存儲字符集 utf8 和 utf8mb4

utf8 是 Mysql 中的一種字符集，只支持最長三個字節的 UTF-8 字符，也就是 Unicode 中的基本多文本平面。

要在 Mysql 中保存 4 字節長度的 UTF-8 字符，需要使用 utf8mb4 字符集，但只有 5.5.3 版本以后的才支持。我覺得，為了獲取更好的兼容性，應該總是使用 utf8mb4 而非 utf8. 對于 CHAR 類型數據，utf8mb4 會多消耗一些空間，根據 Mysql 官方建議，使用 VARCHAR 替代 CHAR。

如果數據庫默認字符集不是 utf8mb4，那么可以在創建數據庫時指定字符集：

代碼語言：javascript

CREATE DATABASE mydb CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

查看編碼格式

mysql> show variables like "%char%";+--------------------------------------+--------------------------------+| Variable_name            | Value             |+--------------------------------------+--------------------------------+| character_set_client         | utf8mb4            || character_set_connection       | utf8mb4            || character_set_database        | utf8mb4            || character_set_filesystem       | binary             || character_set_results        | utf8mb4            || character_set_server         | utf8mb4            || character_set_system         | utf8              || character_sets_dir          | /usr/share/mysql-8.0/charsets/ || validate_password.special_char_count | 1               |+--------------------------------------+--------------------------------+9 rows in set (0.00 sec)

代碼語言：javascript

mysql> show variables like "%char%";+--------------------------------------+--------------------------------+| Variable_name            | Value             |+--------------------------------------+--------------------------------+| character_set_client         | utf8mb4            || character_set_connection       | utf8mb4            || character_set_database        | utf8mb4            || character_set_filesystem       | binary             || character_set_results        | utf8mb4            || character_set_server         | utf8mb4            || character_set_system         | utf8              || character_sets_dir          | /usr/share/mysql-8.0/charsets/ || validate_password.special_char_count | 1               |+--------------------------------------+--------------------------------+9 rows in set (0.00 sec)

MySQL 配置文件中字符集相關變量

character_set_client：客戶端請求數據的字符集

character_set_connection：從客戶端接收到數據，然后傳輸的字符集

character_set_database：默認數據庫的字符集，無論默認數據庫如何改變，都是這個字符集；如果沒有默認數據庫，那就使用 character_set_server 指定的字符集，這個變量建議由系統自己管理，不要人為定義。

character_set_filesystem：把操作系統上的文件名轉化成此字符集，即把 character_set_client 轉換 character_set_filesystem， 默認 binary 是不做任何轉換的

character_set_results：結果集的字符集

character_set_server：數據庫服務器的默認字符集

character_set_system：存儲系統元數據的字符集，總是 utf8，不需要設置

排序字符集

utf8mb4_unicode_ci 和 utf8mb4_general_ci

1、準確性

utf8mb4_unicode_ci 是基于標準的 Unicode 來排序和比較，能夠在各種語言之間精確排序

utf8mb4_general_ci 沒有實現 Unicode 排序規則，在遇到某些特殊語言或者字符集，排序結果可能不一致。

但是絕大多數情況下，這些特殊字符的順序并不需要那么精確。

2、性能

utf8mb4_general_ci 在比較和排序的時候更快

utf8mb4_unicode_ci 在特殊情況下，Unicode 排序規則為了能夠處理特殊字符的情況，實現了略微復雜的排序算法。

但是在絕大多數情況下，不會發生此類復雜比較。相比選擇哪一種 collation，使用者更應該關心字符集與排序規則在 db 里需要統一。

utf8mb4_0900_ai_ci

推薦用 utf8mb4_unicode_ci，但是用 utf8mb4_general_ci 也沒啥問題。

MySQL 8.0 默認的是 utf8mb4_0900_ai_ci，屬于 utf8mb4_unicode_ci 中的一種，具體含義如下：

uft8mb4 表示用 UTF-8 編碼方案，每個字符最多占 4 個字節。

0900 指的是 Unicode 校對算法版本。（Unicode 歸類算法是用于比較符合 Unicode 標準要求的兩個 Unicode 字符串的方法）。

ai 指的是口音不敏感。也就是說，排序時 e，è，é，ê 和 ? 之間沒有區別。

ci 表示不區分大小寫。也就是說，排序時 p 和 P 之間沒有區別。

utf8mb4 已成為默認字符集，在 MySQL 8.0.1 及更高版本中將 utf8mb4_0900_ai_ci 作為默認排序規則。以前，utf8mb4_general_ci 是默認排序規則。由于 utf8mb4_0900_ai_ci 排序規則現在是默認排序規則，因此默認情況下新表格可以存儲基本多語言平面之外的字符。現在可以默認存儲表情符號。如果需要重音靈敏度和區分大小寫，則可以使用 utf8mb4_0900_as_cs 代替。

參考：

https://www.rednn.com/createsite/202003/26108.html

https://www.jb51.net/article/186609.htm

本文參與 騰訊云自媒體同步曝光計劃，分享自作者個人站點/博客。

原始發表：2020/10/26 ，如有侵權請聯系 cloudcommunity@tencent.com 刪除

原文來源：https://cloud.tencent.com/developer/article/1872879