在本文中讨论以下几个问题:

1. GBK和UTF8占用几个字节

2. ASCII码在不同字符集中占用几个字节

3. MySQL中UTF8MB4在存储空间中是不是都是占用4个字节?

字符集问题比较枯燥,知数堂MySQL DBA实战班中,经常遇到一些很利害的同学也对字符集一知半解,想着应该有很多同学也存在这个问题。 那么我们把课程中的内部证明方法整理出来,也让大家感受一下:知数堂MySQL DBA的实战班的风格: 就是干。

Q1  GBK和UTF8占用几个字节

首先来看一下,GBK,UTF8在占用几个字节:

从上图可以看出来, 同样一个"知"字

GBK : "d6 aa"   两个字节

UTF8: "e7 9f a5"  三个字节

其中: 0a 相当于"\n" echo 自带的回车符。

从上面信息来 非ASCII码在不同字符集是占用的字节是不一样的。

Q2 ASCII码在不同字符集中占用的字节是不是一样

我们再来看看ASCII码在不同字符集下是不是一样

这里可以看出来,ASCII码在GBK和UTF8下内容都是: 61 占用1个字节。

从上面两个例子来看, 字符集这个大老虎,我们可以借助于16进制进行观查。

Q3 MySQL中UTF8MB4在存储空间中是不是都是占用4个字节?

为了简单分析,创建一个只有一个字段的表:tb_varchar

基于字符集环境:

查看一下表里的内容及统计一下字节长度

下面还是使用hexdump来看一下内容:

第一行内容: 10个a 相当于10个61,在上面先找到61及10个,在往前找,可以找到10的标识。

然后可以看到一个09相当于9个字节, 对应着9个61

再往下面看: 07相当于7个字节, 对应7个61

再往下面看: 06相当于6个字节 对应6个61

再往下面看: 08相当于8个字节 对应8个61

再往下面看: 09相当于9个字节 对应: 3个 "e7 9f a5"对应的"知"字

从上面内容来看, ASCII码在UF8下占用也是1个字节,"知"在UTF8MB4下也占用的是3个字节,并非4个字节。

但对于排序这块上层分配应该是按4个字节来分配的,这块代码待确认。

(大家可能会想: 变字长段的长度标识后面到真正字段内容中是什么? 这块是InnoDB行结构的内容,在这里不展开了,如果对InnoDB特别感兴趣,可以关注一下知数堂MySQL DBA优化班,叶老师亲自为你讲解InnoDB的核心结构)

从以上实验可以看出来:

1. GBK和UTF8占用几个字节

答: GBK占用2个字节, UTF8占用3个字节; ASCII码在不同字符集下占用的字节大小是一致的,都是一个字节。

2. ASCII码在不同字符集中占用几个字节

答: ASCII码在不同字符集下占用字节是一致的。非ASCII码在不同字符集占用的字节是不一样的。

3. MySQL中UTF8MB4在存储空间中是不是都是占用4个字节?

答: 在UTF8MB4中并不是所有的字符都占用4个字节, 例如: ASCII码还是占用1个字节, 一般的中文汉字还是占用3个字节,目前知道的emoji表情是占用4个字节。

你的转发,留言就是最大的支持。