【IT168 应用】不出所料，父母从广东搬到上海后，最不适应的就是方言：上海人听不懂广东话，他们也听不懂上海话。幸好还有普通话可以说，要不就无法跟上海人交流了。

　　方言导致的问题很容易理解。但是在IT领域，类似问题却困扰了很多人，尤其是当涉及到NAS共享的时候。这个类似问题就是字符编码。比如说，不同的员工使用同一个NAS共享。员工甲存的文件名是用GBK编码的，员工乙存的文件名是UTF-8编码的。双方都会觉得对方的文件名是乱码，根本无法理解。为了解决这个问题，外企员工一般使用英文，因为每种编码都能识别英文，就像上海人和广东人都懂普通话一样。但这方法并不现实，普及英文在很多单位难以做到。本文要介绍的，就是(EMC的)NAS是如何解决这个问题的。

　　这要从字符编码的概念开始说起：

　　字符(character)：顾名思义，字符是文字与符号的总称。英文字母，汉字和数学符号等都是字符。

　　编码(encoding)：计算机只能先将字符用二进制码来表示，然后再进行处理或者存储。把字符和2进制码对应起来就叫编码。比如字母A的编码就是1000001。

　　最早给字符编码的是美国人，他们的编码方案叫做ASCII。那时候计算机还是稀罕物，也没人想到有一天它会在全球普及。所以ASCII编码只包含了拉丁字母和符号，加起来也就100多个，用一个字节来编码就足够了(英文国家是不是文盲率很低?学好字母就差不多识字了)。

　　没想到计算机普及得太快了。各国人民在学会说英文之前，已经先学会使用电脑。所以很多非英文国家为自己的文字制定了符合ANSI(美国国家标准协会)标准的编码，比如中国的GB2312和日本的JIT。ANSI标准保留了所有ASCII编码，所以无论是GB2312，JIT还是其他国家的ANSI编码都支持拉丁字母。中文字符比拉丁字母多太多了，一个字节表示不完，所以GB2312用两个字节表示一个汉字。

　　ANSI标准解决了拉丁字母和另一种文字共存的问题，比如中文和英文可以一起出现，日文和英文也可以。但是多种非拉丁文字却无法共存，比如GB2312和JIT都不包含对方的字符，所以中文和日文就无法共存。有没有办法解决这个问题呢?还是以方言为例，我们把各地方言并在一起，看成一门语言，假如每个人都学会了这门语言，不就没有交流问题了吗?编码也一样，假如有一种编码能把世界各地的字符都编进去，各国文字就能够共存了。到了上世纪90年代，Unicode终于应运而生。它收录了超过10万个字符，包括了世界上大多数文字系统。就连不同写法的同一个字都分别编码，比如戶/户/戸等等，比孔乙己还考究。

　　有了Unicode，字符世界是不是就和谐了呢?事实并非如此，因为Unicode只确定了编码方式，没规定实现方法。不同的平台对Unicode有不同的实现，比较流行的有UTF-8，UTF-16等。所以Unicode虽然保证了在同一平台上多种非拉丁文字能共存，但跨平台的时候就不一定了。比如说，用UTF-16编码的客户端在NAS上存了一个中文命名的文件，用UTF-8或者GBK编码的客户端看起来还是乱码。

　　说完了这些背景，我们终于可以回到最初的话题：在(EMC的)NAS上是如何解决这个问题的?

　　答案就在下图。NAS上只存UTF-8编码。当UTF-8客户端往NAS读写文件的时候，NAS不作任何转换。当其他编码的客户端往NAS读写文件的时候，NAS就将其转换为UTF-8。有了这个转换机制，所有的客户端都感受不到编码差异。想要了解这功能如何配置，请参考EMC公开的NAS配置手册。

　　当然，再好的设计也不是完美的。有哪位读者能看出这个转换机制有什么潜在问题吗?请留言。

注：该图片来自EMC公开的Celerra的技术文档