X侦探所事件簿 | MySQL的字符集实现

腾讯数据库技术 2023-06-01

602

#MySQL#

字符集实现

DATABASE MANAGEMENT

X侦探所事件簿

在前面的文章《X侦探所事件簿系列二 —— 关于字符集的秘密》中我们探索了MySQL字符集在CentOS系统下字符集变量作用和意义。这次，我们以5.7.36版本作为演示版本，探索一下MySQL内部字符集的实现，以此来从内部的视角来看看神秘的MySQL字符集是如何实现的，为源码爱好者提供一个简单的入门级接触。

#字符集相关系统表#

首先我们要了解MySQL的两个系统表，这两个表是在information_schema下，保存着charset相关信息的表（实际上在该schema下存在3个和charset相关的表，但记录重要信息的只有两个），他们分别是CHARACTER_SETS和COLLATIONS，前者是用于描述MySQL所支持的字符集及其信息，后者用于描述每个字符集所支持的字符排序规则（collation）。

CHARACTER_SETS

通过描述CHARACTER_SETS的建表元信息，我们得到如下相关信息。

其中字段的含义是如下：

这里我们看看一看GB2312这几个字符集在这个表中的内容，其他的字符集读者可以自己探索了解一下。

COLLATIONS

我们再看看COLLATIONS这张表，其定义如下：

其字段的含义如下：

这里我们看看一看GB2312这个字符集在这个表中的保存的内容：

小结

在这，留下一个疑问，为什么GB2312这个字符集，在CHARACTER_SETS有一条记录，在COLLATIONS这张表中有两条记录？我们期待读者能给出自己的答案。

#字符集实现代码#

看完这两张表的定义和表中存储的数据，就可以根据这些信息了解一下MySQL内部的实现。首先我们要了解的是用于保存字符集信息的结构CHARSET_INFO。

基本结构

在该结构中，保存了MySQL字符集所需的信息，包括charset的名字（诸如GB2312等）、charset在MySQL中的编号等。

知道有了CHARSET_INFO保存字符集信息，通过该结构，我们可以发现在这里，MySQL通过all_charsets存储支持的所有字符集（排序规则），通过default_charset_info来保存默认的字符集。

字符集的初始化

如上节找到字符集的存储对象，我们可能需要知道这些对象是如何被初始化的。因为通过了解初始化的过程可以知道charset的信息来源。

在如下函数中我们可以看到all_charsets变量被初始化为0，那么极有可能在后续的操作中将被初始化为对应的字符集信息。

对该函数内的语句的浏览，我们发现在如下函数系列中，有疑似对各个字符集变量的初始化操作。

在该函数中使用各个不同的CHARSET_INFO对象。

在add_compiled_collation函数中将传入的CHARSET_INFO对象初始化到指定all_charsets的数组中的指定位置。

通过如上这三个函数我们知道all_charsets变量的初始化是通过一个个具体的charset对象完成，那么代码看到这里就会有个疑问,类似my_charset_latin1_german2_ci的变量是哪里来初始化的呢？

在进入到strings的源码目录我们会发现如下文件，这些文件中的代码将会提供答案给我们。

探索这些文件就会发现my_charset_latin1_german2_ci是在ctype-latin1.c源码文件中做了初始化变量的操作，这是一个全局变量的初始化。在这里初始化了字符集名字，字符集排序规则名字（collation name）以及相关的重要信息。

小结

至此，我们介绍了字符集的初始化。但是，这里会有一个疑问，为什么一个字符集结构CHARSET_INFO要初始化多次？比如GB2312要初始化my_charset_big5_chinese_ci和my_charset_big5_bin两个变量？这就和前面提到collation有关了（也就是在字符集的系统中小结提到的问题）。这部分的对应关系我们留给读者自己探索，以期望读者能自己更进一步掌握相关的概念和源码。

连接时的字符集设置

以上讲了字符集在MySQL实例启动的初始化，我们再讲一下MySQL的client在连接时的字符集的问题。