關(guān)于MySQL字符集架構(gòu)的思考
最近幾個月，我每次用MySQL，幾乎都會想：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)送請求
客戶端(character_set_client）=》數(shù)據(jù)庫連接(character_set_connection)=》存儲(table,column)
返回請求
存儲(table,column)=》數(shù)據(jù)庫連接(character_set_connection )=》客戶端(character_set_results)
在每一個非初始節(jié)點(diǎn)，都會做一次從上一個結(jié)點(diǎn)到當(dāng)前節(jié)點(diǎn)的字符集轉(zhuǎn)換操作。舉個例子，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。
返回請求的時(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)送給客戶端。
架構(gòu)的作用
1. 允許不同的客戶端具有不同的字符集。典型的例子就是，我有一個utf-8的站點(diǎn)，這個站點(diǎn)就是一個charset client為utf-8的客戶端。與此同時(shí)，我有可能需要在一個gbk的終端上讀寫數(shù)據(jù)庫，這又是一個客戶端，不過它的字符集是gbk。
2. 通過數(shù)據(jù)庫操作文件系統(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)候就需要有個辦法可以把轉(zhuǎn)換GBK的“片”到utf-8。在這里 MySQL引入了一個叫character_filesystem的東西來完成這個事情。
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，無非就是希望自己的數(shù)據(jù)能怎么進(jìn)去就怎么出來。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。首先說排序，對于包含中文的字段來說，根據(jù)字符集排序的概念如同雞肋。簡體中文排序，一般都是希望按拼音來排序。我沒有去真正了解過MySQL里的校驗(yàn)，但是從我接觸過的程序來看，需要做此類排序，都是專門建一個存放拼音的字段來排序。而拼音又存在多音字的情況。如果是UTF-8，還存在某個區(qū)間的中文同時(shí)被中日韓三國共用的情況。實(shí)現(xiàn)起來不是這么容易，所以MySQL無論的GBK還是UTF-8的校驗(yàn)集 應(yīng)該都沒有實(shí)現(xiàn)拼音。我敢說，現(xiàn)在國內(nèi)使用MySQL的大多數(shù)網(wǎng)站，所用到的校驗(yàn)集，只是一個byte排序而已。而byte排序，根本不需要使用什么字符 集。所以說對于中文站點(diǎn)，MySQL字符校驗(yàn)在排序上沒任何意義。
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中文某個部分含有a。當(dāng)然這種情況在utf-8下不會遇到，因?yàn)閡tf-8的存儲格式導(dǎo)致a只可能是a，不可能是一個多字節(jié)字符的一部分。但是在其他字符集可能就會有這個問題了。說到最后，like又變得和order一樣使得校驗(yàn)沒意義了。暈倒。
2. 如果完全不需要對數(shù)據(jù)進(jìn)行排序，like或者全文檢索，那么請停止使用char，varchar，text之類的吧。 binary，varbinary，BLOB才是正確的選擇。binary之類的在存儲，取出的時(shí)候都不會進(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，是忽略字段類型的，在這兩個節(jié)點(diǎn)之間，依然會進(jìn)行字符集轉(zhuǎn)換。
另外提一下PHP里的設(shè)置字符集。大家請不要再使用mysql_query(”set names utf8″)這樣的語句了。mysql_set_charset()才是最完整的字符集設(shè)置方式。后者比前者多一個設(shè)置，就是把struct MySQL的charset成員也設(shè)置了。這個成員變量在escape的時(shí)候起著很重要的作用，特別是對于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】
