主页 / dba / 问题 / 344086
Accepted
Dmitrij Kultasev
Asked: 2024-12-09 17:54:59 +0800 CST

在 SQL Server 2019 中使用 UTF8 排序规则有什么缺点吗？

  • 772

表中有一些列可能会包含一些非 ANSI 字符，我们必须存储它们。在 SQL Server 2019 之前，只有 1 个选项 -NVARCHAR数据类型，但是从 SQL Server 2019 开始，可以使用VARCHAR以 结尾的排序规则的数据类型%_UTF8。我理解，为了完全兼容大小，我需要将VARCHAR列大小加倍，所以如果是，VARCHAR(20)则需要VARCHAR(40)覆盖如果有人插入所有 20 个字符都是非 ANSI 的文本的情况，但这种排序规则还有其他缺点吗？该列中的数据将只有 ~99.9% 的 ANSI 字符。

sql-server

1 个回答

  1. Best Answer

    我理解，为了完全兼容尺寸，我需要将VARCHAR列的尺寸加倍

    您可能需要做更多的事情，具体取决于您拥有或将要存储的字符。正如文档所述：

    使用 UTF-8 编码，ASCII 范围 (000000–00007F) 内的字符需要 1 个字节，代码点 000080–0007FF 需要 2 个字节，代码点 000800–00FFFF 需要 3 个字节，代码点 0010000–0010FFFF 需要 4 个字节。

    例如，SELECT DATALENGTH('🔥')使用 UTF8 排序规则返回 4，但LEN返回 1。

    以及（强调）

    在 CHAR(n) 和 VARCHAR(n) 或 NCHAR(n) 和 NVARCHAR(n) 中，人们通常认为 n 定义字符数。这是因为，在 CHAR(10) 列的示例中，可以使用诸如 Latin1_General_100_CI_AI 之类的排序规则存储 0-127 范围内的 10 个 ASCII 字符，因为此范围内的每个字符仅使用 1 个字节。

    但是，在 CHAR(n) 和 VARCHAR(n) 中，n 以字节为单位定义字符串大小 (0–8,000)，而在 NCHAR(n) 和 NVARCHAR(n) 中，n 以字节对为单位定义字符串大小 (0–4,000)。n从不定义可存储的字符数。

    这种整理方式还有其他缺点吗

    每次改变都会带来风险，通过测试可以减轻风险。

    您的代码和应用程​​序可能尚未准备好处理长度可变的 1-4 字节字符。您的某些 T-SQL 可能会使用做出假设DATALENGTH。您可能还需要检查那些不完全支持补充字符的内置函数（尽管现在大多数都支持）。

    UTF-8 支持相对较新，因此您可能会遇到数十年前的排序规则中不存在的错误。我不记得听过任何特别可怕的故事。

    如果列排序规则与数据库（和tempdb ！）默认排序规则不同，也会暴露以前统一的情况所掩盖的排序规则比较问题。

    • 4

相关问题