MySQL编码细节问题：utf8、utf8mb4、utf8mb4_general_ci、utf8mb4_0900_ai_ci

最新推荐文章于 2024-08-09 18:00:00 发布

原创最新推荐文章于 2024-08-09 18:00:00 发布 · 1.2k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#mysql #数据库

问题

还记得第一次创建的mysql数据库编码格式是什么？
大多数人创建的都是Utf-8格式的，但是到了工作中，创建的数据库格式用的都是utf8mb4格式，同时还带一个排序编码utf8mb4_general_ci。这些看着很类似的名词有什么关系呢？

定义

标准的UTF-8字符集编码：是可以使用1-4个字节去编码21位字符，这几乎包含了世界上所有能看见的语言。
MySQL实现的utf8：最长使用3个字符，包含了大多数字符但并不是所有。例如emoji和一些不常用的汉字，如“墅”，这些需要四个字节才能编码的就不支持
utf8mb4（utf8 most bytes 4 ）：Utf8最大字节数4，MySQL 5.5.3之后增加了utfmb4字符编码，支持BMP（Basic Multilingual Plane，基本多文种平面）和补充字符，最多使用四个字节存储字符。
排序字符集：utf8mb4对应的排序字符集有utf8mb4_unicode_ci、utf8mb4_general_ci（MySQL 8.0 前的默认排序字符集）、utf8mb4_0900_ai_ci（MySQL 8.0 后的默认排序字符集）
- utf8mb4_unicode_ci：是基于标准的Unicode来排序和比较，能够在各种语言之间精确排序
- utf8mb4_general_ci：这个排序规则并没有完全实现 Unicode 的排序规则。因此，在处理某些特殊语言或字符集时，排序结果可能会出现不一致的情况。然而，在大多数情况下，这种不一致性可能并不会对结果产生显著影响，因为许多特殊字符的顺序并不需要非常精确。
- utf8mb4_0900_ai_ci：这个排序规则是基于 Unicode 9.0 的规范，并且具有“不区分音调”（accent insensitivity）和“不区分大小写”（case insensitivity）的特性。这意味着它能够更准确地处理各种语言之间的排序问题，包括那些涉及特殊字符和音调的语言。

实际应用

首先是根据实际业务场景和mysql版本

如果业务是在初始架构阶段，mysql选择使用MySQL 8.，本身从性能上来说就会比 MySQL 5.7 及之前的老版本有较大的性能提升，那直接使用utf8mb4_0900_ai_ci，同时还有更精准的排序结果。
如果业务之前用的MySQL 5.7 到MySQL 8.之间的版本，使用的utf8mb4_general_ci，存在大量的数据和SQL函数，在做MySQL8适配的时候还是选择utf8mb4_general_ci，不然会出现SQL函数异常，编码转换的问题。
在绝大多数情况下，这些特殊字符的顺序并不需要那么精确，utf8mb4_general_ci在比较和排序的时候更快，故utf8mb4_general_ci是在Mysql8之前作为utf8mb4的默认排序编码。