mysql数据校验过程中的字符集问题处理

网络编程 2021-07-05 15:27www.168986.cn编程入门
在日常应用中,我们经常会遇到在不同的字符集的数据库直接进行数据的导入导出操作,针对这个问题,我们来进行讨论下

场景
主库DButf8字符集
备库DBgbk字符集

需求
校验主备数据是否一致,并且修复

校验过程
设置主库连接为utf8,设置备库连接为gbk,分别进行查询,将返回的的结果集按记录逐字段比较。

显示结果
原本相同的汉字字符,数据校验认为不一致。

原因分析
对于主库而已,由于建立连接的字符集为UTF8,则返回的汉字字符编码为UTF8格式;对于备库而言则是GBK格式,而程序中通过字符串比较函数strcasecmp进行比较,显然不同的字符集编码,相同的字符有不同的二进制,结果肯定不会相等。

进一步分析
那么对于这种情况,建立连接应该采用哪种字符集呢?GBK or UTF8。其实选择任何一种字符集都是OK的,只要是访问主库和备库的字符集保持一致即可,唯一的区别在于,若选择的字符集与客户端的字符集不一致,可能导致无法正常显示字符,即字符显示为乱码。

我们以客户端的字符集为例,详细说说三种情况【这里的客户端可以认为是SecureCRT】
备注绿色框代表DB字符集,黄色框代表连接字符集,橙色框代表客户端
第一种情况

就是上述的情况,主库返回字符的GBK编码,备库返回字符的UTF8编码,进行字段比对,则会出现误差。

第二种情况

访问主库的连接不变,备库连接由UTF8变为GBK,进行返回时,数据库会将DB的字符集转为GBK返回给客户端,那么对于客户端而已,相同字符都是通过GBK编码表示,二进制相等,校验结果正确。

第三种情况

   访问主库和备库的连接都是UTF8,对于主库而已,返回给客户端的字符编码由GBK转为UTF8,此时主库和备库都是UTF8编码,校验结果正确。但由于客户端实质是GBK编码方式显示,返回的汉字字符都是乱码,但不影响校验结果的正确性。

修复

      既然选择与主备库任一一个相同的字符集去访问,都不会影响校验结果的正确性,那么影响修复呢?由于UTF8的编码范围比GBK编码范围要大,若采用GBK连接访问UTF8编码DB,有可能出现部分字符GBK不能表示的情况。

我们拿第二种情况说明,此时主库为GBK,备库为UTF8,使用GBK访问UTF8。假设存在UTF8转为GBK过程中部分字符丢失,这时候主备库肯定是不一致的,因为存在部分字符GBK无法表示。 假设修复语句如下

Update  t set c1=master_value  where  c1=slave_value  and id=?

其中t表示表名,id是主键表示某一行,master_value为主库c1列的值,slave_value为备库c1列的值。此时,slave_value由于UTF8转为GBK已经丢失,语句执行最终影响0行记录,无法修复。

 

结论

客户端访问两个不同字符集库进行数据校验时,连接采用表示范围更大的字符集。比如我们常用的字符集表示范围如下

Latin<gb2312<gbk<utf8

 

附mysql客户端与服务器通信时字符集编码转换流程

相关参数

– 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

 1.客户端请求服务器

1)将client的字符集转为connection字符集

2)将connection字符集转为DB内部的字符集

 

 2.服务器返回结果给客户端

1)将DB内部字符集转为connection字符集

2)将connection字符集转为character_set_results字符集

 

3.设置字符集命令set names 字符编码

指定客户端与服务器通信的字符集,包括请求与返回。

SET NAMES 'x'  等价于

SET character_set_client = x;

SET character_set_results = x;

SET character_set_connection = x;

附图

Copyright © 2016-2025 www.168986.cn 狼蚁网络 版权所有 Power by