关于数据库Varchar字段类型长度设计问题

关于数据库Varchar字段类型长度设计问题

现代数据库一般都支持CHAR与VARCHAR字符型字段类型，CHAR是用来保存定长字符，存储空间的大小为字段定义的长度，与实际字符长度无关，当输入的字符小于定义长度时最后会补上空格。VARCHAR是用来保留变长字符，在数据库中存储空间的大小是实际的字符长度，不会像CHAR一样补上空格，这样占用的空间更少。


从以上特点来看，VARCHAR比CHAR有明显的优势，因此大部份数据库设计时都应该采用VARCHAR类型。那为什么还需要CHAR类型呢，个人认为有以下几个原因：
1、为了跟以前版本的数据库进行一个兼容，因为很久以前数据库只支持CHAR类型，有些应用的业务逻辑也只是针对CHAR类型设计的，所以数据库软件也就一直保留CHAR类型。
2、CHAR类型是定长的，一些数据库可以在每条记录中不存储字段长度信息，这样可以节省部份空间，也可以方便做一些内存对齐提高性能，但个人认为这带来的性能提升非常微小，至少ORACLE数据库是没有意义的。
3、还有说法是有些数据经常修改，长度可能变化，会引起碎片，采用CHAR就不会产生碎片，这个说法比较多，但我认为既然长度会变化，那用VARCHAR更能节省内存与存储空间来提升性能，只要数据块预留的空间没有问题，采用VARCHAR性能更好。


对于ORACLE数据库，我找不到充足的理由来使用CHAR类型，而且CHAR还会带来讨厌的空格，有些文章说MYSQL的MYISAM存储引擎在和长度固定的情况下CHAR比VARCHAR好，这个没有测试过，不太了解。


由于VARCHAR是变长存储，那么很多人会有疑问，比如STATUS字段定义VARCHAR(10)与VARCHAR(1000)有什么区别，反正是变长的，存储空间都一样，省得以后要加长又要改变字段定义。 下面说一下我的理解：
1、字段长度是数据库一种约束，可以保证进入数据库的数据符合长度要求，定义合理的字段长度可以减少一部份非法数据进入，比如：我们业务中STATUS只有‘NEW’,‘DELETE’,‘CLOSE’3种状态，使用VARCHAR(5)保存，这样可以有效的减少非法数据进入，定义合理的长度也可以让人容易理解字段的用途，试想一下，如果你所有的字符字段长度都是VARCHAR(4000)会是什么样的情况。

2、VARCHAR的字段长度虽然对数据存储没有太大影响，但对特定的数据库还是有一些细微差别，比如MYSQL中定义的长度如果小于255，字段长度用1个字节表示，如果超过255，字段的长度将固定用2个字节表示。如果你的业务数据最大长度只有10，但定义长度为256则每条记录会多浪费了一个字节来存储长度。ORACLE没有这样的问题，它会根据每条记录字段的实际长度动态选择长度标识。

3、字段定义的长度对索引也有较大影响，MYSQL数据库的索引存储的长度都是定义的长度，不是实际字符的长度，这是一个非常大的问题，估计主要原因是为了实现简单，所以MYSQL在索引上会浪费大量的空间保存字符串。ORACLE虽然没有MYSQL所说的存储空间浪费问题，但是对索引长度还是有一定限制，8i官方文档说明单条记录索引信息的长度不能超过数据块大小的40%，9i中是75%，实际上也差不多，具体可以见jametong的http://www.dbthink.com/?p=20这篇文档，里面有详细的测试结果。如果你的数据块大小是8K，那么索引字段的定义长度不能超过6398，比如，你要给表上2个VARCHAR(4000)字段建组合索引，创建时会直接报错。另外索引组织表及在线重建索引(因为中间会临时创建一个索引组织表)允许的索引信息长度更小，只能是数据块大小的40%，实际中8K的数据块大小，要使用在线重建索引，那定义的长度不能超过3215。从以上可以看出，数据块大小为8K时，设计字段时如果要定义为VARCHAR(4000)，那这个字段就不能考虑建立索引，因为即使能建上，也不能做在线重定义操作，DBA要进行索引维护时只能停止应用，这将对系统的可用性产生较大影响。关于ORACLE索引长度限制测试的脚本如下：

SQL> create table test1
  2  (
  3    c1 varchar2(4000),
  4    c2 varchar2(4000),
  5    c3 varchar2(4000)
  6  )
  7  ;
 
Table created
SQL> create index test1_ind1 on TEST1 (c1);
 
Index created
SQL> alter index test1_ind1 rebuild online;
 
alter index test1_ind1 rebuild online
 
ORA-00604: error occurred at recursive SQL level 1
ORA-01450: maximum key length (3215) exceeded
SQL> create index test1_ind2 on TEST1 (c2, c3);
 
create index test1_ind2 on TEST1 (c2, c3)
 
ORA-01450: maximum key length (6398) exceeded
 
SQL> 

关于ORACLE的索引长度还有一些特别的规则，比如自定义函数返回的字符定义长度固定是4000，所以要用自定义函数做函数索引需要特别注意一下，这可能会影响在线重建索引不能操作。
内置函数的索引长度根据函数决定，比如UPPER这种不改变长度的就是索引字段定义的长度，SUBSTR这种会改变长度要根据函数截取长度决定。
NUMBER类型字段的长度固定是22。
DATA类型字段的长度固定是7。
索引默认是升序，如果要降序建的索引长度是字段定义长度*1.5+1。


MYSQL对索引长度限制比较复杂，每种版本及存储引擎都不一样，如下是MYSQL5.1.58测试的结果：
INNODB的最大总长度是3072字节，单个字符字段是767字节，如果字段长度大于767则自动截取前767个字符。
MYISAM最大总长度是1000字节，单个字符字段是1000字节。
MEMORY的最大总长度是3072字节，单个字符字段是3072字节。


4、变长字段定义的长度虽然不会影响服务器数据空间大小，但是对于客户端的内存有影响，因为客户端在用SQL从数据库读取数据时，首先会取到字段定义的长度，然后分配足够的内存，也就是说如果你定义的字段长度是1K，实际长度是10字节，要取1K记录，那客户端会分配1MB的内存， 但只保存了10K有效数据。这将会比较严重的浪费客户端内存。特别是一些高并发或者是取大量数据的场景，容易产生内存溢出。

5、关于字段长度对齐的问题，有些设计人员喜欢定义字段的长度为4或者8的倍数，如16,32,64,128之类的，理由是可以做到内存对齐，对于这个问题我没有深入分析过，个人认为必要性不大，也没看到过这种优化能提升性能的案例。如果一个VARCHAR(1)定义为VARCHAR(4)反而浪费内存与存储，实际上我看到在ORACLE jdbc驱动中会将所有的字符类型数据保存在一个大的char[]中，把所有NUMBER与DATE类型放在另一个char[]中，这样整合后都不清楚如何内存对齐了。


综上所述：VARCHAR类型字段长度不能随便定义，并不是越大越好，还是需要根据实际业务数据定义一个合适的长度。我个人对于一些可以完全预估的长度就按实际长度定义，比如年月、状态、标记之类的信息。对于不确定长度的业务数据如NAME、STYLE之类的信息定义一个合理值，如VARCHAR(20)，VARCHAR(30) 之类 。对于描述性或备注性的信息，这些字段也确定不会有索引，长度也不可预知，所以留更大的长度，避免以后经常进行长度调整，如VARCHAR(1024)，或者直接VARCHAR2(4000) 。

我的新浪微博:http://weibo.com/yzsind