概述

今天主要探讨下Oracle数据库底层存储--字节序和字符集，下面一起来看看吧~

1、 字节序

Oracle安装在不同的服务器架构平台，数据文件所采用的字节序也不相同。字节序有两种，Big Endian和Little Endian。比如一般我们Windows或者Linux服务器用的CPU是Intel/AMD架构，那么数据文件保存格式为Little Endian，如果用的是IBM的Power PC，那么数据文件保存格式为Big Endian。

Big Endian和Little Endian具体在保存数据时有什么区别呢？我们举例说明。

整数1920如果用4个字节（十六进制0X00000780）保存，那么在Big Endian的保存方法如下表所示。

我们再来看看Little Endian的保存方法。

根据上面的内容，我们可以知道在Little Endian下，保存整数1920是反向的

以下列出各个服务器平台的ENDIAN格式。

2、字符集

计算机当初发明时大多用来处理数字，后来慢慢的用来处理文字。问题来了，计算机可不认识全世界这么多文字，甚至连26个英文字母也不认识。于是美国国家标准协会ANSI开始制作标准，比如用65表示字母A,用66来表示字母B，包括26个大小写字母，数字和一些符号(100多个)，这就是最初的ASCII码。当初ASCII码没有超过128个，只用了7位来表示，最高位留给用作奇偶校验。后来又被欧洲扩展到了8位，可以用来表示256个字符。

ASCII码并没有包括中文，要让计算机认识中文，中国的标准化机构也开始制作了一些标准（GBK）。中国的汉字太多了，用一个字节可装不下这么多（8个二进制位最多表示256个字符），于是采用了2个字节（理论上可以表示65536个字符），其他国家和地区也没有闲着，比如日本的Shift_JIS编码，香港台湾的BIG5编码，于是全世界产生了各种各种的字符编码。

这样问题又来了，而且是大问题。大家都各搞各的，这么多编码，自己本地传输信息当然没有问题。但是当一个中国人发GBK编码的中文邮件给日本人，日本人的电脑如果只认识Shift_JIS编码，那么计算机将会把所有GBK编码按照Shift_JIS编码来解释，于是日本人看到的是所谓的“乱码”。之所以叫所谓，因为计算机自认为它并没有做错，那些“乱码”也是对应的字符，只是不常用，日本人看不懂而已，计算机懂的。

于是地球上的标准化组织领导们又开会讨论了，还提出了一个伟大的想法，这就是UNICODE字符集。这种字符集的想法是用一套字符集把地球上所有的文字都包括进来。当然2个字节可装不下全世界的所有字符，采用了4个字节（理论上可以表示4294967296个字符）。用UNICODE字符集实现的编码有UTF32/UTF16/UTF8。

上面扯了这么多，那么我们在新建数据库的时候，需要选择数据库的数据库字符集(CHARACTER SET)和国家字符集(NATIONAL CHARACTER SET)。比如我们选择数据库字符集为 ZHS16GBK，国家字符集为AL16UTF16。它表示这个数据库里Char,Varchar2采用的是GBK的编码,而Nchar,Nvarchar2,Nclob采用UTF16编码。

好，下面我们来做一个试验，看看这些字符集里到底保存了什么内容。

SQL> SELECT * FROM NLS_DATABASE_PARAMETERS WHERE PARAMETER LIKE '%CHARACTERSET%';SQL> CREATE TABLE TESTCHAR (COL1 VARCHAR2(100),COL2 NVARCHAR2(100));SQL> INSERT INTO TESTCHAR VALUES('DBSEEKER+广东省广州市','DBSEEKER+广东省广州市');SQL> SELECT DUMP(COL1,16),DUMP(COL2,16) FROM TESTCHAR;

在上面我们新建一张表，表有两个字段，COL1的字段类型为VARCHAR2使用的是数据库字符集（ZHS16GBK），COL2的字段类型为NVARCHAR2使用国家字符集（AL16UTF16）。往两个字段插入了同样的文本内容'DBSEEKER+广东省广州市'。

接下来，我们DUMP了字段保存的十六进制内容，观察到字段COL1的长度为21个字节，而字段COL2的长度为30字节，为什么同样的文本内容保存在VARCHAR2和NVARCHAR2里面，底层的存储内容完全不同呢？

原因就在于COL1和COL2使用了不同的字符集，不同字符集对应相同文字编码定义也是不一样的。

COL1使用GBK编码，各个字节对应的字符。

COL2使用UTF16编码，各个字节对应的字符。

通过上面观察，我们可以知道GBK编码是变长的，英文字母用1个字节保存，汉字用2个字节来保存。而UTF16则都是用2个字节来保存。Oracle数据文件里保存的文本字段内容就是各种编码表相对应的字符编码。

理解这些内容，对于剖析数据块是有很大帮助的。后面会分享更多devops和DBA方面的内容，感兴趣的朋友可以关注一下~