10.14.1 Collation Implementation Types — MySQL 5.7

10.14.1 Типы реализаций сортировки

MySQL реализует несколько типов сортировки:

Простые сортировки для 8-битных наборов символов

Этот тип сортировки реализуется с помощью массива из 256 весов, который определяет взаимно однозначное отображение кодов символов на веса. latin1_swedish_ci является примером. Это регистронезависимая сортировка, поэтому прописные и строчные версии символа имеют одинаковые веса и сравниваются как равные.

mysql> SET NAMES 'latin1' COLLATE 'latin1_swedish_ci';
Query OK, 0 rows affected (0.01 sec)

mysql> SELECT HEX(WEIGHT_STRING('a')), HEX(WEIGHT_STRING('A'));
+-------------------------+-------------------------+
| HEX(WEIGHT_STRING('a')) | HEX(WEIGHT_STRING('A')) |
+-------------------------+-------------------------+
| 41                      | 41                      |
+-------------------------+-------------------------+
1 row in set (0.01 sec)

mysql> SELECT 'a' = 'A';
+-----------+
| 'a' = 'A' |
+-----------+
|         1 |
+-----------+
1 row in set (0.12 sec)

Для инструкций по реализации см. Раздел 10.14.3 «Добавление простой сортировки к 8-битному набору символов».

Сложные сортировки для 8-битных наборов символов

Этот тип сортировки реализуется с помощью функций в файле исходного кода C, которые определяют порядок символов, как описано в Разделе 10.13 «Добавление набора символов».

Сортировки для многобайтовых наборов символов, не являющихся Unicode

Для этого типа сортировки 8-битные (однобайтовые) и многобайтовые символы обрабатываются по-разному. Для 8-битных символов коды символов отображаются на веса регистронезависимым образом. (Например, однобайтовые символы 'a' и 'A' оба имеют вес 0x41.) Для многобайтовых символов существуют два типа отношений между кодами символов и весами:

Веса равны кодам символов. sjis_japanese_ci является примером такого типа сортировки. Многобайтовый символ 'ぢ' имеет код символа 0x82C0, и вес также равен 0x82C0.

mysql> CREATE TABLE t1
       (c1 VARCHAR(2) CHARACTER SET sjis COLLATE sjis_japanese_ci);
Query OK, 0 rows affected (0.01 sec)

mysql> INSERT INTO t1 VALUES ('a'),('A'),(0x82C0);
Query OK, 3 rows affected (0.00 sec)
Records: 3  Duplicates: 0  Warnings: 0

mysql> SELECT c1, HEX(c1), HEX(WEIGHT_STRING(c1)) FROM t1;
+------+---------+------------------------+
| c1   | HEX(c1) | HEX(WEIGHT_STRING(c1)) |
+------+---------+------------------------+
| a    | 61      | 41                     |
| A    | 41      | 41                     |
| ぢ    | 82C0    | 82C0                   |
+------+---------+------------------------+
3 rows in set (0.00 sec)

Коды символов отображаются взаимно однозначно на веса, но код не обязательно равен весу. gbk_chinese_ci является примером такого типа сортировки. Многобайтовый символ '膰' имеет код символа 0x81B0, но вес 0xC286.

mysql> CREATE TABLE t1
       (c1 VARCHAR(2) CHARACTER SET gbk COLLATE gbk_chinese_ci);
Query OK, 0 rows affected (0.33 sec)

mysql> INSERT INTO t1 VALUES ('a'),('A'),(0x81B0);
Query OK, 3 rows affected (0.00 sec)
Records: 3  Duplicates: 0  Warnings: 0

mysql> SELECT c1, HEX(c1), HEX(WEIGHT_STRING(c1)) FROM t1;
+------+---------+------------------------+
| c1   | HEX(c1) | HEX(WEIGHT_STRING(c1)) |
+------+---------+------------------------+
| a    | 61      | 41                     |
| A    | 41      | 41                     |
| 膰    | 81B0    | C286                   |
+------+---------+------------------------+
3 rows in set (0.00 sec)

Для инструкций по реализации см. Раздел 10.13 «Добавление набора символов».

Сортировки для многобайтовых наборов символов Unicode

Некоторые из этих сортировок основаны на алгоритме сортировки Unicode (UCA), другие — нет.

Сортировки, не основанные на UCA, имеют взаимно однозначное отображение от кода символа к весу. В MySQL такие сортировки регистронезависимы и нечувствительны к ударениям. utf8_general_ci является примером: 'a', 'A', 'À' и 'á' имеют разные коды символов, но все имеют вес 0x0041 и сравниваются как равные.

mysql> SET NAMES 'utf8' COLLATE 'utf8_general_ci';
Query OK, 0 rows affected (0.00 sec)

mysql> CREATE TABLE t1
       (c1 CHAR(1) CHARACTER SET UTF8 COLLATE utf8_general_ci);
Query OK, 0 rows affected (0.01 sec)

mysql> INSERT INTO t1 VALUES ('a'),('A'),('À'),('á');
Query OK, 4 rows affected (0.00 sec)
Records: 4  Duplicates: 0  Warnings: 0

mysql> SELECT c1, HEX(c1), HEX(WEIGHT_STRING(c1)) FROM t1;
+------+---------+------------------------+
| c1   | HEX(c1) | HEX(WEIGHT_STRING(c1)) |
+------+---------+------------------------+
| a    | 61      | 0041                   |
| A    | 41      | 0041                   |
| À    | C380    | 0041                   |
| á    | C3A1    | 0041                   |
+------+---------+------------------------+
4 rows in set (0.00 sec)

Сортировки, основанные на UCA в MySQL, имеют следующие свойства:

Если символ имеет веса, каждый вес использует 2 байта (16 бит).
У символа может быть ноль весов (или пустой вес). В этом случае символ игнорируется. Пример: "U+0000 NULL" не имеет веса и игнорируется.

У символа может быть один вес. Пример: 'a' имеет вес 0x0E33.

mysql> SET NAMES 'utf8' COLLATE 'utf8_unicode_ci';
Query OK, 0 rows affected (0.05 sec)

mysql> SELECT HEX('a'), HEX(WEIGHT_STRING('a'));
+----------+-------------------------+
| HEX('a') | HEX(WEIGHT_STRING('a')) |
+----------+-------------------------+
| 61       | 0E33                    |
+----------+-------------------------+
1 row in set (0.02 sec)

У символа может быть множество весов. Это расширение. Пример: немецкая буква 'ß' (лигатура SZ, или острый S) имеет вес 0x0FEA0FEA.

mysql> SET NAMES 'utf8' COLLATE 'utf8_unicode_ci';
Query OK, 0 rows affected (0.11 sec)

mysql> SELECT HEX('ß'), HEX(WEIGHT_STRING('ß'));
+-----------+--------------------------+
| HEX('ß')  | HEX(WEIGHT_STRING('ß'))  |
+-----------+--------------------------+
| C39F      | 0FEA0FEA                 |
+-----------+--------------------------+
1 row in set (0.00 sec)

У многих символов может быть один вес. Это сокращение. Пример: 'ch' - это одна буква в чешском языке и имеет вес 0x0EE2.

mysql> SET NAMES 'utf8' COLLATE 'utf8_czech_ci';
Query OK, 0 rows affected (0.09 sec)

mysql> SELECT HEX('ch'), HEX(WEIGHT_STRING('ch'));
+-----------+--------------------------+
| HEX('ch') | HEX(WEIGHT_STRING('ch')) |
+-----------+--------------------------+
| 6368      | 0EE2                     |
+-----------+--------------------------+
1 row in set (0.00 sec)

Возможно и отображение одного или нескольких символов на множество весов (это сокращение с расширением), но MySQL это не поддерживает.

Для инструкций по реализации сортировки, не основанной на UCA, см. Раздел 10.13 «Добавление набора символов». Для сортировки, основанной на UCA, см. Раздел 10.14.4 «Добавление сортировки UCA к набору символов Unicode».

Разные сортировки

Также есть несколько сортировок, которые не попадают ни в одну из предыдущих категорий.