排序规则和 Unicode 支持

适用于: SQL Server(所有受支持的版本) Azure SQL 数据库 Azure SQL 托管实例 Azure Synapse Analytics Analytics Platform System (PDW)

SQL Server 中的排序规则可为您的数据提供排序规则、区分大小写属性和区分重音属性。 与诸如 char 和 varchar 等字符数据类型一起使用的排序规则规定可表示该数据类型的代码页和对应字符 。

无论你是要安装 SQL Server 的新实例、还原数据库备份,还是将服务器连接到客户端数据库,都必须了解正在处理的数据的区域设置要求、排序顺序以及是否区分大小写和重音。 若要列出在 SQL Server的实例上可用的排序规则,请参阅 sys.fn_helpcollations (Transact-SQL)

为服务器、数据库、列或表达式选择排序规则时,同时也是在向数据分配某些特征。 这些特征会影响数据库中许多操作的结果。 例如,使用 ORDER BY 构造查询时,结果集的排序顺序可能取决于应用于该数据库的排序规则或 COLLATE 子句中在查询的表达式级别规定的排序规则。

为了充分利用 SQL Server中的排序规则支持,应了解本主题中所定义的术语以及这些术语与数据的特征之间的关系。

排序规则术语

排序规则

排序规则指定表示数据集中每个字符的位模式。 排序规则还确定数据的排序和比较规则。 SQL Server 支持在单个数据库中存储具有不同排序规则的对象。 对于非 Unicode 列,排序规则设置指定数据的代码页以及可以表示哪些字符。 必须将在非 Unicode 列间移动的数据从源代码页转换到目标代码页。

当 Transact-SQL 语句在具有不同排序规则设置的不同数据库上下文中运行时,其运行结果可能会不同。 如果可能,请为组织使用标准化排序规则。 这样就不必显式指定每个字符或 Unicode 表达式中的排序规则。 如果必须使用具有不同排序规则和代码页设置的对象,请对查询进行编码,以考虑排序规则的优先顺序规则。 有关详细信息,请参阅 排序规则优先顺序 (Transact-SQL)

与排序规则关联的选项区分大小写、区分重音、区分假名、区分全半角以及区分变体选择符。 SQL Server 2019 (15.x) 为 UTF-8 编码引入了其他选项。

可以通过将这些选项附加到排序规则名称中来指定这些选项。 例如,排序规则 Japanese_Bushu_Kakusu_100_CS_AS_KS_WS_UTF8 区分大小写、区分重音、区分假名、区分全半角以及使用 UTF-8 编码。 再举一例,此排序规则 Japanese_Bushu_Kakusu_140_CI_AI_KS_WS_VSS 就不区分大小写、不区分重音、区分假名、区分全半角、区分变体选择符,并且使用非 Unicode 编码。

下表描述了与这些不同选项关联的行为:

选项 说明
区分大小写 (_CS) 区分大写字母和小写字母。 如果选择此项,排序时小写字母将在其对应的大写字母之前。 如果未选择此选项,排序规则将不区分大小写。 即 SQL Server 在排序时将大写字母和小写字母视为相同。 通过指定 _CI,可以显式选择不区分大小写。
区分重音 (_AS) 区分重音字符和非重音字符。 例如,“a”和“ấ”视为不同字符。 如果未选择此选项,则排序规则将不区分重音。 即 SQL Server 在排序时将字母的重音形式和非重音形式视为相同。 通过指定 _AI,可以显式选择不区分重音。
区分假名 (_KS) 区分日语中的两种假名字符类型:平假名和片假名。 如果未选择此选项,则排序规则将不区分假名。 即 SQL Server 在排序时将平假名字符和片假名字符视为相同。 省略此选项是指定不区分假名的唯一方法。
区分全半角 (_WS) 区分全角字符和半角字符。 如果未选择此选项,SQL Server 会在排序时将同一字符的全角和半角形式视为相同。 省略此选项是指定不区分全半角的唯一方法。
区分变体选择符 (_VSS) 区分 SQL Server 2017 (14.x) 中首次引入的日语排序规则 Japanese_Bushu_Kakusu_140 和 Japanese_XJIS_140 中不同的象形变体选择符 。 变体序列包含基本字符加上其他变体选择符。 如果未选择 _VSS 选项,排序规则不区分变体选择符,并且在比较中不考虑变体选择符。 也就是说,出于排序的考虑,SQL Server 会将具有不同变体选择符但基于相同基本字符的字符视为相同。 有关详细信息,请参阅 Unicode Ideographic Variation Database(Unicode 象形变体数据库)。

全文搜索索引中不支持区分变体选择符 (_VSS) 排序规则。 全文搜索索引仅支持区分重音 (_AS)、区分假名 (_KS) 和区分全半角 (_WS) 选项。 SQL Server XML 和 CLR 引擎不支持 (_VSS) 变体选择符。
二进制 (_BIN)1 根据为每个字符定义的位模式对 SQL Server 表中的数据进行排序和比较。 二进制排序顺序不仅区分大小写,而且也区分重音。 二进制排序顺序的速度也最快。 有关详细信息,请参阅本文中的二进制排序规则部分。
二进制-码位 (_BIN2)1 根据 Unicode 数据的 Unicode 码位对 SQL Server 表中的数据进行排序和比较。 对于非 Unicode 数据,二进制码位将使用与二进制排序相同的比较方式。

使用二进制-码位排序顺序的优点是:对已排序的 SQL Server 数据进行比较的应用程序不必重新对数据进行排序。 因此,二进制-码位排序顺序使应用程序开发变得更加简单,从而可以提高性能。 有关详细信息,请参阅本文中的二进制排序规则部分。
UTF-8 (_UTF8) 启用要在 SQL Server 中存储的 UTF-8 编码数据。 如果未选择此选项,SQL Server 会对适用的数据类型使用默认的非 Unicode 编码格式。 有关详细信息,请参阅本文中的 UTF-8 支持部分。

1 如果选择二进制或二进制-码位,则区分大小写 (_CS)、区分重音 (_AS)、区分假名 (_KS) 和区分全半角 (_WS) 选项均不可用。

排序规则选项示例

每个排序规则都由一系列定义大小写、重音、全半角或假名的后缀组合而成。 下列示例说明了各种后缀组合的排序顺序行为。

Windows 排序规则后缀 排序顺序说明
_BIN1 二进制排序
_BIN21, 2 二进制码位排序顺序
_CI_AI2 不区分大小写、不区分重音、不区分假名、不区分全半角
_CI_AI_KS2 不区分大小写、不区分重音、区分假名、不区分全半角
_CI_AI_KS_WS2 不区分大小写、不区分重音、区分假名、区分全半角
_CI_AI_WS2 不区分大小写、不区分重音、不区分假名、区分全半角
_CI_AS2 不区分大小写、区分重音、不区分假名、不区分全半角
_CI_AS_KS2 不区分大小写、区分重音、区分假名、不区分全半角
_CI_AS_KS_WS2 不区分大小写、区分重音、区分假名、区分全半角
_CI_AS_WS2 不区分大小写、区分重音、不区分假名、区分全半角
_CS_AI2 区分大小写、不区分重音、不区分假名、不区分全半角
_CS_AI_KS2 区分大小写、不区分重音、区分假名、不区分全半角
_CS_AI_KS_WS2 区分大小写、不区分重音、区分假名、区分全半角
_CS_AI_WS2 区分大小写、不区分重音、不区分假名、区分全半角
_CS_AS2 区分大小写、区分重音、不区分假名、不区分全半角
_CS_AS_KS2 区分大小写、区分重音、区分假名、不区分全半角
_CS_AS_KS_WS2 区分大小写、区分重音、区分假名、区分全半角
_CS_AS_WS2 区分大小写、区分重音、不区分假名、区分全半角

1 如果选择二进制或二进制-码位,则区分大小写 (_CS)、区分重音 (_AS)、区分假名 (_KS) 和区分全半角 (_WS) 选项均不可用。

2 如果添加 UTF-8 选项 (_UTF8),可使用 UTF-8 对 Unicode 数据进行编码。 有关详细信息,请参阅本文中的 UTF-8 支持部分。

排序规则集

SQL Server 支持以下排序规则集:

Windows 排序规则

Windows 排序规则根据关联的 Windows 系统区域设置来定义字符数据的存储规则。 在 Windows 排序规则中,可以使用与 Unicode 数据相同的算法实现非 Unicode 数据的比较。 Windows 基本排序规则指定应用字典排序时所用的字母表或语言。 规则还指定用于存储非 Unicode 字符数据的代码页。 Unicode 排序和非 Unicode 排序都与特定 Windows 版本中的字符串比较相兼容。 这保证了 SQL Server 中所有数据类型的一致性,使开发人员能够使用 SQL Server 所使用的相同规则对应用程序中的字符串排序。 有关详细信息,请参阅 Windows 排序规则名称 (Transact-SQL)

二进制排序规则

二进制排序规则基于区域设置和数据类型定义的编码值顺序来对数据进行排序。 它们区分大小写。 SQL Server 中的二进制排序规则定义了所使用的区域设置和 ANSI 代码页。 这将强制使用二进制排序顺序。 由于它们相对简单,因此二进制排序规则有助于提高应用程序性能。 对于非 Unicode 数据类型,数据比较将基于 ANSI 代码页中定义的码位。 对于 Unicode 数据类型,数据比较将基于 Unicode 码位。 对于 Unicode 数据类型的二进制排序规则,数据排序将不考虑区域设置。 例如,对 Unicode 数据应用 Latin_1_General_BIN 和 Japanese_BIN,会得到完全相同的排序结果 。 有关详细信息,请参阅 Windows 排序规则名称 (Transact-SQL)

SQL Server 中有两种类型的二进制排序规则:

  • 早期的 BIN 排序规则对 Unicode 数据执行的是不完整的逐码位比较。 这些早期的二进制排序规则将第一个字符作为 WCHAR 比较,接下来是逐字节比较。 在 BIN 排序规则中,仅首字符按照码位排序,其余字符根据其字节值排序。

  • 更新的 BIN2 排序规则可实现纯码位比较。 在 BIN2 排序规则中,所有字符根据其码位排序。 由于 Intel 平台是一个 little endian 体系结构,因此 Unicode 码字符始终以字节对调的形式存储。

SQL Server 排序规则

SQL Server 排序规则 (SQL_*) 提供与 SQL Server 早期版本兼容的排序顺序。 非 Unicode 数据的字典排序规则与 Windows 操作系统提供的任何排序例程都不兼容。 但是,Unicode 数据的排序与特定版本的 Windows 排序规则兼容。 由于 SQL Server 排序规则对非 Unicode 数据和 Unicode 数据使用不同的比较规则,因此对于相同数据的比较会看到不同的结果,具体取决于基本数据类型。 有关详细信息,请参阅 SQL Server 排序规则名称 (Transact-SQL)

在 SQL Server 安装过程中,默认安装排序规则设置由操作系统 (OS) 区域设置确定。 服务器级排序规则可以在安装期间进行更改,也可以在安装前通过更改 OS 区域设置进行更改。 出于后向兼容性原因,默认排序规则设置为与每个特定区域设置关联的最早可用版本。 因此,不推荐总是使用默认排序规则。 更改 Windows 排序规则的默认安装设置可充分利用 SQL Server 功能。 例如,对于 OS 区域设置“英语(美国)”(代码页 1252),安装过程中的默认排序规则是 SQL_Latin1_General_CP1_CI_AS,可将其更改为最接近的 Windows 对等排序规则 Latin1_General_100_CI_AS_SC 。

注意

升级 SQL Server 的英文实例时可以指定 SQL Server 排序规则 (SQL_*),以便与现有 SQL Server 实例兼容。 由于 SQL Server 实例的默认排序规则是在安装过程中定义的,因此在以下情况下请确保慎重指定排序规则设置:

  • 应用程序代码依赖早期 SQL Server 排序规则的行为。
  • 必须存储反映多种语言的字符数据。

排序规则级别

支持在 SQL Server实例的下列级别设置排序规则:

服务器级排序规则

默认服务器排序规则是在 SQL Server 安装过程中设置的,它将成为系统数据库和所有用户数据库的默认排序规则。

下表显示由操作系统 (OS) 区域设置确定的默认排序规则标识,其中包括它们的 Windows 和 SQL 语言代码标识符 (LCID):

Windows 区域设置 Windows LCID SQL LCID 默认排序规则
南非荷兰语(南非) 0x0436 0x0409 Latin1_General_CI_AS
阿尔巴尼亚语(阿尔巴尼亚) 0x041c 0x041c Albanian_CI_AS
阿尔萨斯语(法国) 0x0484 0x0409 Latin1_General_CI_AS
阿姆哈拉语(埃塞俄比亚) 0x045e 0x0409 Latin1_General_CI_AS
阿拉伯语(阿尔及利亚) 0x1401 0x0401 Arabic_CI_AS
阿拉伯语(巴林) 0x3c01 0x0401 Arabic_CI_AS
阿拉伯语(埃及) 0x0c01 0x0401 Arabic_CI_AS
阿拉伯语(伊拉克) 0x0801 0x0401 Arabic_CI_AS
阿拉伯语(约旦) 0x2c01 0x0401 Arabic_CI_AS
阿拉伯语(科威特) 0x3401 0x0401 Arabic_CI_AS
阿拉伯语(黎巴嫩) 0x3001 0x0401 Arabic_CI_AS
阿拉伯语(利比亚) 0x1001 0x0401 Arabic_CI_AS
阿拉伯语(摩洛哥) 0x1801 0x0401 Arabic_CI_AS
阿拉伯语(阿曼) 0x2001 0x0401 Arabic_CI_AS
阿拉伯语(卡塔尔) 0x4001 0x0401 Arabic_CI_AS
阿拉伯语(沙特阿拉伯) 0x0401 0x0401 Arabic_CI_AS
阿拉伯语(叙利亚) 0x2801 0x0401 Arabic_CI_AS
阿拉伯语(突尼斯) 0x1c01 0x0401 Arabic_CI_AS
阿拉伯语(阿拉伯联合酋长国) 0x3801 0x0401 Arabic_CI_AS
阿拉伯语(也门) 0x2401 0x0401 Arabic_CI_AS
亚美尼亚语(亚美尼亚) 0x042b 0x0419 Latin1_General_CI_AS
阿萨姆语(印度) 0x044d 0x044d 在服务器级别不可用
阿塞拜疆语(阿塞拜疆,西里尔文) 0x082c 0x082c 不推荐使用,在服务器级别不可用
阿塞拜疆语(阿塞拜疆,拉丁语) 0x042c 0x042c 不推荐使用,在服务器级别不可用
巴什基尔语(俄罗斯) 0x046d 0x046d Latin1_General_CI_AI
巴斯克语(巴斯克) 0x042d 0x0409 Latin1_General_CI_AS
白俄罗斯语(白俄罗斯) 0x0423 0x0419 Cyrillic_General_CI_AS
孟加拉语(孟加拉国) 0x0845 0x0445 在服务器级别不可用
孟加拉语(印度) 0x0445 0x0439 在服务器级别不可用
波斯尼亚语(波斯尼亚和黑塞哥维那,西里尔文) 0x201a 0x201a Latin1_General_CI_AI
波斯尼亚语(波斯尼亚和黑塞哥维那,拉丁语) 0x141a 0x141a Latin1_General_CI_AI
布列塔尼语(法国) 0x047e 0x047e Latin1_General_CI_AI
保加利亚语(保加利亚) 0x0402 0x0419 Cyrillic_General_CI_AS
加泰罗尼亚语(加泰罗尼亚) 0x0403 0x0409 Latin1_General_CI_AS
中文(香港特别行政区) 0x0c04 0x0404 Chinese_Taiwan_Stroke_CI_AS
中文(澳门特别行政区) 0x1404 0x1404 Latin1_General_CI_AI
中文(澳门特别行政区) 0x21404 0x21404 Latin1_General_CI_AI
中文(中华人民共和国) 0x0804 0x0804 Chinese_PRC_CI_AS
中文(中华人民共和国) 0x20804 0x20804 Chinese_PRC_Stroke_CI_AS
中文(新加坡) 0x1004 0x0804 Chinese_PRC_CI_AS
中文(新加坡) 0x21004 0x20804 Chinese_PRC_Stroke_CI_AS
中文(台湾) 0x30404 0x30404 Chinese_Taiwan_Bopomofo_CI_AS
中文(台湾) 0x0404 0x0404 Chinese_Taiwan_Stroke_CI_AS
科西嘉语(法国) 0x0483 0x0483 Latin1_General_CI_AI
克罗地亚语(波斯尼亚和黑塞哥维那,拉丁语) 0x101a 0x041a Croatian_CI_AS
克罗地亚语(克罗地亚) 0x041a 0x041a Croatian_CI_AS
捷克语(捷克共和国) 0x0405 0x0405 Czech_CI_AS
丹麦语(丹麦) 0x0406 0x0406 Danish_Norwegian_CI_AS
达里语(阿富汗) 0x048c 0x048c Latin1_General_CI_AI
迪维希语(马尔代夫) 0x0465 0x0465 在服务器级别不可用
荷兰语(比利时) 0x0813 0x0409 Latin1_General_CI_AS
荷兰语(荷兰) 0x0413 0x0409 Latin1_General_CI_AS
英语(澳大利亚) 0x0c09 0x0409 Latin1_General_CI_AS
英语(伯利兹) 0x2809 0x0409 Latin1_General_CI_AS
英语(加拿大) 0x1009 0x0409 Latin1_General_CI_AS
英语(加勒比海) 0x2409 0x0409 Latin1_General_CI_AS
英语(印度) 0x4009 0x0409 Latin1_General_CI_AS
英语(爱尔兰) 0x1809 0x0409 Latin1_General_CI_AS
英语(牙买加) 0x2009 0x0409 Latin1_General_CI_AS
英语(马来西亚) 0x4409 0x0409 Latin1_General_CI_AS
英语(新西兰) 0x1409 0x0409 Latin1_General_CI_AS
英语(菲律宾) 0x3409 0x0409 Latin1_General_CI_AS
英语(新加坡) 0x4809 0x0409 Latin1_General_CI_AS
英语(南非) 0x1c09 0x0409 Latin1_General_CI_AS
英语(特立尼达和多巴哥) 0x2c09 0x0409 Latin1_General_CI_AS
英语(英国) 0x0809 0x0409 Latin1_General_CI_AS
英语(美国) 0x0409 0x0409 SQL_Latin1_General_CP1_CI_AS
英语(津巴布韦) 0x3009 0x0409 Latin1_General_CI_AS
爱沙尼亚语(爱沙尼亚) 0x0425 0x0425 Estonian_CI_AS
法罗语(法罗群岛) 0x0438 0x0409 Latin1_General_CI_AS
菲律宾语(菲律宾) 0x0464 0x0409 Latin1_General_CI_AS
芬兰语(芬兰) 0x040b 0x040b Finnish_Swedish_CI_AS
法语(比利时) 0x080c 0x040c French_CI_AS
法语(加拿大) 0x0c0c 0x040c French_CI_AS
法语(法国) 0x040c 0x040c French_CI_AS
法语(卢森堡) 0x140c 0x040c French_CI_AS
法语(摩纳哥) 0x180c 0x040c French_CI_AS
法语(瑞士) 0x100c 0x040c French_CI_AS
弗里西亚语(荷兰) 0x0462 0x0462 Latin1_General_CI_AI
加利西亚语 0x0456 0x0409 Latin1_General_CI_AS
格鲁吉亚语(格鲁吉亚) 0x10437 0x10437 Georgian_Modern_Sort_CI_AS
格鲁吉亚语(格鲁吉亚) 0x0437 0x0419 Latin1_General_CI_AS
德语 - 电话簿排序 (DIN) 0x10407 0x10407 German_PhoneBook_CI_AS
德语(奥地利) 0x0c07 0x0409 Latin1_General_CI_AS
德语(德国) 0x0407 0x0409 Latin1_General_CI_AS
德语(列支敦士登) 0x1407 0x0409 Latin1_General_CI_AS
德语(卢森堡) 0x1007 0x0409 Latin1_General_CI_AS
德语(瑞士) 0x0807 0x0409 Latin1_General_CI_AS
希腊语(希腊) 0x0408 0x0408 Greek_CI_AS
格陵兰语(格陵兰) 0x046f 0x0406 Danish_Norwegian_CI_AS
古吉拉特语(印度) 0x0447 0x0439 在服务器级别不可用
豪撒语(尼日利亚,拉丁语) 0x0468 0x0409 Latin1_General_CI_AS
希伯来语(以色列) 0x040d 0x040d Hebrew_CI_AS
印地语(印度) 0x0439 0x0439 在服务器级别不可用
匈牙利语(匈牙利) 0x040e 0x040e Hungarian_CI_AS
匈牙利语技术排序 0x1040e 0x1040e Hungarian_Technical_CI_AS
冰岛语(冰岛) 0x040f 0x040f Icelandic_CI_AS
伊博语(尼日利亚) 0x0470 0x0409 Latin1_General_CI_AS
印度尼西亚语(印度尼西亚) 0x0421 0x0409 Latin1_General_CI_AS
因纽特语(加拿大,拉丁语) 0x085d 0x0409 Latin1_General_CI_AS
因纽特语(语音节)加拿大 0x045d 0x045d Latin1_General_CI_AI
爱尔兰语(爱尔兰) 0x083c 0x0409 Latin1_General_CI_AS
意大利语(意大利) 0x0410 0x0409 Latin1_General_CI_AS
意大利语(瑞士) 0x0810 0x0409 Latin1_General_CI_AS
日语(日本 XJIS) 0x0411 0x0411 Japanese_CI_AS
日语(日本) 0x040411 0x40411 Latin1_General_CI_AI
卡纳达语(印度) 0x044b 0x0439 在服务器级别不可用
哈萨克语(哈萨克斯坦) 0x043f 0x043f Kazakh_90_CI_AS
高棉语(柬埔寨) 0x0453 0x0453 在服务器级别不可用
基切语(危地马拉) 0x0486 0x0c0a Modern_Spanish_CI_AS
卢旺达语(卢旺达) 0x0487 0x0409 Latin1_General_CI_AS
孔卡尼语(印度) 0x0457 0x0439 在服务器级别不可用
韩语(韩语字典排序) 0x0412 0x0412 Korean_Wansung_CI_AS
柯尔克孜语(吉尔吉斯斯坦) 0x0440 0x0419 Cyrillic_General_CI_AS
老挝语(老挝人民民主共和国) 0x0454 0x0454 在服务器级别不可用
拉脱维亚语(拉脱维亚) 0x0426 0x0426 Latvian_CI_AS
立陶宛语(立陶宛) 0x0427 0x0427 Lithuanian_CI_AS
下索布语(德国) 0x082e 0x0409 Latin1_General_CI_AS
卢森堡语(卢森堡) 0x046e 0x0409 Latin1_General_CI_AS
马其顿语(北马其顿) 0x042f 0x042f Macedonian_FYROM_90_CI_AS
马来语(文莱达鲁萨兰国) 0x083e 0x0409 Latin1_General_CI_AS
马来语(马来西亚) 0x043e 0x0409 Latin1_General_CI_AS
马拉雅拉姆语(印度) 0x044c 0x0439 在服务器级别不可用
马耳他语(马耳他) 0x043a 0x043a Latin1_General_CI_AI
毛利语(新西兰) 0x0481 0x0481 Latin1_General_CI_AI
马普丹冈语(智利) 0x047a 0x047a Latin1_General_CI_AI
马拉地语(印度) 0x044e 0x0439 在服务器级别不可用
莫霍克语(加拿大) 0x047c 0x047c Latin1_General_CI_AI
蒙古语(蒙古) 0x0450 0x0419 Cyrillic_General_CI_AS
蒙古语(中国) 0x0850 0x0419 Cyrillic_General_CI_AS
尼泊尔语(尼泊尔) 0x0461 0x0461 在服务器级别不可用
挪威语(博克马尔语,挪威) 0x0414 0x0414 Latin1_General_CI_AI
挪威语(尼诺斯克语,挪威) 0x0814 0x0414 Latin1_General_CI_AI
奥克西唐语(法国) 0x0482 0x040c French_CI_AS
奥里亚语(印度) 0x0448 0x0439 在服务器级别不可用
普什图语(阿富汗) 0x0463 0x0463 在服务器级别不可用
波斯语(伊朗) 0x0429 0x0429 Latin1_General_CI_AI
波兰语(波兰) 0x0415 0x0415 Polish_CI_AS
葡萄牙语(巴西) 0x0416 0x0409 Latin1_General_CI_AS
葡萄牙语(葡萄牙) 0x0816 0x0409 Latin1_General_CI_AS
旁遮普语(印度) 0x0446 0x0439 在服务器级别不可用
克丘亚语(玻利维亚) 0x046b 0x0409 Latin1_General_CI_AS
克丘亚语(厄瓜多尔) 0x086b 0x0409 Latin1_General_CI_AS
克丘亚语(秘鲁) 0x0c6b 0x0409 Latin1_General_CI_AS
罗马尼亚语(罗马尼亚) 0x0418 0x0418 Romanian_CI_AS
罗曼什语(瑞士) 0x0417 0x0417 Latin1_General_CI_AI
俄语(俄罗斯) 0x0419 0x0419 Cyrillic_General_CI_AS
萨哈语(俄罗斯) 0x0485 0x0485 Latin1_General_CI_AI
萨米语(伊纳里,芬兰) 0x243b 0x083b Latin1_General_CI_AI
萨米语(律勒欧,挪威) 0x103b 0x043b Latin1_General_CI_AI
萨米语(律勒欧,瑞典) 0x143b 0x083b Latin1_General_CI_AI
萨米语(北方,芬兰) 0x0c3b 0x083b Latin1_General_CI_AI
萨米语(北方,挪威) 0x043b 0x043b Latin1_General_CI_AI
萨米语(北方,瑞典) 0x083b 0x083b Latin1_General_CI_AI
萨米语(斯科特,芬兰) 0x203b 0x083b Latin1_General_CI_AI
萨米语(南方,挪威) 0x183b 0x043b Latin1_General_CI_AI
萨米语(南方,瑞典) 0x1c3b 0x083b Latin1_General_CI_AI
梵语(印度) 0x044f 0x0439 在服务器级别不可用
塞尔维亚语(波斯尼亚和黑塞哥维那,西里尔文) 0x1c1a 0x0c1a Latin1_General_CI_AI
塞尔维亚语(波斯尼亚和黑塞哥维那,拉丁语) 0x181a 0x081a Latin1_General_CI_AI
塞尔维亚语(塞尔维亚,西里尔语) 0x0c1a 0x0c1a Latin1_General_CI_AI
塞尔维亚语(塞尔维亚,拉丁语) 0x081a 0x081a Latin1_General_CI_AI
巴索托语/北索托语(南非) 0x046c 0x0409 Latin1_General_CI_AS
茨瓦纳语/博茨瓦纳(南非) 0x0432 0x0409 Latin1_General_CI_AS
僧伽罗语(斯里兰卡) 0x045b 0x0439 在服务器级别不可用
斯洛伐克语(斯洛伐克) 0x041b 0x041b Slovak_CI_AS
斯洛文尼亚语(斯洛文尼亚) 0x0424 0x0424 Slovenian_CI_AS
西班牙语(阿根廷) 0x2c0a 0x0c0a Modern_Spanish_CI_AS
西班牙语(玻利维亚) 0x400a 0x0c0a Modern_Spanish_CI_AS
西班牙语(智利) 0x340a 0x0c0a Modern_Spanish_CI_AS
西班牙语(哥伦比亚) 0x240a 0x0c0a Modern_Spanish_CI_AS
西班牙语(哥斯达黎加) 0x140a 0x0c0a Modern_Spanish_CI_AS
西班牙语(多米尼加共和国) 0x1c0a 0x0c0a Modern_Spanish_CI_AS
西班牙语(厄瓜多尔) 0x300a 0x0c0a Modern_Spanish_CI_AS
西班牙语(萨尔瓦多) 0x440a 0x0c0a Modern_Spanish_CI_AS
西班牙语(危地马拉) 0x100a 0x0c0a Modern_Spanish_CI_AS
西班牙语(洪都拉斯) 0x480a 0x0c0a Modern_Spanish_CI_AS
西班牙语(墨西哥) 0x080a 0x0c0a Modern_Spanish_CI_AS
西班牙(尼加拉瓜) 0x4c0a 0x0c0a Modern_Spanish_CI_AS
西班牙语(巴拿马) 0x180a 0x0c0a Modern_Spanish_CI_AS
西班牙语(巴拉圭) 0x3c0a 0x0c0a Modern_Spanish_CI_AS
西班牙语(秘鲁) 0x280a 0x0c0a Modern_Spanish_CI_AS
西班牙语(波多黎各) 0x500a 0x0c0a Modern_Spanish_CI_AS
西班牙语(西班牙) 0x0c0a 0x0c0a Modern_Spanish_CI_AS
西班牙语(西班牙,传统风格) 0x040a 0x040a Traditional_Spanish_CI_AS
西班牙语(美国) 0x540a 0x0409 Latin1_General_CI_AS
西班牙语(乌拉圭) 0x380a 0x0c0a Modern_Spanish_CI_AS
西班牙语(委内瑞拉) 0x200a 0x0c0a Modern_Spanish_CI_AS
斯瓦希里语(肯尼亚) 0x0441 0x0409 Latin1_General_CI_AS
瑞典语(芬兰) 0x081d 0x040b Finnish_Swedish_CI_AS
瑞典语(瑞典) 0x041d 0x040b Finnish_Swedish_CI_AS
叙利亚语(叙利亚) 0x045a 0x045a 在服务器级别不可用
塔吉克语(塔吉克斯坦) 0x0428 0x0419 Cyrillic_General_CI_AS
塔马塞特文(阿尔及利亚,拉丁语) 0x085f 0x085f Latin1_General_CI_AI
泰米尔语(印度) 0x0449 0x0439 在服务器级别不可用
鞑靼语(俄罗斯) 0x0444 0x0444 Cyrillic_General_CI_AS
泰卢固语(印度) 0x044a 0x0439 在服务器级别不可用
泰语(泰国) 0x041e 0x041e Thai_CI_AS
藏语(中国) 0x0451 0x0451 在服务器级别不可用
土耳其语(土耳其) 0x041f 0x041f Turkish_CI_AS
土库曼语(土库曼斯坦) 0x0442 0x0442 Latin1_General_CI_AI
维吾尔语(中国) 0x0480 0x0480 Latin1_General_CI_AI
乌克兰语(乌克兰) 0x0422 0x0422 Ukrainian_CI_AS
上索布语(德国) 0x042e 0x042e Latin1_General_CI_AI
乌尔都语(巴基斯坦) 0x0420 0x0420 Latin1_General_CI_AI
乌兹别克语(乌兹别克斯坦,西里尔文) 0x0843 0x0419 Cyrillic_General_CI_AS
乌兹别克语(乌兹别克斯坦,拉丁语) 0x0443 0x0443 Uzbek_Latin_90_CI_AS
越南语(越南) 0x042a 0x042a Vietnamese_CI_AS
威尔士语(英国) 0x0452 0x0452 Latin1_General_CI_AI
沃洛夫语(塞内加尔) 0x0488 0x040c French_CI_AS
班图语/索萨语(南非) 0x0434 0x0409 Latin1_General_CI_AS
彝语(中国) 0x0478 0x0409 Latin1_General_CI_AS
约鲁巴语(尼日利亚) 0x046a 0x0409 Latin1_General_CI_AS
祖鲁语(南非) 0x0435 0x0409 Latin1_General_CI_AS

为服务器分配排序规则后,只能通过导出所有数据库对象和数据来更改它,重新生成 master 数据库,并导入所有数据库对象和数据。 与更改 SQL Server 实例的默认排序规则相反,可在创建新数据库或数据库列时指定所需的排序规则。

若要查询 SQL Server 实例的服务器排序规则,请使用下列 SERVERPROPERTY 函数:

SELECT CONVERT(nvarchar(128), SERVERPROPERTY('collation'));

若要查询服务器以找到所有可用的排序规则,请使用以下 fn_helpcollations() 内置函数:

SELECT * FROM sys.fn_helpcollations();

不能更改或设置 Azure SQL 数据库的实例级排序规则。 有关 SQL 托管实例和 SQL Server 的信息,请参阅:设置或更改服务器排序规则

数据库级排序规则

创建或修改数据库时,可使用 CREATE DATABASEALTER DATABASE 语句的 COLLATE 子句指定默认数据库排序规则。 如果未指定排序规则,将为该数据库分配服务器排序规则。

除非更改服务器的排序规则,否则无法更改系统数据库的排序规则。

数据库排序规则将应用于数据库中的所有元数据,并且是所有字符串列、临时对象、变量名称和数据库中使用的任何其他字符串的默认排序规则。 当更改用户数据库的排序规则时,如果在数据库访问临时表中进行查询,则可能出现排序规则冲突。 临时表始终存储在 tempdb 系统数据库中,该数据库使用实例的排序规则。 如果排序规则导致计算字符数据时出现冲突,则比较用户数据库和 tempdb 之间的字符数据的查询可能会失败。 可以通过在查询中指定 COLLATE 子句来解决此问题。 有关详细信息,请参阅排序规则 (Transact-SQL)

可使用如下的 ALTER DATABASE 语句更改用户数据库的排序规则:

ALTER DATABASE myDB COLLATE Greek_CS_AI;

重要

更改数据库级排序规则不会影响列级排序规则或表达式级排序规则。

可使用如下的语句来检索数据库的当前排序规则:

SELECT CONVERT (nvarchar(128), DATABASEPROPERTYEX('database_name', 'collation'));

列级排序规则

当创建或更改表时,可使用 COLLATE 子句指定每个字符串列的排序规则。 如果不指定排序规则,将为列分配数据库的默认排序规则。

可使用如下的 ALTER TABLE 语句更改列的排序规则:

ALTER TABLE myTable ALTER COLUMN mycol NVARCHAR(10) COLLATE Greek_CS_AI;

表达式级排序规则

表达式级排序规则在语句运行时设置,并且影响结果集的返回方式。 这可以使 ORDER BY 排序结果特定于区域设置。 要实现表达式级别的排序规则,请使用如下的 COLLATE 子句:

SELECT name FROM customer ORDER BY name COLLATE Latin1_General_CS_AI;    

Locale

区域设置是与位置或区域性相关联的一组信息。 此信息可以包括所用语言的名称和标识符、用于书写该语言的文字以及文化习俗。 排序规则可以与一个或多个区域设置相关联。 有关详细信息,请参阅 Microsoft 分配的区域设置 ID

代码页

代码页是给定脚本的有序字符集,其中数值索引(即码位值)与每个字符相关联。 Windows 代码页通常被称为“字符集” 。 代码页用于支持不同的 Windows 系统区域设置所使用的字符集和键盘布局。

排序顺序

排序顺序指定数据值的排序方式。 该顺序影响数据比较的结果。 数据的排序通过使用排序规则而实现,且可使用索引对排序进行优化。

Unicode 支持

Unicode 是一种将码位映射到字符的标准。 由于它旨在涵盖全球所有语言的所有字符,因此,无需使用不同代码页来处理不同字符集。

Unicode 基础知识

当只使用字符数据和代码页时,在一个数据库内很难以多种语言存储数据。 也很难为数据库找到一种能存储所有需要的特定语言字符的代码页。 此外,当运行不同代码页的不同客户端读取和更新特殊字符时,很难保证正确转换这些字符。 支持国际化客户端的数据库应始终使用 Unicode 数据类型,而不应使用非 Unicode 数据类型。

例如,有一个必须处理三种主要语言的北美洲客户的数据库:

  • 墨西哥使用的西班牙语名称和地址
  • 魁北克使用的法语名称和地址
  • 加拿大其余地区和美国使用的英语名称和地址

当只使用字符列和代码页时,必须小心处理,确保与数据库一起安装的代码页能处理所有这三种语言的字符。 当正在运行的代码页的客户端读取另一种语言的字符时,还必须注意确保从任何一种语言正确转换字符。

注意

客户端使用的代码页由操作系统 (OS) 设置确定。 若要在 Windows 操作系统上设置客户端代码页,请使用“控制面板”中的 “区域设置”

对于支持世界范围的读者所需的所有字符的字符数据类型,很难为其选择代码页。 在国际化数据库中,最简单的字符数据管理方法是始终使用支持 Unicode 的数据类型。

Unicode 数据类型

如果在 SQL Server(SQL Server 2005 (9.x) 及更高版本)中存储反映多种语言的字符数据,请使用 Unicode 数据类型(nchar、nvarchar 和 ntext),而不是非 Unicode 数据类型(char、varchar 和 text )。

注意

对于 Unicode 数据类型,数据库引擎 最多可以使用 UCS-2 表示 65,536 个字符;或者,如果使用了附属字符,可表示整个 Unicode 范围(1,114,112 个字符)。 如需详细了解如何启用增补字符,请参阅字符

或者,从 SQL Server 2019 (15.x) 开始,如果使用支持 UTF-8 的排序规则 (_UTF8),则以前的非 Unicode 数据类型(char 和 varchar)将变为使用 UTF-8 编码的 Unicode 数据类型。 SQL Server 2019 (15.x) 不会更改以前存在的 Unicode 数据类型(nchar、nvarchar 和 ntext)的行为,且继续使用 UCS-2 或 UTF-16 编码 。 有关详细信息,请参阅 UTF-8 与 UTF-16 的存储差异

Unicode 注意事项

非 Unicode 数据类型有明显的局限性, 这是因为非 Unicode 计算机只能使用单个代码页。 使用 Unicode,你可能会体验到性能提升,因为这只需要较少的代码页转换。 必须在数据库级、列级或表达式级单独选择 Unicode 排序规则,因为在服务器级不支持 Unicode 排序规则。

在将数据从服务器移到客户端时,服务器排序规则可能无法由旧版本的客户端驱动程序识别。 将数据从 Unicode 服务器移到非 Unicode 客户端时,可能会出现此情况。 最好升级客户端操作系统,以使基础系统排序规则得以升级。 如果客户端上安装了数据库客户端软件,则可以考虑对数据库客户端软件应用服务更新。

提示

还可以尝试针对服务器上的数据使用另一个排序规则。 选择一个映射到客户端上的代码页的排序规则。

若要使用 SQL Server(SQL Server 2012 (11.x) 及更高版本)中提供的 UTF-16 排序规则来改进对一些 Unicode 字符的搜索和排序(仅 Windows 排序规则),可以选择增补字符 (_SC) 排序规则之一,或版本 140 排序规则之一。

若要使用 SQL Server 2019 (15.x) 中提供的 UTF-8 排序规则来改进对某些 Unicode 字符的搜索和排序(仅 Windows 排序规则),必须选择已启用 UTF-8 编码的排序规则 (_UTF8)。

  • UTF8 标志可应用于:

    • 已支持补充字符 (_SC) 或区分变体选择符 (_VSS) 感知的语言排序规则
    • BIN2 二进制排序规则
  • UTF8 标志可应用于:

    • 不支持补充字符 (_SC) 或区分变体选择符 (_VSS) 感知的语言排序规则
    • BIN 二进制排序规则
    • SQL_* 排序规则

若要评估与使用 Unicode 或非 Unicode 数据类型相关的问题,请测试您的具体方案以确定您所在环境下的性能差异大小。 最好对整个组织中的系统所使用的排序规则进行标准化,并尽可能部署 Unicode 服务器和客户端。

在许多情况下,SQL Server 与其他服务器或客户端交互,你的组织可能会使用应用程序和服务器实例之间的多种数据访问标准。 SQL Server 客户端是两种主要类型之一:

  • 使用 OLE DB 和开放式数据库连接 (ODBC) 3.7 版或更高版本的 Unicode 客户端。
  • 使用 DB-Library 和 ODBC 3.6 版或更低版本的非 Unicode 客户端。

下表提供有关以 Unicode 和非 Unicode 服务器的各种组合使用多语言数据的信息:

服务器 Client 优点或局限性
Unicode Unicode 因为 Unicode 数据在整个系统中使用,所以此方案可提供最佳的性能并可保护检索到的数据免受破坏。 ActiveX 数据对象 (ADO)、OLE DB 和 ODBC 3.7 版或更高版本都采用这样的配置。
Unicode 非 Unicode 在这种情况下,尤其对于正在运行新操作系统的服务器与正在运行旧版本 SQL Server或基于旧操作系统的客户端之间的连接,当向客户端计算机移动数据时,会受到限制或出现错误。 服务器上的 Unicode 数据尝试映射到非 Unicode 客户端的对应代码页,以转换数据。
非 Unicode Unicode 该方案对使用多语言数据不是理想配置。 在此方案下不能向非 Unicode 服务器写入 Unicode 数据。 在向服务器的代码页之外的服务器发送数据时,很可能会发生问题。
非 Unicode 非 Unicode 这是对多语言数据有极大局限性的方案。 您只可使用一个代码页。

增补字符

Unicode 联盟为每个字符都分配一个唯一码位(介于 000000-10FFFF 之间的值)。 最常用字符的码位值介于范围 000000-00FFFF(65,536 个字符)之间,可以装入内存中和磁盘上的 8 位字或 16 位字中。 通常将此范围指定为基本多文种平面 (BMP)。

但 Unicode 联盟额外建立了 16 个字符“平面”,每个平面的大小都与 BMP 相同。 此定义允许 Unicode 表示介于码位范围 000000-10FFFF 之间的 1,114,112 个字符(即 216* 17 个字符)。 码位值大于 00FFFF 的字符需要 2 到 4 个连续 8 位字 (UTF-8),或 2 个连续 16 位字 (UTF-16)。 超出 BMP 的字符称为“附属字符”,其他连续 8 位字或 16 位字称为“代理项对”。 如需了解增补字符、代理项、代理项对的更多详细信息,请参阅 Unicode 标准

SQL Server 提供用于存储介于 BMP 范围(000000-00FFFF)内的 Unicode 数据的数据类型(如 nchar 和 nvarchar),而数据库引擎使用 UCS-2 编码它们。

SQL Server 2012 (11.x) 引入了新增补字符 (_SC) 排序规则系列,可以与下面的数据类型结合使用来表示整个 Unicode 字符范围(000000-10FFFF):nchar、nvarchar 和 sql_variant。 例如:Latin1_General_100_CI_AS_SC 或 Japanese_Bushu_Kakusu_100_CI_AS_SC(如果使用日语排序规则) 。

SQL Server 2019 (15.x) 将增补字符支持扩展到,与已启用 UTF-8 的新排序规则 (_UTF8) 结合使用的数据类型 char 和 varchar。 这些数据类型也能表示整个 Unicode 字符范围。

注意

自 SQL Server 2017 (14.x) 起,所有新排序规则都自动支持增补字符。

如果使用增补字符:

  • 只有在 90 版本或更高版本的排序规则中才可以将增补字符用于排序和比较操作。

  • 所有 100 版本的排序规则均支持使用补充字符进行语言排序。

  • 不支持在元数据(如数据库对象的名称)中使用增补字符。

  • SC 标志可应用于:

    • 90 版本的排序规则
    • 100 版本的排序规则
  • SC 标志不能应用于:

    • 80 版本非版本化 Windows 排序规则
    • BIN 或 BIN2 二进制排序规则
    • SQL* 排序规则
    • 140 版本的排序规则(这些排序规则无需 SC 标志,因为它们已支持增补字符)

下表比较了某些字符串函数和字符串运算符在使用具有和没有补充字符识别 (SCA) 排序规则的补充字符时的行为:

字符串函数或运算符 具有 SCA 排序规则 没有 SCA 排序规则
CHARINDEX

LEN

PATINDEX
UTF-16 代理项对作为单个码位计数。 UTF-16 代理项对作为两个码位计数。
LEFT

REPLACE

REVERSE

RIGHT

SUBSTRING

STUFF
这些函数会将每个代理项对作为单个码位处理并按预期方式工作。 这些函数可能拆分任意代理项对并导致意外的结果。
NCHAR 返回对应于 0-0x10FFFF 范围内指定的 Unicode 码位值的字符。 如果指定的值位于 0-0xFFFF 范围内,则返回一个字符。 对于较高的值,则返回相应的代理项。 对于高于 0xFFFF 的值,将返回 NULL 而非相应的代理项。
UNICODE 返回 0-0x10FFFF 范围内的一个 UTF-16 码位。 返回 0-0xFFFF 范围内的一个 UCS-2 码位。
匹配一个通配符

通配符 - 无需匹配的字符
增补字符支持所有通配符操作。 增补字符不支持这些通配符操作。 支持其他通配符运算符。

GB18030 支持

GB18030 是中国对中文字符进行编码的一个单独标准。 在 GB18030 中,字符长度可以是 1 个字节、2 个字节或 4 个字节。 SQL Server 通过对从客户端应用程序进入服务器的 GB18030 编码字符进行确认,然后在本机将其转换并存储为 Unicode 字符,来对这些字符提供支持。 这些字符存储在服务器中后,在所有后续操作中均视为 Unicode 字符。

可以使用任何中文排序规则,最好使用最新的 100 版本。 所有 100 版排序规则均支持使用 GB18030 字符进行语言排序。 如果数据中包含增补字符(代理项对),则可以使用 SQL Server 中提供的 SC 排序规则来改进搜索和排序操作。

注意

确保 SQL Server Management Studio 等客户端工具使用 Dengxian 字体来正确地显示包含 GB18030 编码字符的字符串。

复杂文种支持

SQL Server 可支持输入、存储、更改和显示复杂文种。 复杂文种包括下列几种类型:

  • 脚本包括从右到左和从左到右两种文字组合,如阿拉伯语和英语文字的组合。
  • 脚本的字符根据其位置或在与其他字符组合时改变形状,如阿拉伯语、印度语和泰语字符。
  • 像泰语这样的语言需要内部词典识别单词,因为这些单词之间不断字。

与 SQL Server 交互的数据库应用程序必须使用支持复杂文种的控件。 在托管代码中创建的标准 Windows 窗体控件支持复杂文种。

在 SQL Server 2017 (14.x) 中添加的日语排序规则

从 SQL Server 2017 (14.x) 开始,支持新的日语排序规则系列,并具有各种排列选项(_CS、_AS、_KS、_WS 和 _VSS)以及 _BIN 和 _BIN2。

若要列出这些排序规则,可以查询 SQL Server 数据库引擎:

SELECT name, description
FROM   sys.fn_helpcollations()  
WHERE  COLLATIONPROPERTY(name, 'Version') = 3;

由于所有新排序规则都内置有对增补字符的支持,因此新 140 排序规则都没有(或不需要)SC 标志。

数据库引擎索引、内存优化表、列存储索引和本机编译模块支持这些排序规则。

UTF-8 支持

SQL Server 2019 (15.x) 完全支持广泛使用的 UTF-8 字符编码作为导入或导出编码,以及作为字符串数据的数据库级别或列级别排序规则。 UTF-8 受 char 和 varchar 数据类型支持,并在创建对象的排序规则或将其更改为带有 UTF8 后缀的排序规则时启用。 例如,将 LATIN1_GENERAL_100_CI_AS_SC 更改为 LATIN1_GENERAL_100_CI_AS_SC_UTF8 。

UTF-8 仅适用于支持增补字符的 Windows 排序规则,如 SQL Server 2012 (11.x) 中所述。 nchar 和 nvarchar 数据类型仅支持 UCS-2 或 UTF-16 编码,并保持不变。

Azure SQL 数据库和 Azure SQL 托管实例还支持数据库和列级别的 UTF-8,而托管实例也在服务器级别支持 UTF-8。

UTF-8 与 UTF-16 的存储差异

Unicode 联盟为每个字符都分配一个唯一码位(介于 000000-10FFFF 之间的值)。 使用 SQL Server 2019 (15.x) 时,UTF-8 和 UTF-16 编码都可用来表示整个范围:

  • 如果使用 UTF-8 编码,ASCII 范围(000000-00007F)内的字符需要 1 个字节,介于 000080 和 0007FF、000800 和 00FFFF 以及 0010000 和 0010FFFF 之间的码位分别需要 2、3 和 4 个字节。
  • 如果使用 UTF-16 编码,介于 000000 和 00FFFF 以及 0010000 和 0010FFFF 之间的码位分别需要 2 和 4 个字节。

下表列出了各个字符范围和编码类型的编码存储字节:

代码范围(十六进制) 代码范围(十进制) 使用 UTF-8 时的存储字节1 使用 UTF-16 时的存储字节1
000000–00007F 0–127 1 2
000080–00009F
0000A0–0003FF
000400–0007FF
128–159
160–1,023
1,024–2,047
2 2
000800–003FFF
004000–00FFFF
2,048–16,383
16,384–65,535
3 2
010000–03FFFF2

040000–10FFFF2
65,536–262,1432

262,144–1,114,1112
4 4

1 存储字节是指编码字节长度,而不是数据类型在磁盘上的存储大小。 若要详细了解磁盘上的存储大小,请参阅 nchar 和 nvarchar,以及 char 和 varchar

2增补字符的码位范围。

提示

通常认为,在 CHAR(n) 和 VARCHAR(n) 或在 NCHAR(n) 和 NVARCHAR(n) 中,n 定义字符数 。 这是因为在示例 CHAR(10) 列中,可以使用排序规则(如 Latin1_General_100_CI_AI)存储在 0-127 范围内的 10 ASCII 字符,因为此范围内的每个字符仅使用 1 个字节。

但是,在 CHAR(n) 和 VARCHAR(n) 中,n 以字节数 (0-8,000) 定义字符串大小,而在 NCHAR(n) 和 NVARCHAR(n) 中,n 以字节对 (0-4,000) 定义字符串大小 。 n 不会定义可存储的字符数。

如你所见,选择适当的 Unicode 编码和数据类型可以节省大量存储或增加当前存储占用,具体视使用的字符集而定。 例如,如果使用启用了 UTF-8 的拉丁语排序规则(如 Latin1_General_100_CI_AI_SC_UTF8),则 CHAR(10) 列可存储 10 个字节,并且可保留 0-127 范围内的 10 ASCII 字符。 但只可保留 5 个 128-2047 范围内的字符和 3 个 2048-65535 范围内的字符。 相比之下,由于 NCHAR(10) 列存储 10 个字节对(20 个字节),因此该列可保留 10 个 0-65535 范围内的字符。

在选择是要将 UTF-8 编码还是 UTF-16 编码用于数据库或列前,请先考虑要存储的字符串数据的分布情况:

  • 如果它主要在 ASCII 范围 0-127 内(如英语),使用 UTF-8 和 UTF-16 时每个字符分别需要 1 个和 2 个字节。 UTF-8 具有存储优势。 如果使用已启用 UTF-8 的排序规则将包含在 0-127 范围内的 ASCII 字符的现有列数据类型从 NCHAR(10) 更改为 CHAR(10),则会减少 50% 的存储需求。 之所以会有这种减少是因为,NCHAR(10) 需要 20 个字节进行存储,而 CHAR(10) 相比则需要 10 个字节用于相同的 Unicode 字符串表示形式。
  • 在 ASCII 范围之上,几乎所有基于拉丁文的脚本以及希腊文、西里尔文、科普特语、亚美尼亚文、希伯来文、阿拉伯文、叙利亚文、Tāna 和 N'Ko,在 UTF-8 和 UTF-16 中,每个字符都需要 2 个字节。 在这种情况下,可比较的数据类型(例如,char 与 nchar 之间)没有显著的存储差异。
  • 如果它主要是东亚语言(如韩语、中文和日语),使用 UTF-8 和 UTF-16 时每个字符分别需要 3 个和 2 个字节。 UTF-16 具有存储优势。
  • 使用 UTF-8 和 UTF-16 时,介于 010000 和 10FFFF 范围内的字符都需要 4 个字节。 在这种情况下,可比较的数据类型(例如,char 与 nchar 之间)没有存储差异。

有关其他注意事项,请参阅编写国际化 Transact-SQL 语句

转换为 UTF-8

因为在 CHAR(n) 和 VARCHAR(n) 或在 NCHAR(n) 和 NVARCHAR(n) 中,n 定义字节存储大小,而不定义可以存储的字符数,所以确定必须转换的数据类型大小很重要,这可以避免数据被截断 。

例如,考虑定义为 NVARCHAR(100) 的列,该列存储了 180 个字节的日语字符。 在本示例中,当前使用 UCS-2 或 UTF-16 对列数据进行编码,每个字符使用 2 个字节。 将列类型转换为 VARCHAR(200) 不足以防止数据被截断,因为新的数据类型只能存储 200 个字节,而使用 UTF-8 编码时,日语字符需要 3 个字节。 因此,必须将列定义为 VARCHAR(270),以避免由于数据截断而丢失数据。

因此,在将现有数据转换为 UTF-8 之前,需要事先知道列定义的预计字节大小,并相应地调整新数据类型的大小。 请参阅数据示例 GitHub 中的 Transact-SQL 脚本或 SQL 笔记本,其中使用 DATALENGTH 函数和 COLLATE 语句来确定现有数据库中 UTF-8 转换操作的正确数据长度要求。

要更改现有表中的列排序规则和数据类型,请使用设置或更改列排序规则中所述的一种方法。

要更改数据库排序规则(默认允许新对象继承数据库排序规则)或更改服务器排序规则(默认允许新数据库继承系统排序规则),请参阅本文的相关任务部分。

任务 主题
介绍如何设置或更改 SQL Server 实例的排序规则。 请注意,更改服务器排序规则不会更改现有数据库的排序规则。 设置或更改服务器排序规则
介绍如何设置或更改用户数据库的排序规则。 请注意,更改数据库排序规则不会更改现有表列的排序规则。 设置或更改数据库排序规则
介绍如何设置或更改数据库中的列的排序规则 设置或更改列排序规则
介绍如何返回服务器级、数据库级或列级的排序规则信息 查看排序规则信息
介绍如何编写更易于在不同语言之间移植或更轻松地支持多种语言的 Transact-SQL 语句 编写国际化 Transact-SQL 语句
介绍如何更改有关日期、时间和货币数据的使用和显示方式的错误消息和首选项的语言 设置会话语言

有关详细信息,请参阅下列相关内容:

另请参阅

包含数据库的排序规则
创建全文索引时选择语言
sys.fn_helpcollations (Transact-SQL)
单字节和多字节字符集