开发指南—数据类型—Collation类型

简介: 字符集(Character Set)是一组字符符号及编码方式的组合,collation是建立在某一字符集上的字符排序规则。本文汇总了PolarDB-X支持的collation类型。

PolarDB-X支持下表所列的collation类型。关于collation类型的详细信息,请参见Collations

字符集 collation
utf8 utf8_general_ci
utf8_bin
utf8_unicode_ci
utf8mb4 utf8mb4_general_ci
utf8mb4_bin
utf8mb4_unicode_ci
utf16 utf16_general_ci
utf16_bin
utf16_unicode_ci
ascii ascii_general_ci
ascii_bin
binary binary
latin1 latin1_swedish_ci
latin1_german1_ci
latin1_danish_ci
latin1_bin
latin1_general_ci
latin1_general_cs
latin1_spanish_ci
gbk gbk_chinese_ci
gbk_bin


相关文章
|
存储 Linux Go
u-boot引导加载程序的命令列表
U-Boot提供的命令集覆盖了从硬件初始化、文件操作、网络配置到系统启动的各个方面,为嵌入式系统开发和维护提供了强大的支持。熟悉并熟练运用这些命令,可以帮助开发者高效地完成系统引导和调试任务。在实际操作中,可以根据具体硬件平台和需求,查阅U-Boot的官方文档或社区资源,以获取更详尽的命令使用方法和示例。
376 1
|
7天前
|
数据采集 人工智能 安全
|
16天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
283 163
|
1天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
289 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
218 112