mysql的 charset、collation、prefix了解

　　charset，即字符集。

　　collation，用于指定数据集如何排序，以及字符串的比对规则，即排序规则。

　　prefix，即数据库里表使用的前缀。

/****************************************************************************************/

　　基本概念

　　• 字符(Character)是指人类语言中最小的表义符号。例如’A'、’B'等；
　　• 给定一系列字符，对每个字符赋予一个数值，用数值来代表对应的字符，这一数值就是字符的编码(Encoding)。例如，我们给字符’A'赋予数值0，给字符’B'赋予数值1，则0就是字符’A'的编码；
　　• 给定一系列字符并赋予对应的编码后，所有这些字符和编码对组成的集合就是字符集(Character Set)。例如，给定字符列表为{’A',’B'}时，{’A'=>0, ‘B’=>1}就是一个字符集；
　　• 字符序(Collation)是指在同一字符集内字符之间的比较规则；
　　• 确定字符序后，才能在一个字符集上定义什么是等价的字符，以及字符之间的大小关系；
　　• 每个字符序唯一对应一种字符集，但一个字符集可以对应多种字符序，其中有一个是默认字符序(Default Collation)；
　　• MySQL中的字符序名称遵从命名惯例：以字符序对应的字符集名称开头，规则如下　

　　1. <character set>_<language/other>_<ci/cs>

　　2. <character set>_bin

　　以_ci(表示大小写不敏感)、_cs(表示大小写敏感)或_bin(表示按编码值比较)结尾。例如：在字符序“utf8_general_ci”下，字符“a”和“A”是等价的；

　　• 系统变量：
　　– character_set_server：默认的内部操作字符集
　　– character_set_client：客户端来源数据使用的字符集
　　– character_set_connection：连接层字符集
　　– character_set_results：查询结果字符集
　　– character_set_database：当前选中数据库的默认字符集
　　– character_set_system：系统元数据(字段名等)字符集
　　– 还有以collation_开头的同上面对应的变量，用来描述字符序。

　　• 用introducer指定文本字符串的字符集：
　　– 格式为：[_charset] ’string’ [COLLATE collation]
　　– 例如：
       　　SELECT _latin1 ’string’;
       　　SELECT _utf8 ‘你好’ COLLATE utf8_general_ci;
　　– 由introducer修饰的文本字符串在请求过程中不经过多余的转码，直接转换为内部字符集处理。

　　MySQL中的字符集转换过程

　　　　1. MySQL Server收到请求时将请求数据从character_set_client转换为character_set_connection；
　　　　2. 进行内部操作前将请求数据从character_set_connection转换为内部操作字符集，其确定方法如下：
       　　- 使用每个数据字段的CHARACTER SET设定值；
       　　- 若上述值不存在，则使用对应数据表的DEFAULT CHARACTER SET设定值(MySQL扩展，非SQL标准)；
      　　 - 若上述值不存在，则使用对应数据库的DEFAULT CHARACTER SET设定值；
       　　- 若上述值不存在，则使用character_set_server设定值。

　　　　3. 将操作结果从内部操作字符集转换为character_set_results。

　　产生乱码的问题：
          a 我们的字段没有设置字符集，因此使用表的数据集
          b 我们的表没有指定字符集，默认使用数据库存的字符集
          c 我们的数据库在创建的时候没有指定字符集，因此使用character_set_server设定值
          d 我们没有特意去修改character_set_server的指定字符集，因此使用mysql默认
          e mysql默认的字符集是latin1，因此，我们使用了latin1字符集，而我们character_set_connection的字符集是UTF-8，插入中文乱码也再所难免了。

　　使用MySQL字符集时的建议
    　　• 建立数据库/表和进行数据库操作时尽量显式指出使用的字符集，而不是依赖于MySQL的默认设置，否则MySQL升级时可能带来很大困扰；
    　　• 数据库和连接字符集都使用latin1时，虽然大部分情况下都可以解决乱码问题，但缺点是无法以字符为单位来进行SQL操作，一般情况下将数据库和连接字符集都置为utf8是较好的选择；
   
　　• 使用mysql
CAPI（mysql提供C语言操作的API）时，初始化数据库句柄后马上用mysql_options设定
MYSQL_SET_CHARSET_NAME属性为utf8，这样就不用显式地用SET
NAMES语句指定连接字符集，且用mysql_ping重连断开的长连接时也会把连接字符集重置为utf8；
    　　• 对于mysql PHP API，一般页面级的PHP程序总运行时间较短，在连接到数据库以后显式用SET NAMES语句设置一次连接字符集即可；但当使用长连接时，请注意保持连接通畅并在断开重连后用SET NAMES语句显式重置连接字符集。

　　其他注意事项
    　　• my.cnf中的default_character_set设置只影响mysql命令连接服务器时的连接字符集，不会对使用libmysqlclient库的应用程序产生任何作用！
    　　• 对字段进行的SQL函数操作通常都是以内部操作字符集进行的，不受连接字符集设置的影响。
    　　• SQL语句中的裸字符串会受到连接字符集或introducer设置的影响，对于比较之类的操作可能产生完全不同的结果，需要小心！

　　MySQL默认字符集
　　MySQL对于字符集的指定可以细化到一个数据库，一张表，一列.传统的程序在创建数据库和数据表时并没有使用那么复杂的配置，它们用的是默认的配置。

　　(1)编译MySQL 时，指定了一个默认的字符集，这个字符集是 latin1；

　　(2)安装MySQL 时，可以在配置文件 (my.ini) 中指定一个默认的的字符集，如果没指定，这个值继承自编译时指定的；

　　(3)启动mysqld 时，可以在命令行参数中指定一个默认的的字符集，如果没指定，这个值继承自配置文件中的配置,此时 character_set_server 被设定为这个默认的字符集；

　　(4)安装 MySQL选择多语言支持，安装程序会自动在配置文件中把default_character_set 设置为 UTF-8，保证缺省情况下所有的数据库所有表的所有列的都用 UTF-8 存储。

　　修改默认字符集
　　(1) 最简单的修改方法，就是修改mysql的my.ini文件中的字符集键值，
     　　如    default-character-set = utf8
      　　      character_set_server =  utf8
     　　修改完后，重启mysql的服务
　　(2) 还有一种修改字符集的方法，就是使用mysql的命令
     mysql> SET character_set_client = utf8 ;
     mysql> SET character_set_connection = utf8 ;
     mysql> SET character_set_database = utf8 ;
     mysql> SET character_set_results = utf8 ;
     mysql> SET character_set_server = utf8 ;
     mysql> SET collation_connection = utf8 ;
     mysql> SET collation_database = utf8 ;
     mysql> SET collation_server = utf8 ;

　　设置了表的默认字符集为utf8并且通过UTF-8编码发送查询，存入数据库的仍然是乱码。那connection连接层上可能出了问题。解决方法是在发送查询前执行一下下面这句： SET NAMES 'utf8';它相当于下面的三句指令：
　　SET character_set_client = utf8;
　　SET character_set_results = utf8;
　　SET character_set_connection = utf8;

/****************************************************************************************/　　

　　（1）在 charset 中，通常使用的是utf-8，Unicode Transformation Format-8bit，允许含BOM，但通常不含BOM。是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文使用24位（三 个字节）来编码。UTF-8包含全世界所有国家需要用到的字符，是国际编码，通用性强。UTF-8编码的文字可以在各国支持UTF8字符集的浏览器上显 示。如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，他们无需下载IE的中文语言支持包。

　　UTF-8编码是可变长度的编码，根据所要编码的字元来确定其具体长度，以前有个认识误区，以为UTF-8存储数据时的长度是固定的。　

　　（2）在 collation 中，类型如下：

　　utf8_bin：二进制排序

　　utf8_general_ci：普通字母排序，不区分大小写，是一个遗留的 校对规则，不支持扩展。它仅能够在字符之间进行逐个比较。这意味着utf8_general_ci校对规则进行的比较速度很快，但是与使用utf8_unicode_ci的校对规则相比，比较正确性较差。

　　utf8_unicode_ci：普通字母排序，不区分大小写，校对规则仅部分支持Unicode校对规则算法。一些字符还是不能支持。并且，不能完全支持组合的记号。这主要影响越南和俄罗斯的一些少数民族语言，如：Udmurt 、Tatar、Bashkir和Mari。utf8_unicode_ci的最主要的特色是支持扩展，即当把一个字母看作与其它字母组合相等，例如，在德语和一些其它语言中‘ß’等于‘ss’。