«

MySQL中存储的数据查询的时候怎么区分大小写

时间:2024-7-14 15:41     作者:韩俊     分类: Mysql


这篇文章主要介绍了MySQL中存储的数据查询的时候怎么区分大小写的相关知识,内容详细易懂,操作简单快捷,具有一定借鉴价值,相信大家阅读完这篇MySQL中存储的数据查询的时候怎么区分大小写文章都会有所收获,下面我们一起来看看吧。

    场景描述

    今天在将 Hive 表同步到 MySQL 之后,其中有一列是唯一列,但是在 MySQL 中查询的时候

    count
    distinct count
    查询出来的数值是不一样的,这么来看的话是有重复的数据(按理说不应该的,因为在 Hive 中,这两个数值是一样的),那么将重复的数据查出来看了一下,发现是大小写的问题,然后查了一下,发现 MySQL 数据库默认情况下,字符串字段的所有相关运算是大小写"不敏感"的。

    这一点与其它流行的数据库都不相同。

    解决办法

    1. 查询时指定大小写敏感

    MySQL 允许在查询的时候指定以大小写敏感方式,需要使用关键字

    BINARY
    ,查询如下:

    SELECT * FROM student WHERE BINARY name = 'ZhangSan';
    --或者
    SELECT * FROM student WHERE name = BINARY 'ZhangSan';

    很多时候当发现 MySQL 数据库存在上述问题时,系统已经运行了一段时间,如果采用方法二或方法三的代价可能会很大。

    使用此方法最大的好处便是可以快速实现功能。

    但是这个方法也存在很大的限制:如此可能因为无法使用索引导致查询性能下降。

    原因很好理解,因为此时针对查询字段的索引也是按照大小写不敏感方式建立的。

    除非数据量不大,或者在你的应用中不在乎这点性能上的损失,那么只能选择方法二或方法三了。

    2. 定义表结构时指定字段大小写敏感

    在创建表时指定具体的字段大小写敏感,示例如下:

    CREATE TABLE student (
      ...
      name VARCHAR(64) BINARY NOT NULL,
      ...
    
    )

    关键字

    BINARY
    指定 name 字段大小写敏感。

    如此在查询时就算不使用

    BINARY
    关键字,查询语句也是大小写敏感的。

    在此基础上创建的 name 相关的索引也是大小写敏感的,也就能够使用索引来提高性能。

    MySQL 允许在大多数字符串类型上使用

    BINARY
    关键字,用于指明所有针对该字段的运算是大小写敏感的,更多信息请参见 MySQL 官方文档。

    这种方法使得设计者可以精确地控制每个字段是否大小写敏感。不过在很多系统的设计中,期望大部分甚至所有的字段统一大小写敏感。MySQL 也提供了解决方案,这就要用到方法三。

    3. 修改排序规则(COLLATE)

    在 MySQL 中执行

    show create table <tablename>
    指令,可以看到一张表的建表语句,example 如下:

    CREATE TABLE `table1` (
        `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT,
        `field1` text COLLATE utf8_general_ci NOT NULL COMMENT '字段1',
        `field2` varchar(128) COLLATE utf8_general_ci NOT NULL DEFAULT '' COMMENT '字段2',
        PRIMARY KEY (`id`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8_unicode_ci;

    大部分字段我们都能看懂,但是今天要看的是 COLLATE 关键字。这个值后面对应的

    utf8_general_ci
    是什么意思呢?下面我们就来了解一下。

    COLLATE是用来做什么的?

    使用 Navicat 开发的可能会比较眼熟,因为其中的选项中已经给出了答案:

    所谓

    utf8_general_ci
    ,其实是用来排序的规则。对于 MySQL 中那些字符类型的列,如VARCHAR,CHAR,TEXT 类型的列,都需要有一个 COLLATE 类型来告知 MySQL 如何对该列进行排序和比较。简而言之,COLLATE 会影响到 ORDER BY 语句的顺序,会影响到 WHERE 条件中大于小于号筛选出来的结果,会影响 DISTINCTGROUP BYHAVING 语句的查询结果。另外,MySQL 建索引的时候,如果索引列是字符类型,也会影响索引创建,只不过这种影响我们感知不到。总之,凡是涉及到字符类型比较或排序的地方,都会和 COLLATE 有关

    涉及字符串的各种运算其核心必然涉及到采用何种字符排序规则(COLLATE,也有翻译为"核对")。本质上 MySQL 是通过 COLLATE 取值决定字符串运算是否大小写敏感。

    utf8_general_ci
    是一个具体的 COLLATE 取值。每个具体的 COLLATE 都对应唯一的字符集,可以看出该 COLLATE 对应字符集为
    utf8
    。而与大小写敏感问题相关的是其后缀
    _ci
    ,MySQL 官方文档对其的解释是
    Case Ignore
    的缩写,即大小写不敏感。由于 MySQL 将
    utf8_general_ci
    指定作为字符集 utf8 的默认 COLLATE,这也就导致文章开头所说的现象。与此同时,MySQL 也提供了其它的 COLLATE 取值选项,
    utf8_bin
    就是大小写敏感的。事实上所有大小写敏感的 COLLATE 都以
    _bin
    _cs
    为后缀,前者是
    Binary
    的缩写,后者是
    Case Sensitive
    的缩写。

    各种COLLATE的区别

    COLLATE 通常是和数据编码(CHARSET)相关的,一般来说每种 CHARSET 都有多种它所支持的 COLLATE,并且每种 CHARSET 都指定一种 COLLATE 为默认值。例如 Latin1 编码的默认 COLLATE 为

    latin1_swedish_ci
    ,GBK 编码的默认 COLLATE 为
    gbk_chinese_ci
    ,utf8mb4 编码的默认值为
    utf8mb4_general_ci

    这里顺便讲个题外话,MySQL 中有 utf8 和 utf8mb4 两种编码,在 MySQL 中请大家忘记 utf8,永远使用 utf8mb4。这是 MySQL 的一个遗留问题,MySQL 中的 utf8 最多只能支持 3bytes 长度的字符编码,对于一些需要占据 4bytes 的文字,MySQL 的 utf8 就不支持了,要使用 utf8mb4 才行。

    很多 COLLATE 都带有

    _ci
    字样,这是
    Case Insensitive
    的缩写,即大小写无关,也就是说
    "A"
    "a"
    在排序和比较的时候是一视同仁的。
    selection * from table1 where field1="a"
    同样可以把 field1 为
    "A"
    的值选出来。与此同时,对于那些
    _cs
    后缀的 COLLATE,则是
    Case Sensitive
    ,即大小写敏感的。

    在 MySQL 中使用

    show collation
    指令可以查看到 MySQL 所支持的所有 COLLATE。以 utf8mb4 为例,该编码所支持的所有 COLLATE 如下图所示。

    图中我们能看到很多国家的语言自己的排序规则。在国内比较常用的是

    utf8mb4_general_ci
    (默认)、
    utf8mb4_unicode_ci
    utf8mb4_bin
    这三个。我们来探究一下这三个的区别:

    首先 utf8mb4_bin 的比较方法其实就是直接将所有字符看作二进制串,然后从最高位往最低位比对。所以很显然它是区分大小写的。

    而 utf8mb4_unicode_ci 和 utf8mb4_general_ci 对于中文和英文来说,其实是没有任何区别的。对于我们开发的国内使用的系统来说,随便选哪个都行。只是对于某些西方国家的字母来说,utf8mb4_unicode_ci 会比 utf8mb4_general_ci 更符合他们的语言习惯一些,general 是 MySQL 一个比较老的标准了。例如,德语字母

    "&szlig;"
    ,在 utf8mb4_unicode_ci 中是等价于
    "ss"
    两个字母的(这是符合德国人习惯的做法),而在 utf8mb4_general_ci 中,它却和字母
    "s"
    等价。不过,这两种编码的那些微小的区别,对于正常的开发来说,很难感知到。本身我们也很少直接用文字字段去排序,退一步说,即使这个字母排错了一两个,真的能给系统带来灾难性后果么?从网上找的各种帖子讨论来说,更多人推荐使用 utf8mb4_unicode_ci,但是对于使用了默认值的系统,也并没有非常排斥,并不认为有什么大问题。结论:推荐使用 utf8mb4_unicode_ci,对于已经用了 utf8mb4_general_ci 的系统,也没有必要花时间改造。

    另外需要注意的一点是,从 MySQL 8.0 开始,MySQL 默认的 CHARSET 已经不再是 Latin1 了,改为了 utf8mb4 (参考链接),并且默认的 COLLATE 也改为了 utf8mb4_0900_ai_ci。utf8mb4_0900_ai_ci 大体上就是 unicode 的进一步细分,0900 指代 unicode 比较算法的编号( Unicode Collation Algorithm version),ai 表示 accent insensitive(发音无关),例如 e,&egrave;, &eacute;, &ecirc; 和 &euml; 是一视同仁的。相关参考链接1,相关参考链接2

    COLLATE 设置级别及其优先级

    MySQL 数据库允许在表 和 列 三个级别上指定 Collation。当同时指定时,优先关系是:列 > 表 > 库。

    设置 COLLATE 可以在实例级别库级别表级别列级别、以及 SQL 指定。当同时指定时,优先关系是:SQL 指定 > 列 > 表 > 库 > 实例级别。

      实例级别的 COLLATE 设置就是 MySQL 配置文件或启动指令中的 collation_connection 系统变量。

      库级别设置 COLLATE 的语句如下:

    CREATE DATABASE <db_name> DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

    如果库级别没有设置 CHARSET 和 COLLATE,则库级别默认的 CHARSET 和 COLLATE 使用实例级别的设置。在 MySQL 8.0 以下版本中,你如果什么都不修改,默认的 CHARSET 是 Latin1,默认的 COLLATE 是 latin1_swedish_ci。从 MySQL 8.0 开始,默认的 CHARSET 已经改为了 utf8mb4,默认的 COLLATE 改为了 utf8mb4_0900_ai_ci。

      表级别的 COLLATE 设置,则是在 CREATE TABLE 的时候加上相关设置语句,例如:

    CREATE TABLE table_name (
    ……
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT = '表注释';

    如果表级别没有设置 CHARSET 和 COLLATE,则表级别会继承库级别的 CHARSET 与 COLLATE。

      列级别的设置,则在 CREATE TABLE 中声明列的时候指定,例如

    CREATE TABLE (
    `field1` VARCHAR(64) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL DEFAULT '' COMMENT '字段1',
    ……
    ) ……

    如果列级别没有设置 CHARSET 和 COLATE,则列级别会继承表级别的 CHARSET 与 COLLATE。

      最后,你也可以在写 SQL 查询的时候显示声明 COLLATE 来覆盖任何库表列的 COLLATE 设置,不太常用,了解即可:

    SELECT DISTINCT field1 COLLATE utf8mb4_general_ci FROM table1;
    
    SELECT field1, field2 FROM table1 ORDER BY field1 COLLATE utf8mb4_unicode_ci;

    如果全都显示设置了,那么优先级顺序是 SQL 语句 > 列级别设置 > 表级别设置 > 库级别设置 > 实例级别设置。

    也就是说列上所指定的 COLLATE可以覆盖表上指定的 COLLATE,表上指定的 COLLATE 可以覆盖库级别的 COLLATE。如果没有指定,则继承下一级的设置。

    即列上面没有指定 COLLATE,则该列的 COLLATE 和表上设置的一样。

    以上就是关于 MySQL 的 COLLATE 相关知识。不过,在系统设计中,我们还是要尽量避免让系统严重依赖中文字段的排序结果,在 MySQL 的查询中也应该尽量避免使用中文做查询条件。

    标签: mysql

    热门推荐