GB18030 字符集
TiDB 从 v9.0.0 开始支持 GB18030-2022 字符集。本文档介绍 TiDB 对 GB18030 字符集的支持和兼容情况。
SHOW CHARACTER SET WHERE CHARSET = 'gb18030';
+---------+---------------------------------+--------------------+--------+
| Charset | Description | Default collation | Maxlen |
+---------+---------------------------------+--------------------+--------+
| gb18030 | China National Standard GB18030 | gb18030_chinese_ci | 4 |
+---------+---------------------------------+--------------------+--------+
1 row in set (0.01 sec)
SHOW COLLATION WHERE CHARSET = 'gb18030';
+--------------------+---------+-----+---------+----------+---------+---------------+
| Collation | Charset | Id | Default | Compiled | Sortlen | Pad_attribute |
+--------------------+---------+-----+---------+----------+---------+---------------+
| gb18030_bin | gb18030 | 249 | | Yes | 1 | PAD SPACE |
| gb18030_chinese_ci | gb18030 | 248 | Yes | Yes | 1 | PAD SPACE |
+--------------------+---------+-----+---------+----------+---------+---------------+
2 rows in set (0.001 sec)
与 MySQL 的兼容性
本节介绍 TiDB 中 GB18030 字符集与 MySQL 的兼容情况。
排序规则兼容性
MySQL 的 GB18030 字符集默认排序规则是 gb18030_chinese_ci。TiDB 的 GB18030 字符集的默认排序规则取决于 TiDB 配置项 new_collations_enabled_on_first_bootstrap 的值：
- 默认情况下，TiDB 配置项
new_collations_enabled_on_first_bootstrap为true，表示开启新的排序规则框架。此时，GB18030 字符集的默认排序规则是gb18030_chinese_ci。 - 当 TiDB 配置项
new_collations_enabled_on_first_bootstrap为false时，表示关闭新的排序规则框架，GB18030 字符集的默认排序规则是gb18030_bin。
另外，TiDB 支持的 gb18030_bin 与 MySQL 支持的 gb18030_bin 排序规则也不一致，TiDB 是将 GB18030 转换成 utf8mb4，然后再进行二进制排序。
开启新的排序规则框架后，如果查看 GB18030 字符集对应的排序规则，你可以看到 TiDB GB18030 默认排序规则已经切换为 gb18030_chinese_ci：
SHOW CHARACTER SET WHERE CHARSET = 'gb18030';
+---------+---------------------------------+--------------------+--------+
| Charset | Description | Default collation | Maxlen |
+---------+---------------------------------+--------------------+--------+
| gb18030 | China National Standard GB18030 | gb18030_chinese_ci | 4 |
+---------+---------------------------------+--------------------+--------+
1 row in set (0.01 sec)
SHOW COLLATION WHERE CHARSET = 'gb18030';
+--------------------+---------+-----+---------+----------+---------+---------------+
| Collation | Charset | Id | Default | Compiled | Sortlen | Pad_attribute |
+--------------------+---------+-----+---------+----------+---------+---------------+
| gb18030_bin | gb18030 | 249 | | Yes | 1 | PAD SPACE |
| gb18030_chinese_ci | gb18030 | 248 | Yes | Yes | 1 | PAD SPACE |
+--------------------+---------+-----+---------+----------+---------+---------------+
2 rows in set (0.00 sec)
字符兼容性
TiDB 支持 GB18030-2022 的字符，MySQL 支持 GB18030-2005 的字符，因此部分字符的编解码结果不同。
对于非法的 GB18030 字符，比如
0xFE39FE39，MySQL 支持以 16 进制的方式写入数据库中，并保存为?。TiDB 在严格模式下读写非法 GB18030 字符都会报错；在非严格模式下，TiDB 允许读写非法 GB18030 字符但会返回警告。
其它
目前 TiDB 不支持通过
ALTER TABLE语句将其它字符集类型改成gb18030或者从gb18030转成其它字符集类型。TiDB 不支持使用
_gb18030字符集引导符。例如：CREATE TABLE t(a CHAR(10) CHARSET BINARY); Query OK, 0 rows affected (0.00 sec) INSERT INTO t VALUES (_gb18030'啊'); ERROR 1115 (42000): Unsupported character introducer: 'gb18030'对于
ENUM和SET类型中的二进制字符，TiDB 目前都会将其作为utf8mb4字符集处理。
组件兼容性
TiFlash、TiDB Data Migration (DM) 和 TiCDC 目前不支持 GB18030 字符集。
在 v9.0.0 之前，Dumpling 不支持导出
charset=GB18030的表，TiDB Lightning 不支持导入charset=GB18030的表。在 v9.0.0 之前，TiDB Backup & Restore（BR）不支持备份恢复
charset=GB18030的表。另外，任何版本的 BR 都不支持恢复charset=GB18030的表到 v9.0.0 之前的 TiDB 集群。