Mysql中的UTF-8字符集与字符集排序规则的选择

发布网友发布时间：2022-09-20 03:47

共1个回答

热心网友时间：2023-11-02 12:44

标准的UTF-8 字符集编码，是可以用 1~4 个字节去编码21位字符，是一种变长的编码格式，这几乎包含了是世界上所有能看见的语言了。
然而在MySQL里实现的utf8最长使用3个字节，节省空间但不能表达全部的UTF-8，只支持到了 Unicode 中的“基本多文种平面”（U+0000至U+FFFF，Basic Multilingual Plane，BMP），但并不是所有。现在手机端常用的表情字符 emoji和一些不常用的汉字需要四个字节才能编码出来。

MySQL在 5.5.3 之后增加了 utf8mb4 字符编码，mb4即 most bytes 4,使用4个字节来表示完整的UTF-8，是utf8 的超集并完全兼容utf8，能够用4个字节存储更多的字符。

utf8mb4_bin：将字符串每个字符用二进制数据编译存储，区分大小写，而且可以存二进制的内容。

utf8mb4_general_ci：不区分大小写，不支持扩展，它仅能够在字符之间进行逐个比较，没有实现Unicode排序规则，在遇到某些特殊语言或者字符集，排序结果可能不一致。但是，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_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，unicode排序规则为了能够处理特殊字符的情况，实现了略微复杂的排序算法。

_bin: binary case sensitive collation，区分大小写的

_cs: case sensitive collation，区分大小写

_ci: case insensitive collation，不区分大小写

主要从排序准确性和性能两方面看：

参考链接： https://www.cnblogs.com/qingfengEthan/p/11326741.html