf-8、utf-16
定长编码方式：使用相同的字节数表示一个字符，例如：ascii、utf-32.

例如：UTF-8就是一种编码方式，Unicode是一种编码规范。此外，Unicode还有UTF-16,UTF-32这两种编码方式。不同的编码方式节约的空间不同。UTF-8 表示最少使用1个字节，UTF-16表示最少使用2个字节，UTF-32是定长编码方式，固定使用4个字节

二、比较规则

如何比较两个字符大小，比较简单的场景根据字符直接进行比较，在很多场合下，英文不区分大小写，就需要先统一转换为大写或小写，再进行比较。还有一些语言根据是否重音比较大小。故每一种字符集都对应多种比较规则；
例如：utf-8的比较规则：uft8_general_ci、utf_bin、uft8_unicode_ci等。
比较规则的命名的一般规律：
1，以其关联字符集开头。例如：uft8_xxx_xxx
2，后面紧跟该比较规则所应用的语言。uft8_polish_ci表示波兰语的比较规则
3，后缀表示是否区分语言中的重音、大小写等。例如：_ai 不区分重音、_as区分重音、_ci 不区分大小写、_cs 区分大小写、_bin已二进制方式比较

三、MySql四个级别字符集和比较规则

四个级别的字符集和比较规则设置：服务器、数据库、表、列
1，如果创建和修改列时，没有显示的指定字符集和比较规则，则默认使用表的字符集和比较规则
2，如果创建表时，没有显示的指定字符集和比较规则，则默认使用数据库的字符集和比较规则
3，如果创建数据时，没有显示的指定字符集和比较规则，则默认使用服务器的字符集和比较规则

mysql中每个字符集都对应一些比较规则，并指定其中一个是默认的比较规则，每个比较规则只对应一个字符集；
若只修改字符集，则比较规则会跟着设置为该字符集默认的比较规则
若只修改比较规则，则字节集会跟着设置为该比较规则对应的字符集

四、MySql客户端和服务端通讯过程中使用字符集

编码：将字符转换为二进制地址
解码：将二进制地址转换为字符
字符集的转换：使用A字符集解码，得到字符，再将字符使用B字符集编码

1，客户端发送请求字节时，使用操作系统当前的使用的字符集；windows系统可以通过，启动参数default-character-set设置
LC_ALL、LC_CTYPE、LANG这三个环境变量决定了当前操作系统时哪种字符集，其中优先级LC_ALL>LC_CTYPE>LANG
2，服务器接收到请求后，使用哪种字符集进行解码取决于，当前session的系统变量 character_set_client
3，服务器运行过程中，会把字符集转换为哪种字符集，取决于当前session的系统变量 character_set_connection；并非多次一举select ‘a’ == ‘A’ 并不能确定结果，需要考虑字符集及其比较规则；
在执行select * from table1 where c = ‘我’ 时，若character_set_connection的字符集与列c的字符集不一致，则c的优先级高，‘我’需要在转码为列c的字符集，再进行比较
4，服务器在向客户端返回字节时，使用哪种字符集，取决于当前session的系统变量character_set_results
5，客户端接收到返回时，使用操作系统当前的使用的字符集；