数据库字段差异

为什么VARCHAR(1000)没法存1000个汉字

字符与字节

在计算机中，字符和字节是两个不同的概念：

• 字节（Byte）：计算机存储的基本单位，1字节 = 8位（bit）
• 字符（Character）：人类可读的文本单位，如字母、数字、汉字等

关键点：一个字符可能占用多个字节，这取决于使用的字符编码方式。

常见字符的字节占用

• ASCII字符（英文字母、数字、标点）：1字节/字符
• 汉字（中文字符）：
  • UTF-8编码：通常3字节/字符（部分4字节）
  • GBK编码：2字节/字符
  • UTF-16编码：2或4字节/字符

编码方式

UTF-8编码

UTF-8是一种变长编码方式，使用1-4个字节表示一个字符：

• ASCII字符（0x00-0x7F）：1字节
• 拉丁字符（0x80-0x7FF）：2字节
• 中文、日文、韩文等（0x800-0xFFFF）：3字节
• 其他字符（0x10000-0x10FFFF）：4字节

示例：

• 英文字母 “A”：1字节
• 汉字 “中”：3字节
• 表情符号 “😀”：4字节

GBK编码

GBK是中文编码标准，使用固定2字节表示一个汉字。

UTF-16编码

UTF-16使用2或4字节表示字符：

• 基本多文种平面（BMP）字符：2字节
• 辅助平面字符：4字节（代理对）

主流数据库VARCHAR存储

MySQL

存储机制

• VARCHAR(N) 中的 N 表示字符数，不是字节数
• 存储时根据表的字符集（charset）计算实际字节占用
• 需要额外的1-2字节存储长度信息

字符集影响

• utf8mb4（推荐）：
  • 英文字符：1字节
  • 中文字符：3字节
  • 表情符号：4字节
• utf8（已弃用，实际是utf8mb3）：
  • 英文字符：1字节
  • 中文字符：3字节
  • 不支持4字节字符（如表情符号）

示例

-- 创建表，使用utf8mb4字符集
CREATE TABLE test (
    name VARCHAR(1000) CHARACTER SET utf8mb4
);

-- 可以存储约333个汉字（1000字符 ÷ 3字节/字符 ≈ 333）
-- 但实际还要考虑行大小限制（65535字节）

行大小限制

• MySQL单行最大65535字节（不包括TEXT/BLOB）
• VARCHAR实际可用空间 = 65535 - 其他字段占用 - 长度信息

PostgreSQL

存储机制

• VARCHAR(N) 中的 N 表示字符数
• 使用UTF-8编码存储
• 没有行大小限制（与MySQL不同）

示例

-- 可以存储1000个字符，无论是什么字符
CREATE TABLE test (
    name VARCHAR(1000)
);

-- 可以存储1000个汉字（每个汉字3字节，共3000字节）

SQL Server

存储机制

• VARCHAR(N) 中的 N 表示字节数（不是字符数）
• 使用单字节编码（如Latin1）
• 对于Unicode字符，需要使用 NVARCHAR(N)，其中N表示字符数

示例

-- VARCHAR(1000) 只能存储1000字节
-- 如果使用GBK编码，可以存储约500个汉字
CREATE TABLE test (
    name VARCHAR(1000)  -- 1000字节
);

-- NVARCHAR(1000) 可以存储1000个字符（Unicode）
CREATE TABLE test2 (
    name NVARCHAR(1000)  -- 1000个字符，每个字符2字节（UTF-16）
);

DM DataBase

存储机制

• VARCHAR(N) 中的 N 取决于初始化参数 LENGTH_IN_CHAR
  • 默认情况 0 : 表示字节，使用utf8mb3存储，每个汉字需要3个字节存储；
  • 修改后 1 : 表示字符。
• 大多数达梦数据库都是安装时保持默认情况，按照字节来存，使用达梦数据库时需要额外注意。

Oracle

存储机制

• VARCHAR2(N) 中的 N 表示字节数或字符数（取决于定义）
• 使用 BYTE 或 CHAR 语义：
  • VARCHAR2(1000 BYTE)：1000字节
  • VARCHAR2(1000 CHAR)：1000字符

示例

-- 按字节定义
CREATE TABLE test1 (
    name VARCHAR2(1000 BYTE)  -- 1000字节
);

-- 按字符定义（推荐）
CREATE TABLE test2 (
    name VARCHAR2(1000 CHAR)  -- 1000个字符
);

总结对比

数据库	VARCHAR(N)含义	字符集	行大小限制
MySQL	N = 字符数	utf8mb4（3字节/汉字）	65535字节
PostgreSQL	N = 字符数	UTF-8（3字节/汉字）	无限制
SQL Server	N = 字节数	单字节	无限制（需用NVARCHAR存Unicode）
Oracle	N = 字节/字符（可选）	根据字符集	4000字节（VARCHAR2）

为什么VARCHAR(1000)没法存1000个汉字？

答案取决于数据库类型：

1. MySQL/PostgreSQL：

   • VARCHAR(1000)理论上可以存1000个字符
   • 但MySQL受行大小限制（65535字节），实际可能只能存约333个汉字
   • PostgreSQL没有此限制，可以存1000个汉字

2. SQL Server：

   • VARCHAR(1000)只能存1000字节
   • 使用GBK编码约500个汉字，使用UTF-8约333个汉字
   • 应使用NVARCHAR(1000)存储Unicode字符

3. Oracle：

   • VARCHAR2(1000 BYTE)只能存1000字节
   • VARCHAR2(1000 CHAR)可以存1000个字符

最佳实践：

• 明确字符集和编码方式
• 了解数据库的VARCHAR定义语义（字符数 vs 字节数）
• 考虑行大小限制
• 对于多语言支持，优先使用UTF-8编码和按字符数定义