由数据插入超长引起的问题——了解GaussDB和openGauss的字符集

前言

故事是这样开始的。我们的小DEMO项目的数据库版本从openGauss 2.1.0升级到了5.0.0版本。升级后进行功能验证的时候,测试同学发现个BUG,原来通过gs_restore导出来的数据再导入时报超长,插入失败了,如下图所示,nvarchar(10)的字段类型,无法插入10个汉字---"齐天大圣孙悟空美猴王"。


一、定位过程

疑问一 :openGauss高版本是否没有兼容低版本?

接到问题后以为是openGauss 5.0.0版本没有兼容2.1.0版本的字段类型,于是查阅了官网的资料:

5.0.0版本

2.1.0版本

确认发现两个版本对于nvarchar2(n)类型的定义是一样的,都是表示的字符的长度。

疑问二:5.0.0版本和2.1.0版本对字符的定义是否不同?

查看了数据库列表,确认字符集的异同,为了区分截图,同时查询了openGauss的数据库版本。发现2.1.0版本的模板数据库(template0,template1)的字符集(Encoding)是UTF8,而5.0.0版本的模板数据库(template0,template1)的字符集(Encoding)是SQL_ASCII。

2.1.0:

而openGauss创建数据库的过程,是通过复制template数据库创建的,默认复制template0,参见官网资料对create database的介绍:

So,如果创建数据库时不专门指定字符集,那么5.0.0版本和2.1.0版本创建的数据库的字符集就是不同的。2.1.0版本创建的数据库的字符集是UTF8,而5.0.0是SQL_ASCII。

2.1.0:

5.0.0:

疑问三:再挖一步,为什么2.1.0版本默认的字符集和5.0.0版本不同呢?

后知后觉的发现原来是因为我之前安装2.1.0环境的时候指定了字符集,指定字符集的命令如下:

gs_install -X /opt/software/openGauss/clusterconfig.xml --gsinit-parameter="--locale=zh_CN.utf8 --encoding=UTF-8"

而安装5.0.0版本的时候没有指定字符集,不指定字符集的命令:

gs_install -X /opt/software/openGauss/clusterconfig.xml

openGauss在不指定字符集的时候默认会是SQL_ASCII,和版本无关,所有版本均如此。

有一点想锤自己且恍然大悟如梦初醒的感觉,不过我们还是继续确认两个字符集的区别。

小结:两个字符集的异同

查阅官网发现,UTF8和SQL_ASCII的字符的长度是不同的,如下图所示:

导致数据插入失败的原因算是找到了,字符集的区别导致的。

二、解决方法

1. 安装数据库时显式的指定字符集是UTF8,则默认创建好的模板数据库就会继承安装时指定的字符集;

gs_install -X /opt/software/openGauss/clusterconfig.xml --gsinit-parameter="--locale=zh_CN.utf8 --encoding=UTF-8"

2. 创建数据库时显式的指定字符集是UTF8,则默认创建好的表就会继承数据库的字符集;

3. 创建模式时显示的指定字符集是UTF8,则表的默认字符集就会是UTF8;

该方法仅支持B模式的数据库,且要加载dolphon插件,B模式指兼容mysql,目前还没有实证,后续。--官网文档写的有点简陋了。

4. 创建表时显式的指定字符集是UTF8,则表的默认字符集就会是UTF8;

5. 增加列时显式指定列的字符集是UTF8,则该列的字符集就会是UTF8;

逻辑上讲上述4种都可以,遗憾的是目前对表和列指定字符集的功能,在5.0.0版本并未实现功能,只是支持了语法,而指定模式的字符集,参见第二种方式,仅在B模式下实现了。

因此实际操作中,前两种方法都可以,在安装数据库时指定字符集或者创建数据库时指定字符集。指定字符集后再创建表,则表就会继承数据库的字符集,nvarchar(10)就可以支持10个汉字了。

三、扩展阅读

GaussDB数据库的默认字符集是什么呢?

  1. GaussDB(3.223.0)默认的encoding是UTF8,template0和template1两个模板数据库的编码格式也是UTF8。

Encoding = 7,7表示UTF8

默认创建的数据库字符集是UTF8。

新建时通过下拉框选择,支持如下几种字符集:

  1. 那么GaussDB支持创建scheme的时候指定和database的encoding不同的charset吗?试试看,我们创建了一个数据库testdb_ascii,字符集是SQL_ASCII。然后在该数据库中创建一个schema,charset指定UTF8,执行时报错还不支持。
  1. 创建表时会怎么样呢?我们试着创建一个指定CHARSET为UTF8的表,执行时没有报错,是可以执行成功,然而查看表信息的时候发现,表的字符集仍然是SQL_ASCII,说明指定CHARSET的操作并没有执行。创建表:

查询表信息:

  1. 增加列时指定charset会怎么样呢?个人理解,由于GaussDB是在openGauss基础上进行的云化,因此也只在B模式下支持,见下图:

当我创建了一个B模式的数据库,执行相同的SQL,报错变了,但仍然是没有支持:

  1. 可见在GaussDB以及openGauss中,创建数据库时要确定好字符集,否则数据库创建好后,就无法再在低一级的Schema,table和Column中重新制定,遇到不适用的场景只能重新建库。

附录

一些本文中用到的脚本汇总:

---不指定字符集安装数据库

gs_install -X /opt/software/openGauss/clusterconfig.xml

---指定字符集为UTF8安装数据库

gs_install -X /opt/software/openGauss/clusterconfig.xml --gsinit-parameter="--locale=zh_CN.utf8 --encoding=UTF-8"

---不指定字符集创建数据库

create database test_encoding_default;

---指定字符集为UTF8创建数据库

create database test_encoding_utf8 encoding 'utf8';

---切换到另外一个数据库

\c test_encoding_utf8

---指定字符集创建表

create table t (id nvarchar2(10)) charset = 'utf8';

---不指定字符集创建表

create table t (cname nvarchar(10));

create table t (id nvarchar2(10)) ;

---显示表t的详细信息

\d t --detail;

---插入数据

insert into t values('齐天大圣孙悟空美猴王');

---查询字符集,并显示数值value和字符集的对应关系

select encoding,pg_encoding_to_char(encoding) as encoding ,datname from pg_database;

关于作者

本文内容来自于数据库领域资深技术专家赵锋老师,OpenHarmony WEB3 TSG成员。先后就职于大唐电信、华为和软通动力,拥有多年项目开发,设计和优化运维经验。在数据库领域摸爬滚打多年,经历过Oracle,DB2和SQL Server的时代,国产数据库崛起后,对华为GaussDB系列数据库进行了深入学习和研究,获得华为GaussDB HICA、GaussDB HCIP、GaussDB HICA SI以及openGauss HCIA证书。致力于国产开源数据库在业务项目中的实践和应用。

本篇就到此结束了,欢迎交流~

相关推荐
数新网络1 小时前
《深入浅出Apache Spark》系列②:Spark SQL原理精髓全解析
大数据·sql·spark
CoderIsArt1 小时前
Redis的三种模式:主从模式,哨兵与集群模式
数据库·redis·缓存
师太,答应老衲吧3 小时前
SQL实战训练之,力扣:2020. 无流量的帐户数(递归)
数据库·sql·leetcode
Channing Lewis4 小时前
salesforce case可以新建一个roll up 字段,统计出这个case下的email数量吗
数据库·salesforce
毕业设计制作和分享5 小时前
ssm《数据库系统原理》课程平台的设计与实现+vue
前端·数据库·vue.js·oracle·mybatis
ketil275 小时前
Redis - String 字符串
数据库·redis·缓存
NiNg_1_2345 小时前
高级 SQL 技巧详解
sql
Hsu_kk6 小时前
MySQL 批量删除海量数据的几种方法
数据库·mysql
编程学无止境6 小时前
第02章 MySQL环境搭建
数据库·mysql
knight-n7 小时前
MYSQL库的操作
数据库·mysql