Add additional information about MySQL character sets

Author: paigeman

docs/database/character-set.md

@@ -102,10 +102,160 @@ UTF-32 的规则最简单，不过缺陷也比较明显，对于英文字母这
 
 MySQL 支持很多种字符编码的方式，比如 UTF-8、GB2312、GBK、BIG5。
 
-你可以通过 `SHOW CHARSET` 命令来查看。
+### 查看支持的字符集
+
+你可以通过 `SHOW CHARSET` 命令来查看，支持like和where子句。
 
 ![](https://oss.javaguide.cn/javaguide/image-20211008164229671.png)
 
+### 默认字符集
+
+在MySQL5.7中，默认字符集是 `latin1` ；在MySQL8.0中，默认字符集是 `utf8mb4`
+
+### 字符集的层次级别
+
+MySQL中的字符集有以下的层次级别：
+
+* `server`
+* `database`
+* `table`
+* `column`
+
+它们的优先级可以简单的认为是从上往下依次增大，也即 `column` 的优先级会大于 `table` 等其余层次的
+
+#### server
+
+不同版本的MySQL其 `server` 级别的字符集默认值不同，在MySQL5.7中，其默认值是 `latin1` ；在MySQL8.0中，其默认值是 `utf8mb4` 。
+
+当然也可以通过在启动 `mysqld` 时指定 `--character-set-server` 来设置 `server` 级别的字符集。或者如果你是通过源码构建的方式启动的MySQL，你可以在 `cmake` 命令中指定选项：
+
+```sh
+cmake . -DDEFAULT_CHARSET=latin1
+```
+
+此外，你也可以在运行时改变 ` character_set_server` 的值，从而达到修改 `server` 级别的字符集的目的。
+
+`server` 级别的字符集可以在我们使用 `create database` 语句未指定字符集时被用作默认值，同时它还可能会对连接字符集产生影响，这个可以查看 **[`MySQL Connector/J 8.0` 文档](https://dev.mysql.com/doc/connector-j/8.0/en/connector-j-reference-charsets.html)**。
+
+#### database
+
+`database` 级别的字符集是我们在创建数据库和修改数据库时指定的：
+
+```sql
+CREATE DATABASE db_name
+    [[DEFAULT] CHARACTER SET charset_name]
+    [[DEFAULT] COLLATE collation_name]
+
+ALTER DATABASE db_name
+    [[DEFAULT] CHARACTER SET charset_name]
+    [[DEFAULT] COLLATE collation_name]
+```
+
+如前面所说，如果在执行上述语句时未指定字符集，那么MySQL将会使用 `server` 级别的字符集。这里关于字符是如何选择的，还有一些比较细致的规则，建议自己翻阅MySQL文档。
+
+可以通过下面的方式查看某个数据库的字符集：
+
+```sql
+USE db_name;
+SELECT @@character_set_database, @@collation_database;
+```
+
+```sql
+SELECT DEFAULT_CHARACTER_SET_NAME, DEFAULT_COLLATION_NAME
+FROM INFORMATION_SCHEMA.SCHEMATA WHERE SCHEMA_NAME = 'db_name';
+```
+
+#### table
+
+`table` 级别的字符集是在创建表和修改表时指定的：
+
+```sql
+CREATE TABLE tbl_name (column_list)
+    [[DEFAULT] CHARACTER SET charset_name]
+    [COLLATE collation_name]]
+
+ALTER TABLE tbl_name
+    [[DEFAULT] CHARACTER SET charset_name]
+    [COLLATE collation_name]
+```
+
+如果在创建表和修改表时未指定字符集，那么将会使用 `database` 级别的字符集。这里关于字符是如何选择的，还有一些比较细致的规则，建议自己翻阅MySQL文档。
+
+#### column
+
+`column` 级别的字符集同样是在创建表和修改表时指定的，只不过它是定义在列中。下面是个例子：
+
+```sql
+CREATE TABLE t1
+(
+    col1 VARCHAR(5)
+      CHARACTER SET latin1
+      COLLATE latin1_german1_ci
+);
+```
+
+如果未指定列级别的字符集，那么将会使用表级别的字符集。这里关于字符是如何选择的，还有一些比较细致的规则，建议自己翻阅MySQL文档。
+
+### 连接字符集
+
+前面说到了字符集的层次级别，它们是和存储相关的。而连接字符集涉及的是和MySQL服务器的通信。
+
+连接字符集与下面这几个变量息息相关：
+
+* `character_set_client` （描述了客户端发送给服务器的SQL语句使用的是什么字符集）
+* `character_set_connection` （描述了服务器接收到SQL语句时使用什么字符集进行翻译）
+* `character_set_results` （描述了服务器返回给客户端的结果使用的是什么字符集）
+
+它们的值可以通过下面的SQL语句查询：
+
+```sql
+SELECT * FROM performance_schema.session_variables
+WHERE VARIABLE_NAME IN (
+'character_set_client', 'character_set_connection',
+'character_set_results', 'collation_connection'
+) ORDER BY VARIABLE_NAME;
+```
+
+```sql
+SHOW SESSION VARIABLES LIKE 'character\_set\_%';
+```
+
+如果要想修改前面提到的几个变量的值，有以下方式：
+
+* 修改配置文件
+
+比如加上：
+
+```
+[mysql]
+# 只针对MySQL客户端程序
+default-character-set=utf8mb4
+```
+
+* 使用SQL语句
+
+比如：
+
+```sql
+set names utf8mb4
+# 或者一个个进行修改
+# SET character_set_client = utf8mb4;
+# SET character_set_results = utf8mb4;
+# SET collation_connection = utf8mb4;
+```
+
+### jdbc对连接字符集的影响
+
+不知道你们有没有碰到过存储emoji表情正常，但是使用类似Navicat之类的软件的进行查询的时候，发现emoji表情变成了问号的情况。这个问题很有可能就是jdbc驱动引起的。
+
+根据前面的内容，我们知道连接字符集也是会影响我们存储的数据的，而jdbc驱动会影响连接字符集。
+
+以 `DataGrip 2023.1.2` 来说，在它配置数据源的高级对话框中，可以看到 `characterSetResults` 的默认值是 `utf8` ，在使用 `jdbc driver 8.0.25` 时，连接字符集最后会被设置成 `utf8mb3` 。那么这种情况下emoji表情就会被显示为问号，并且当前版本驱动还不支持把 `characterSetResults` 设置为 `utf8mb4` ，不过换成 `jdbc driver 8.0.29` 却是允许的。
+
+具体可以看一下StackOverflow的**[这个回答](https://stackoverflow.com/questions/54815419/datagrip-mysql-stores-emojis-correctly-but-displays-them-as/76625399#76625399)**。
+
+### UTF-8使用
+
 通常情况下，我们建议使用 UTF-8 作为默认的字符编码方式。
 
 不过，这里有一个小坑。
@@ -127,10 +277,10 @@ MySQL 字符编码集中有两套 UTF-8 编码实现：
 
 ```sql
 CREATE TABLE `user` (
-  `id` varchar(66) CHARACTER SET utf8mb4 NOT NULL,
-  `name` varchar(33) CHARACTER SET utf8mb4 NOT NULL,
-  `phone` varchar(33) CHARACTER SET utf8mb4 DEFAULT NULL,
-  `password` varchar(100) CHARACTER SET utf8mb4 DEFAULT NULL
+  `id` varchar(66) CHARACTER SET utf8mb3 NOT NULL,
+  `name` varchar(33) CHARACTER SET utf8mb3 NOT NULL,
+  `phone` varchar(33) CHARACTER SET utf8mb3 DEFAULT NULL,
+  `password` varchar(100) CHARACTER SET utf8mb3 DEFAULT NULL
 ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
 ```
 
@@ -157,3 +307,6 @@ Incorrect string value: '\xF0\x9F\x98\x98\xF0\x9F...' for column 'name' at row 1
 - GB2312-维基百科：<https://zh.wikipedia.org/wiki/GB_2312>
 - UTF-8-维基百科：<https://zh.wikipedia.org/wiki/UTF-8>
 - GB18030-维基百科: <https://zh.wikipedia.org/wiki/GB_18030>
+- MySQL8文档：<https://dev.mysql.com/doc/refman/8.0/en/charset.html>
+- MySQL5.7文档：<https://dev.mysql.com/doc/refman/5.7/en/charset.html>
+- MySQL Connector/J文档：<https://dev.mysql.com/doc/connector-j/8.0/en/connector-j-reference-charsets.html>