oracle - 字符集编码和存储大小因素

Question

对于 Oracle，是否有关于给定各种字符编码的存储分配的矩阵/表格信息。

例如:

size_of_col_in(AL32UTF8) == 4 * size_of_col_in(WE8ISO8859P1)

我对那个因子值 4 感兴趣

Answer 1

除非您只对最大变化感兴趣，否则您的示例是不正确的。

AL32UTF8 是一个变长字符集。一般而言，US7ASCII字符集中的任何字符都需要1个字节，欧洲字符通常需要2个字节，各种亚洲语言字符需要3个字节，少数非常罕见的字符需要4个字节。实际上，如果您正在谈论将实际 WE8ISO8859P1 数据转换为 AL32UTF8，您通常会在实践中看到 1 和 2 之间的转换因子，它比 2 更接近 1。无需查找每个有效 WE8ISO8859P1 字符的 Unicode 映射，如果在 AL32UTF8 字符集中需要 3 或 4 个字节的存储，我会感到惊讶。

在全局化支持指南中，有一节关于 character sets它告诉你哪些字符集是单字节的，哪些是多字节的，哪些多字节字符集是固定宽度的。几乎所有多字节字符集都是可变宽度的，因此您要查找的因素将取决于您的数据。

在大多数情况下，你最好声明你的列使用字符长度语义而不是字节长度语义，让数据库在幕后计算出要分配多少数据。例如，如果您声明一列

CREATE TABLE foo (
  col1 VARCHAR2(10 CHAR)
)

Oracle 将为 10 个字符的存储分配空间，而不管数据库字符集是什么，也不管存储该数据所需的实际字节数(受每个 VARCHAR2 列 4000 字节的限制)。这通常会使定义列大小更容易，因为如果有人决定将 10 个 4 字节 UTF-8 字符放入一行并且您不必向用户解释该列将接受取决于语言和/或所选特定字符的不同字符数的字符串。

尽管 Oracle 人员定期处理全局化问题 discourage it ，更喜欢在声明列时明确指定字符长度语义或至少仅在 session 级别设置它，您可以设置 NLS_LENGTH_SEMANTICS initialization parameter导致 VARCHAR2(10)默认情况下使用字符长度语义而不是字节长度语义(如果你想要字节长度语义，你仍然可以指定 VARCHAR2(10 BYTE))。