MySQL 大对象(BLOB)和字符串的分身术

MySQL 字段类型很多，我从 phpMyAdmin 5.1.1（一种开源的 MySQL 可视化工具）里找到了配置的所有 MySQL 字段类型，一共有 41 种。MySQL 有一些字段类型是用同一个 C++ 类或通过继承同一个 C++ 类的方式实现的。截止目前为止，我写的十几篇公众号文章，有多篇文章里写到了 MySQL 对于大对象（BLOB）、定长字符串、变长字符串的特殊处理逻辑。每次写到这些特殊处理逻辑，都需要说明哪些字段类型属于大对象、定长 & 变长字符串。

今天我们就来详细说说大对象、定长 & 变长字符串对应着 MySQL 中的哪些字段类型？

本文内容基于 MySQL 5.7.35 源码。

提前声明： 本文中对于文本类型字段，字符集都默认为 utf8，后面就不再单独说明了。

1 . 大对象（BLOB）

大对象比较厉害，和它有关的字段类型有 17 个，其中 8 个字段类型的实现类是 Field_blob，9 个字段类型的实现类继承了 Field_blob。

实现类是 Field_blob 的字段类型有这些：

• TINYBLOB
• BLOB
• MEDIUMBLOB
• LONGBLOB
• TINYTEXT
• TEXT
• MEDIUMTEXT
• LONGTEXT

实现类继承了 Field_blob 的字段类型有这些：

• JSON
• GEOMETRY
• POINT
• LINESTRING
• POLYGON
• GEOMETRYCOLLECTION
• MULTIPOINT
• MULTILINESTRING
• MULTIPOLYGON

实现类继承了 Field_blob 的字段类型中，JSON 类型的实现类为 Field_json，其它 8 种类型都是空间类型（spatial type），其实现类为 Field_geom。

Field_blob、Field_json、Field_geom 承载了 17 个字段类型的实现，那 MySQL 怎么区分这 3 个类实例化之后，到底对应着哪种类型的字段呢？

Field_blob 通过类的实例属性 field_charset 中保存的字符集是 binay 还是其它文本字符集来区分字段是二进制字段还是文本字段。

Field_blob 通过类的实例属性 packlength 区分二进制字段类型是 TINYBLOB、BLOB、MEDIUMBLOB、LONGBLOB 中的哪一种，区分文本字段类型是 TINYTEXT、TEXT、MEDIUMTEXT、LONGTEXT 中的哪一种。

Field_json 只对应 JSON 这一种字段类型，不需要区分。

Field_geom 通过类的实例属性 geom_type 区分字段类型是 GEOMETRY、POINT、LINESTRING、POLYGON、GEOMETRYCOLLECTION、MULTIPOINT、MULTILINESTRING、MULTIPOLYGON 中的哪一种。

1.1 TINYBLOB

Field_blob 类的实例属性 flags 包含 BLOB_FLAG（值为 8），字段内容长度占用 1 字节（packlength = 1），字符集为 binary（field_charset.name = binary）表示这是一个 TINYBLOB 字段。

tinyblob

1.2 BLOB

Field_blob 类的实例属性 flags 包含 BLOB_FLAG（值为 8），字段内容长度占用 2 字节（packlength = 2），字符集为 binary（field_charset.name = binary）表示这是一个 BLOB 字段。

blob

1.3 MEDIUMBLOB

Field_blob 类的实例属性 flags 包含 BLOB_FLAG（值为 8），字段内容长度占用 3 字节（packlength = 3），字符集为 binary（field_charset.name = binary）表示这是一个 MEDIUMBLOB 字段。

mediumblob

1.4 LONGBLOB

Field_blob 类的实例属性 flags 包含 BLOB_FLAG（值为 8），字段内容长度占用 4 字节（packlength = 4），字符集为 binary（field_charset.name = binary）表示这是一个 LONGBLOB 字段。

longblob

1.5 TINYTEXT

Field_blob 类的实例属性 flags 包含 BLOB_FLAG（值为 8），字段内容长度占用 1 字节（packlength = 1），字符集为 utf8（field_charset.name = utf8）表示这是一个 TINYTEXT 字段。

tinytext

1.6 TEXT

Field_blob 类的实例属性 flags 包含 BLOB_FLAG（值为 8），字段内容长度占用 2 字节（packlength = 2），字符集为 utf8（field_charset.name = utf8）表示这是一个 TEXT 字段。

text

1.7 MEDIUMTEXT

Field_blob 类的实例属性 flags 包含 BLOB_FLAG（值为 8），字段内容长度占用 3 字节（packlength = 3），字符集为 utf8（field_charset.name = utf8）表示这是一个 MEDIUMTEXT 字段。

mediumtext

1.8 LONGTEXT

Field_blob 类的实例属性 flags 包含 BLOB_FLAG（值为 8），字段内容长度占用 4 字节（packlength = 4），字符集为 utf8（field_charset.name = utf8）表示这是一个 LONGTEXT 字段。

longtext

1.9 JSON

JSON 字段的实现类为 Field_json，继承了 Field_blob 类，Field_json 类没有定义自己的实例属性，只定义了处理 json 格式的方法。

Field_json 继承的 Field_blob 类的实例属性 flags 包含 BLOB_FLAG（值为 8），字段内容长度占用 4 字节（packlength = 4），字符集为 binary（field_charset.name = binary）表示这是一个 JSON 字段。

JSON 字段相当于 LONGBLOB 字段。

json

1.10 空间类型（spatial type）

空间类型是一个大类，有 8 种字段类型：

• GEOMETRY，该类型字段存储的内容可以是 POINT、LINESTRING、POLYGON 这 3 种类型中的任意一种。
• POINT，表示一个点，如 POINT(15 20) 是 x = 15、y = 20 的点。
• LINESTRING，表示一条由多个点连成的线（可以是直线或曲线），如 LINESTRING(0 0, 10 10, 20 25, 50 60) 是 x = y = 0；x = y = 10；x = 20、y = 25；x = 50、y = 60 这 4 个点连成的一条线。
• POLYGON，表示多边形，如 POLYGON((0 0,10 0,10 10,0 10,0 0),(5 5,7 5,7 7,5 7, 5 5)) 是包含一个外环和一个内环的多边形。
• GEOMETRYCOLLECTION，该类型字段存储的是一个图形集合，可以是 POINT、LINESTRING、POLYGON 中的任意一个或多个，如 GEOMETRYCOLLECTION(POINT(10 10), POINT(30 30), LINESTRING(15 15, 20 20)) 是包含 2 个点和 1 条线的图形集合。
• MULTIPOINT，表示多个点，如 MULTIPOINT(0 0, 20 20, 60 60)。
• MULTILINESTRING，表示多条线，如 MULTILINESTRING((10 10, 20 20), (15 15, 30 15))。
• MULTIPOLYGON，表示多边形集合，如 MULTIPOLYGON(((0 0,0 3,3 3,3 0,0 0),(1 1,1 2,2 2,2 1,1 1)))。

空间类型的实现类为 Field_gemo，继承了 Field_blob 类，Field_gemo 类定义了实例属性 geom_type，用于区分 8 种字段类型，该属性值对应上面列出的 8 种字段类型的枚举值。

Field_gemo 继承的 Field_blob 类的实例属性 flags 包含 BLOB_FLAG（值为 8），字段内容长度占用 4 字节（packlength = 4），字符集为 binary（field_charset.name = binary）表示这是一个空间类型字段。

空间类型的 8 种字段都相当于 LONGBLOB 字段。

geometry

2 . 定长字符串

定长字符串的实现类为 Field_string，有 2 种字段类型：

• CHAR，存储文本内容，字段长度固定，创建表时指定的长度不是字节数，而是字符数，实际占用字节数取决于该字段的字符集。例如，对于 utf8 字符集，字段 c1 CHAR(10) 需要占用 10 * 3（utf8 单字符最大占用字节数）= 30 字节。
• BINARY，存储二进制内容，字段长度固定，创建表时指定的长度为字节数。例如，字段 bin1 BINARY(10) 需要占用 10 字节。

Field_string 既支持二进制类型字段，又支持文本类型字段，Field_string 类实例化之后具体对应哪种字段，是通过 field_charset 来区分的。

2.1 CHAR

Field_string 类的实例属性保存的字符集为 utf8（field_charset.name = utf8）表示这是一个 CHAR 字段。

char

2.2 BINARY

Field_string 类的实例属性保存的字符集为 binary（field_charset.name = binary）表示这是一个 BINARY 字段。

binary

3 . 变长字符串

变长字符串的实现类为 Field_varstring，有 2 种字段类型：

• VARCHAR，存储文本内容，字段长度不固定，创建表时指定的长度不是字节数，而是字符数，最大占用字节数取决于该字段的字符集。例如：对于 utf8 字符集，字段 str1 VARCHAR(32) 最大占用 32 * 3（utf8 单个字符最大占用字节数）= 96 字节。
• VARBINARY，存储二进制内容，字段长度不固定，创建表时指定的长度为字节数。例如：字段 varbin1 VARBINARY(32) 最大占用 32 字节。

Field_varstring 既支持二进制类型字段，又支持文本类型字段，Field_varstring 类实例化之后具体对应哪种字段，是通过类的实例属性 field_charset 来区分的，实例属性 field_length 表示字段内容的实际长度，length_bytes 表示存储字段内容长度占用的字节数（1 字节或 2 字节）。

3.1 VARCHAR

Field_varstring 类的实例属性保存的字符集为 utf8（field_charset.name = utf8）表示这是一个 VARCHAR 字段。

varchar

3.2 VARBINARY

Field_varstring 类的实例属性保存的字符集为 binary（field_charset.name = binary）表示这是一个 VARBINARY 字段。

varbinary

4 . 总结

本文介绍了 4 种 BLOB 类型（TINYBLOB、BLOB、MEDIUMBLOB、LONGBLOB），4 种 TEXT 类型（TINYTEXT、TEXT、MEDIUMTEXT、LONGTEXT）都是以 Field_blob 类实现的。

JSON 类型以 Field_json 类实现，继承了 Field_blob 类，字段内容为二进制，用 4 字节存储内容长度，相当于 LONGBLOB 类型。

MySQL 中有 8 种类型（GEOMETRY、POINT、LINESTRING、POLYGON、GEOMETRYCOLLECTION、MULTIPOINT、MULTILINESTRING、MULTIPOLYGON）都是空间类型（spatial type）。空间类型以 Field_geom 类实现，也继承了 Field_blob 类，字段内容为二进制，用 4 字节存储内容长度，相当于 LONGBLOB 类型。

定长字符串以 Field_string 类实现，通过类的实例属性 field_charset 区分字段类型是 CHAR 还是 BINARY。

变长字符串以 Field_varstring 类实现，通过类的实例属性 field_charset 区分字段类型是 VARCHAR 还是 VARBINARY。