MySQL的复合数据类型：ENUM和SET

MySQL的常用数据类型包括：Number/Date/String，而String类型中又包含了Char/Varchar/Binary/blob/text等长度不同的简单数据类型，有时我们需要对数据做更细致的管理，比如枚举和集合，就需要复合类型ENUM和SET了。

ENUM 枚举类型

ENUM适合于只能在一组固定值中选一个的场景，比如性别只能为男或者女。
ENUM的优势在于：

• 只能在固定值中选择，可以在数据库层面限制非法值。
• 数据的存储用数字来存储，占用空间少。

但是它的使用有很多需要我们注意的地方，一不小心你就会得到错误的结果。

使用ENUM枚举类型

mysql> create table test (name varchar(40), sex enum('male', 'female') );
mysql> insert into test (name, sex) values('a', 'male'), ('b', 'female'), ('c', 'male');
mysql> select * from test;
+------+--------+
| name | sex    |
+------+--------+
| a    | male   |
| b    | female |
| c    | male   |
+------+--------+
3 rows in set (0.00 sec)

创建枚举类型时，我们使用关键字enum，同时跟着一组可枚举值列表，这些可枚举值必须使用字符串的格式，否则会报错。如果插入值的大小写不匹配，会自动转换成枚举值。

ENUM类型数据存储的实际值是索引值

我们所有枚举值都是按照枚举值列表中的索引值进行存储的，如上面的ENUM('male', 'female')的sex字段所有值为：

字面值	存储值
NULL	NULL
''	0
'male'	1
'female'	2

因此如果有1000条记录都存储为male，我们可能认为数据库存储了4000个字符，其实只存储了1000个1字符。而在查询的时候又会将这个编码过的数字转为实际的值。

我们可以用两个例子测试下：

mysql> select * from test where sex=1;
+------+------+
| name | sex  |
+------+------+
| a    | male |
| c    | male |
+------+------+
2 rows in set (0.00 sec)

mysql> select name, sex+0 from test;
+------+-------+
| name | sex+0 |
+------+-------+
| a    |     1 |
| b    |     2 |
| c    |     1 |
+------+-------+
3 rows in set (0.00 sec)

这种存储和查询的方式会导致一些处理数字的函数，也会使用存储的值来进行计算，如SUM()和AVG()：

mysql> select name, avg(sex) from test;
+------+--------------------+
| name | avg(sex)           |
+------+--------------------+
| a    | 1.3333333333333333 |
+------+--------------------+
1 row in set (0.00 sec)

读写时不要使用数字

由于上面介绍的用索引值存储的特性，我们不要用枚举类型来存储数字格式的列，否则会引起很大的混淆，如：

mysql> create table test2 (numbers enum('0', '1', '2'));
Query OK, 0 rows affected (0.04 sec)

# 此时2被当做索引值，因此是'1'；'2'就是'2'；'3'因为不是合法值，会用索引值尝试，因此是'2'
mysql> insert into test2 (numbers) values (2), ('2'), ('3');
Query OK, 3 rows affected (0.00 sec)
Records: 3  Duplicates: 0  Warnings: 0

mysql> select * from test2;
+---------+
| numbers |
+---------+
| 1       |
| 2       |
| 2       |
+---------+
3 rows in set (0.00 sec)

枚举类型的默认值

即便一列被设定为枚举类型，但依然有额外两种值为合法值：NULL和''。

当我们插入一个非法值时，在宽松模式下，会插入一个普通的空字符''，其值为0。而在严格模式下会报错。

当该字段设定为允许为空时，NULL字段可以被正常插入。当不允许为空时，如果你不填值，会使用默认值：枚举值的第一个，如上面的male。

除了设置为严格模式，否则没有合适的办法让一列数据必须插入合法枚举值。使用默认值很多情况下不能满足需求。

枚举类型的排序

常规使用order by进行排序时，会按照字母的文本顺序。但枚举类型由于存储为索引值，因此会按照索引值进行排序：NULL < '' = 0 < 1 < 2。

如果希望按照文本类型进行排序，可以使用：

order by cast(col as char)
或者
order by concat(col)

枚举值声明的限制

创建数据类型时，枚举值不允许为表达式，如：

mysql> create table test (name varchar(40), sex enum('male', concat('fem', 'ale') );
ERROR 1064 (42000): You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'concat('fem', 'ale') )' at line 1

枚举值数量的限制

枚举值用1-2个字节来存储，因此上限值为2^16-1=65535。

SET集合类型

SET和ENUM类型非常相似，它适合于只能在一组固定值中选零个或多个的场景，比如一个人喜欢的颜色可以为红、黄、蓝等颜色中的一个或多个，也可以都不喜欢。

SET的优势和ENUM也相似，在于：

• 只能在固定值中选择，可以在数据库层面限制非法值。
• 数据的存储用数字来存储，占用空间少。但在枚举值数量很多，而枚举值字符数少时这一可能不成立。

使用SET枚举类型

mysql> create table test2 (name varchar(40), color set('red', 'green', 'blue', 'yellow'));
Query OK, 0 rows affected (0.04 sec)

mysql> insert into test2(name,color) values ('a', 'red'), ('b', 'red,green'), ('c', 'green,blue,yellow');
Query OK, 3 rows affected (0.00 sec)
Records: 3  Duplicates: 0  Warnings: 0

mysql> select * from test2;
+------+-------------------+
| name | color             |
+------+-------------------+
| a    | red               |
| b    | red,green         |
| c    | green,blue,yellow |
+------+-------------------+
3 rows in set (0.00 sec)

创建时，我们使用关键字set，同时跟着一组可枚举值列表，这些可枚举值必须使用字符串的格式，否则会报错。

SET类型数据存储的实际值是索引值的和

我们所有枚举值都是按照列表中的索引值进行存储的，不同的是通过设置二进制数为1的位置，即2的幂次方。如上面的SET('red', 'blue', 'green', 'yellow')的color字段所有值为：

枚举值	二进制值	十进制数字
red	0001	1
green	0010	2
blue	0100	4
yellow	1000	8

而当有多个值时，通过所有值的求和得到存储的值。因此存储的数据量变少了，当取出的时候编码过的数字又会被转义成实际的字符串。

我们可以用两个例子测试下：

mysql> select name,color+0 from test2;
+------+---------+
| name | color+0 |
+------+---------+
| a    |       1 |
| b    |       3 |
| c    |      14 |
+------+---------+
3 rows in set (0.00 sec)

mysql> select name,color from test2 where color=14;
+------+-------------------+
| name | color             |
+------+-------------------+
| c    | green,blue,yellow |
+------+-------------------+
1 row in set (0.00 sec)

这种存储和查询的方式会导致一些处理数字的函数，也会使用存储的值来进行计算，如SUM()和AVG()：

mysql> select avg(color) from test2;
+------------+
| avg(color) |
+------------+
|          6 |
+------------+
1 row in set (0.00 sec)

插入时的顺序和次数

当插入值时，set类型不关注你插入的顺序和一个枚举值的插入次数，它会自动去重并进行求和得到值，等到取出时，会按照声明的顺序返回：

mysql> insert into test2(name,color) values ('d', 'yellow,green,red,yellow');
Query OK, 1 row affected (0.00 sec)

mysql> select name,color from test2;
+------+-------------------+
| name | color             |
+------+-------------------+
| d    | red,green,yellow  |
+------+-------------------+
4 rows in set (0.00 sec)

查找集合值

由于set类型的特殊性，因此有专用的查找函数：

mysql> select * from test2 where find_in_set('red', color);
+------+------------------+
| name | color            |
+------+------------------+
| a    | red              |
| b    | red,green        |
| d    | red,green,yellow |
+------+------------------+
3 rows in set (0.00 sec)

# 这一种方法当出现lightred颜色的时候就无法正确工作了
mysql> select * from test2 where color like '%red%';
+------+------------------+
| name | color            |
+------+------------------+
| a    | red              |
| b    | red,green        |
| d    | red,green,yellow |
+------+------------------+
3 rows in set (0.00 sec)

集合值的计算方式是位运算

前面说是对枚举值去重并自动求和只是为了方便理解，实际上是进行位运算，得到最终的值，如0001 + 0100 = 0101。

因此我们也可以用类似的方法来查找值：

mysql> select name,color from test2 where color & 10;
+------+-------------------+
| name | color             |
+------+-------------------+
| b    | red,green         |
| c    | green,blue,yellow |
| d    | red,green,yellow  |
+------+-------------------+
3 rows in set (0.00 sec)

mysql> select name,color from test2 where color & 12;
+------+-------------------+
| name | color             |
+------+-------------------+
| c    | green,blue,yellow |
| d    | red,green,yellow  |
+------+-------------------+
2 rows in set (0.00 sec)

上面的这个&符号什么含义我没查到，但我猜测这个&符号的含义就是位运算，当两个数在一个位置都为1时返回true，如果没有一个位置两者都为1则为false。

具体的可以计算下：a,b,c,d分别为0001,0011,1110,1011，此时10为1010，12为1100，当& 10时，也就是只需要第1位或第3位存在1时（为真）就算匹配成功，从第1位到第4位（高位到低位）分别是yellow,blue,green,red，所以这个语句类似于

select name,color from test2 where find_in_set('yellow', color) or find_in_set('green', color);

可以计算的到上面的结果，其他数字的结果也都符合。

枚举类型的排序

常规使用order by进行排序时，会按照字母的文本顺序。但枚举类型由于存储为索引值，因此会按照索引值进行排序：NULL < 0 < 1 < 2。

如果希望按照文本类型进行排序，可以使用：

order by cast(col as char)
或者
order by concat(col)

枚举值数量的限制

枚举值用1-8个字节来存储，因此上限值为8*8=64个。

参考资料

1. 11.4.4 The ENUM Type：https://dev.mysql.com/doc/ref...
2. 11.8 Data Type Storage Requirements：https://dev.mysql.com/doc/ref...
3. 11.4.5 The SET Type：https://dev.mysql.com/doc/ref...