在 MySQL 或 Postgres 中使用混合 table 字符集时，我们会遇到性能问题吗？

Question

我正在处理一个包含不同字符集表的数据库。由于它是一个大数据库，我想知道它是否会导致性能问题。是的，数据库通常做的通常值比较是 JOIN 并且完成比较整数，但是除了某些字符集采用更大的 space 之外，我们是否可以遇到具有不同字符集的表的任何其他性能问题？

Answer 1

如果您使用不兼容的排序规则进行字符串比较，则这些比较不能使用字符串列上的索引。我在字符串列上执行 JOIN 时看到过这种情况，并且加入的 tables 具有不同的排序规则（当然，如果它们也具有不同的字符集，它们也是不同的排序规则）。

但是你说你的联接是在整数列上，而不是在字符串列上。所以在你的情况下加入应该不是问题。

如果您的 table 字符集与您的会话字符集不匹配，则在对字符串列进行查找时也可能会遇到性能问题。

示例：我的 table 是用 utf8mb4 定义的，但我将会话设置为 utf8，因此字符串文字将为 utf8。看起来是一个无害的改变，对吧？

mysql> set names utf8;

mysql> explain select * from mytable where text = 'abc123';
+----+-------------+---------+------------+------+---------------+------+---------+-------+------+----------+-------+
| id | select_type | table   | partitions | type | possible_keys | key  | key_len | ref   | rows | filtered | Extra |
+----+-------------+---------+------------+------+---------------+------+---------+-------+------+----------+-------+
|  1 | SIMPLE      | mytable | NULL       | ref  | text          | text | 83      | const |    1 |   100.00 | NULL  |
+----+-------------+---------+------------+------+---------------+------+---------+-------+------+----------+-------+

我想 utf8 字符串 'abc123' 有一个明确的方法可以提升为 utf8mb4 以匹配它所比较的列。

但是如果我强制使用 utf8mb4 不支持的特定排序规则，我发现它必须执行 table-扫描并逐行比较，而不是索引查找：

mysql> explain select * from mytable where text = 'abc123' collate utf8_general_ci;
+----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-------------+
| id | select_type | table   | partitions | type | possible_keys | key  | key_len | ref  | rows | filtered | Extra       |
+----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-------------+
|  1 | SIMPLE      | mytable | NULL       | ALL  | NULL          | NULL | NULL    | NULL |   10 |   100.00 | Using where |
+----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-------------+

隐式排序规则和显式排序规则之间存在差异。假设我将我的会话设置为使用没有清晰路径到 utf8mb4 的东西：

mysql> set names latin1;

mysql> explain select * from mytable where text = 'abc123';
+----+-------------+---------+------------+------+---------------+------+---------+-------+------+----------+-------+
| id | select_type | table   | partitions | type | possible_keys | key  | key_len | ref   | rows | filtered | Extra |
+----+-------------+---------+------------+------+---------------+------+---------+-------+------+----------+-------+
|  1 | SIMPLE      | mytable | NULL       | ref  | text          | text | 83      | const |    1 |   100.00 | NULL  |
+----+-------------+---------+------------+------+---------------+------+---------+-------+------+----------+-------+

到目前为止一切顺利，但如果我明确说明排序规则：

mysql> explain select * from mytable where text = 'abc123' collate latin1_general_ci;
ERROR 1267 (HY000): Illegal mix of collations (utf8mb4_general_ci,IMPLICIT) and (latin1_general_ci,EXPLICIT) for operation '='

底线是您应该使用相同的字符集和排序规则以使您的生活更轻松。将它用于所有 table 和会话。

在现代，很难想出使用 utf8mb4 以外的任何理由。

P.S。 Space 应该不是问题。 UTF-8 字符集允许多字节字符，但它们不会扩展适合单个字节的字符大小。 UTF-8 是一种可变宽度字符编码。所以 ASCII 范围 (0-127) 中的字符无论如何都存储在一个字节中。阅读 UTF-8 on wikipedia 了解详情，它有很好的解释。

Answer 2

MySQL:

对于 zip_code (postal_code)，存储为字符串（CHAR 或 VARCHAR），大多数字符集同样适用。但是，当 JOINing 在这样的列上时， 排序规则 必须相同。

如果相同，则可以使用该列的索引。
如果不是，则索引无用，查询必须扫描整个table.

由于排序规则包含字符集，这也强制字符集相同。

排序规则的选择比较少。但是，如果字符串中可以有字母（postal_code、country_code 等），您需要决定是否强制 tables（和用户查询）使用特定的大小写.

排序规则 ..._bin 将大小写视为不同的：'de' 将不匹配 'DE'（对于德国）。
排序规则 ..._ci 是“不区分大小写”的，因此它们会匹配。

在 MySQL 或 Postgres 中使用混合 table 字符集时，我们会遇到性能问题吗？

Can we have performance issues when using mixed table charsets in MySQL or in Postgres?

mysql

database

postgresql

character-encoding

collate