由数据插入超长引起的问题——了解GaussDB和openGauss的字符集

前言

故事是这样开始的。我们的小DEMO项目的数据库版本从openGauss 2.1.0升级到了5.0.0版本。升级后进行功能验证的时候，测试同学发现个BUG，原来通过gs_restore导出来的数据再导入时报超长，插入失败了，如下图所示，nvarchar(10)的字段类型，无法插入10个汉字—“齐天大圣孙悟空美猴王”。

---

一、定位过程

疑问一 ：openGauss高版本是否没有兼容低版本？

接到问题后以为是openGauss 5.0.0版本没有兼容2.1.0版本的字段类型，于是查阅了官网的资料：

5.0.0版本

2.1.0版本

 

确认发现两个版本对于nvarchar2(n)类型的定义是一样的，都是表示的字符的长度。

疑问二：5.0.0版本和2.1.0版本对字符的定义是否不同？

查看了数据库列表，确认字符集的异同，为了区分截图，同时查询了openGauss的数据库版本。发现2.1.0版本的模板数据库（template0,template1）的字符集（Encoding）是UTF8，而5.0.0版本的模板数据库（template0,template1）的字符集（Encoding）是SQL_ASCII。

2.1.0：

 

而openGauss创建数据库的过程，是通过复制template数据库创建的，默认复制template0，参见官网资料对create database的介绍：

So，如果创建数据库时不专门指定字符集，那么5.0.0版本和2.1.0版本创建的数据库的字符集就是不同的。2.1.0版本创建的数据库的字符集是UTF8，而5.0.0是SQL_ASCII。

2.1.0：

 

 5.0.0：

疑问三：再挖一步，为什么2.1.0版本默认的字符集和5.0.0版本不同呢？

后知后觉的发现原来是因为我之前安装2.1.0环境的时候指定了字符集，指定字符集的命令如下：

gs_install -X /opt/software/openGauss/clusterconfig.xml --gsinit-parameter="--locale=zh_CN.utf8 --encoding=UTF-8"

而安装5.0.0版本的时候没有指定字符集，不指定字符集的命令：

gs_install -X /opt/software/openGauss/clusterconfig.xml

openGauss在不指定字符集的时候默认会是SQL_ASCII，和版本无关，所有版本均如此。

有一点想锤自己且恍然大悟如梦初醒的感觉，不过我们还是继续确认两个字符集的区别。

小结：两个字符集的异同

查阅官网发现，UTF8和SQL_ASCII的字符的长度是不同的，如下图所示：

 

导致数据插入失败的原因算是找到了，字符集的区别导致的。

二、解决方法

1. 安装数据库时显式的指定字符集是UTF8，则默认创建好的模板数据库就会继承安装时指定的字符集；

gs_install -X /opt/software/openGauss/clusterconfig.xml --gsinit-parameter="--locale=zh_CN.utf8 --encoding=UTF-8"

 2. 创建数据库时显式的指定字符集是UTF8，则默认创建好的表就会继承数据库的字符集；

 

3. 创建模式时显示的指定字符集是UTF8，则表的默认字符集就会是UTF8；

该方法仅支持B模式的数据库，且要加载dolphon插件，B模式指兼容mysql，目前还没有实证，后续。--官网文档写的有点简陋了。

 

 4. 创建表时显式的指定字符集是UTF8，则表的默认字符集就会是UTF8；

 

5. 增加列时显式指定列的字符集是UTF8，则该列的字符集就会是UTF8；

逻辑上讲上述4种都可以，遗憾的是目前对表和列指定字符集的功能，在5.0.0版本并未实现功能，只是支持了语法，而指定模式的字符集，参见第二种方式，仅在B模式下实现了。

 

 因此实际操作中，前两种方法都可以，在安装数据库时指定字符集或者创建数据库时指定字符集。指定字符集后再创建表，则表就会继承数据库的字符集，nvarchar(10)就可以支持10个汉字了。

 

三、扩展阅读

GaussDB数据库的默认字符集是什么呢？

1. GaussDB(3.223.0)默认的encoding是UTF8，template0和template1两个模板数据库的编码格式也是UTF8。

 

 Encoding = 7，7表示UTF8

 

 默认创建的数据库字符集是UTF8。

 

 新建时通过下拉框选择，支持如下几种字符集：

 

 2. 那么GaussDB支持创建scheme的时候指定和database的encoding不同的charset吗？试试看，我们创建了一个数据库testdb_ascii，字符集是SQL_ASCII。然后在该数据库中创建一个schema，charset指定UTF8，执行时报错还不支持。

 

3. 创建表时会怎么样呢？我们试着创建一个指定CHARSET为UTF8的表，执行时没有报错，是可以执行成功，然而查看表信息的时候发现，表的字符集仍然是SQL_ASCII，说明指定CHARSET的操作并没有执行。创建表：

 

 查询表信息：

4. 增加列时指定charset会怎么样呢？个人理解，由于GaussDB是在openGauss基础上进行的云化，因此也只在B模式下支持，见下图：

 

 当我创建了一个B模式的数据库，执行相同的SQL，报错变了，但仍然是没有支持：

 

5. 可见在GaussDB以及openGauss中，创建数据库时要确定好字符集，否则数据库创建好后，就无法再在低一级的Schema，table和Column中重新制定，遇到不适用的场景只能重新建库。

 

附录

一些本文中用到的脚本汇总：

---不指定字符集安装数据库

gs_install -X /opt/software/openGauss/clusterconfig.xml

---指定字符集为UTF8安装数据库

gs_install -X /opt/software/openGauss/clusterconfig.xml --gsinit-parameter="--locale=zh_CN.utf8 --encoding=UTF-8"

---不指定字符集创建数据库

create database test_encoding_default;

---指定字符集为UTF8创建数据库

create database test_encoding_utf8 encoding 'utf8';

---切换到另外一个数据库

\c test_encoding_utf8

---指定字符集创建表

create table t (id nvarchar2(10)) charset = 'utf8';

---不指定字符集创建表

create table t (cname nvarchar(10)); create table t (id nvarchar2(10)) ;

---显示表t的详细信息

\d t --detail;

---插入数据

insert into t values('齐天大圣孙悟空美猴王');

---查询字符集，并显示数值value和字符集的对应关系

select encoding,pg_encoding_to_char(encoding) as encoding ,datname from pg_database;

关于作者

本文内容来自于数据库领域资深技术专家赵锋老师，OpenHarmony WEB3 TSG成员。先后就职于大唐电信、华为和软通动力，拥有多年项目开发，设计和优化运维经验。在数据库领域摸爬滚打多年，经历过Oracle，DB2和SQL Server的时代，国产数据库崛起后，对华为GaussDB系列数据库进行了深入学习和研究，获得华为GaussDB HICA、GaussDB HCIP、GaussDB HICA SI以及openGauss HCIA证书。致力于国产开源数据库在业务项目中的实践和应用。

本篇就到此结束了，欢迎交流~