關(guān)于MySQL字符集架構(gòu)的思考
最近幾個(gè)月，我每次用MySQL，幾乎都會(huì)想：MySQL現(xiàn)在如此層次分明的字符集架構(gòu)作用真的很大嗎？
MySQL的字符集處理
發(fā)送請(qǐng)求
客戶(hù)端(character_set_client）=》數(shù)據(jù)庫(kù)連接(character_set_connection)=》存儲(chǔ)(table,column)
返回請(qǐng)求
存儲(chǔ)(table,column)=》數(shù)據(jù)庫(kù)連接(character_set_connection )=》客戶(hù)端(character_set_results)
在每一個(gè)非初始節(jié)點(diǎn)，都會(huì)做一次從上一個(gè)結(jié)點(diǎn)到當(dāng)前節(jié)點(diǎn)的字符集轉(zhuǎn)換操作。舉個(gè)例子，有如下環(huán)境：
◆ character_set_connection utf-8
◆ character_set_results gbk
◆ character_set_client gb2312
◆ 有表A，字段字符集全部為BIG5
發(fā)送請(qǐng)求的時(shí)候，首先數(shù)據(jù)從gbk轉(zhuǎn)換為utf-8，再轉(zhuǎn)換為BIG5，然后再存儲(chǔ)。
返回請(qǐng)求的時(shí)候，首先數(shù)據(jù)從BIG5轉(zhuǎn)換為utf-8，再轉(zhuǎn)換為gb2312，然后再發(fā)送給客戶(hù)端。
架構(gòu)的作用
1. 允許不同的客戶(hù)端具有不同的字符集。典型的例子就是，我有一個(gè)utf-8的站點(diǎn)，這個(gè)站點(diǎn)就是一個(gè)charset client為utf-8的客戶(hù)端。與此同時(shí)，我有可能需要在一個(gè)gbk的終端上讀寫(xiě)數(shù)據(jù)庫(kù)，這又是一個(gè)客戶(hù)端，不過(guò)它的字符集是gbk。
2. 通過(guò)數(shù)據(jù)庫(kù)操作文件系統(tǒng)的時(shí)候，需要把文件路徑轉(zhuǎn)為文件系統(tǒng)的字符集。例如我的客戶(hù)端是gbk，而服務(wù)器文件系統(tǒng)是utf-8。操作”/A片 /Rina.rmvb”，發(fā)送過(guò)去的數(shù)據(jù)里，“片”的數(shù)據(jù)和服務(wù)器是不一樣的。這時(shí)候就需要有個(gè)辦法可以把轉(zhuǎn)換GBK的“片”到utf-8。在這里 MySQL引入了一個(gè)叫character_filesystem的東西來(lái)完成這個(gè)事情。
除此之外，我暫時(shí)想不到其他的作用了。但是仔細(xì)想想，我們真的需要這樣的處理嗎？很多網(wǎng)站，無(wú)非就是希望自己的數(shù)據(jù)能怎么進(jìn)去就怎么出來(lái)。這里又有兩種情況了。
1. 希望可以根據(jù)數(shù)據(jù)進(jìn)行排序或者做like操作。首先說(shuō)排序，對(duì)于包含中文的字段來(lái)說(shuō)，根據(jù)字符集排序的概念如同雞肋。簡(jiǎn)體中文排序，一般都是希望按拼音來(lái)排序。我沒(méi)有去真正了解過(guò)MySQL里的校驗(yàn)，但是從我接觸過(guò)的程序來(lái)看，需要做此類(lèi)排序，都是專(zhuān)門(mén)建一個(gè)存放拼音的字段來(lái)排序。而拼音又存在多音字的情況。如果是UTF-8，還存在某個(gè)區(qū)間的中文同時(shí)被中日韓三國(guó)共用的情況。實(shí)現(xiàn)起來(lái)不是這么容易，所以MySQL無(wú)論的GBK還是UTF-8的校驗(yàn)集 應(yīng)該都沒(méi)有實(shí)現(xiàn)拼音。我敢說(shuō)，現(xiàn)在國(guó)內(nèi)使用MySQL的大多數(shù)網(wǎng)站，所用到的校驗(yàn)集，只是一個(gè)byte排序而已。而byte排序，根本不需要使用什么字符 集。所以說(shuō)對(duì)于中文站點(diǎn)，MySQL字符校驗(yàn)在排序上沒(méi)任何意義。
但是在like操作上，倒是有了一點(diǎn)點(diǎn)意義。例如我like ‘%a%’，就有可能匹配到某個(gè)中文某個(gè)部分含有a。當(dāng)然這種情況在utf-8下不會(huì)遇到，因?yàn)閡tf-8的存儲(chǔ)格式導(dǎo)致a只可能是a，不可能是一個(gè)多字節(jié)字符的一部分。但是在其他字符集可能就會(huì)有這個(gè)問(wèn)題了。說(shuō)到最后，like又變得和order一樣使得校驗(yàn)沒(méi)意義了。暈倒。
2. 如果完全不需要對(duì)數(shù)據(jù)進(jìn)行排序，like或者全文檢索，那么請(qǐng)停止使用char，varchar，text之類(lèi)的吧。 binary，varbinary，BLOB才是正確的選擇。binary之類(lèi)的在存儲(chǔ)，取出的時(shí)候都不會(huì)進(jìn)行字符集轉(zhuǎn)換，而在排序時(shí)候，只根據(jù)二進(jìn)制內(nèi) 容排序，所以在效率上高出char，varchar，text很多。
這種情況更不需要字符集了。但是按照目前MySQL的架構(gòu)，在client和connection之間的字符集操作，是忽略字段類(lèi)型的，在這兩個(gè)節(jié)點(diǎn)之間，依然會(huì)進(jìn)行字符集轉(zhuǎn)換。
另外提一下PHP里的設(shè)置字符集。大家請(qǐng)不要再使用mysql_query(”set names utf8″)這樣的語(yǔ)句了。mysql_set_charset()才是最完整的字符集設(shè)置方式。后者比前者多一個(gè)設(shè)置，就是把struct MySQL的charset成員也設(shè)置了。這個(gè)成員變量在escape的時(shí)候起著很重要的作用，特別是對(duì)于GBK這種運(yùn)行把“\”作為字符一部分的編碼格式。如果你只使用mysql_query(”set names XXX”)，那么在某些字符集，會(huì)有重大的安全漏洞，導(dǎo)致mysql_real_escape_string變得和addslashes一樣不安全。
【編輯推薦】
