MySQL字符集和copy_and_convert

关于copy_and_convert
    在对MySQL做业务压力测试的时候，我们在perf结果中发现 copy_and_convert 是一个耗费cpu的操作。这个函数的意思，就是在字符集之间做内容转换。
    如果源和目标的字符集相同，就可以直接用memcpy，这显然比做字符集转换（按字节或字长拷贝更快，和节省cpu）

 当整个系统是CPU瓶颈时，我们希望能够减少这种cpu消耗。

 

 一次查询涉及的拷贝
    如果我们执行一个简单的select语句，会涉及到两部分的内容：metadata和data。MySQL的返回包是能够“自解析”的，也就是说不仅有内容，还有描述信息。这些描述信息我们称为metadata。

    在将这两部分信息返回给客户端的时候，就涉及到字符串拷贝，如果源字符集和目标字符集不同，就需要作转换。

 

字符集里面可以定义的部分
1、  表的字符集
    比如我们创建如下的表

CREATE TABLE `t` (
  `c` int(11) DEFAULT NULL,
  `d` varchar(50) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=gbk;

    这就定义了这个表的字符集，要求存入数据按照gbk格式存储。在我们查询的时候，从表中读出的数据，就是我们上文说到的“源字符集”，在这里是gbk.

比如
Insert t values(2012, ‘南方很冷’);

 

2、连接字符集

    在连接的时候我们可以在mysql客户端指定参数 mysql -default-character-set=gbk ，表示我们接收的内容希望是gbk编码，这个就是上文说的“目标字符集”。

    一般我们会被建议：连接字符集和表字符集相同。

    有的文章说防止乱码—-乱码倒是不会，实际的原因就是在内容拷贝时避免字符集转换计算。

 

 本文要说的“但是”

 

但是即使这么做，在压力测试（或者你gdb）时，还是会发现会调用到 copy_and_convert。

 

原因有二：
    首先，metadata部分，是固定的使用utf8，这个值可以从show variables like ‘character_set_system’;的结果看到，hardcode，配置无法修改。

    其次，虽然我们定义表字符集是gbk, 但是整型字段是是Latin1存储，
    #define my_charset_numeric      my_charset_latin1，配置无法修改。

 因此在我们上面的设置中，一次查询，在传回metadata的时候需要utf8->gbk, 返回结果中c这个字段需要latin1->gbk.

 

问题和建议

从上面分析知道，这存在的问题就是，无论用户怎么设置，都无法完全避免这种转换。

 由于数字类型转成字符串后，使用什么字符集都占用一样的空间。

1)       在代码上最简单的修改可以如下：
将 #define my_charset_numeric      my_charset_latin1 改成
#define my_charset_numeric      my_charset_utf8_general_ci

 这样跟metadata部分相同，然后建表和客户端都是使用utf-8。

 

 2)      更灵活一点是把character_set_system改成可配置，然后整型存储按照用户定义的字符集。