utf8mb4基本介绍

基本特性

• utf8mb4是MySQL中一种字符集编码，它可以存储和处理Unicode字符。

• Unicode字符集中包含了几乎所有的字符，包括各种语言的字符、符号、表情符号等。

与utf8mb3的区别

版本上

• utf8mb4字符集在MySQL的版本5.5.3及之后开始支持。
• 在此之前的MySQL版本，只支持utf8字符集，即utf8mb3。

编码上

• 在MySQL中，utf8字符集实际上只支持最多3字节的UTF-8编码。这意味着它无法正确存储和处理一些特殊字符，如一些表情符号和一些辅助字符。
• 为了解决utf8字符集的限制，MySQL引入了utf8mb4字符集。utf8mb4字符集支持最多4字节的UTF-8编码，可以表示更广泛的字符范围，包括一些特殊字符和表情符号。

utf8mb4排序规则

常见排序规则

• utf8mb4_general_ci：
  • 默认的排序规则，不区分大小写，同时考虑了多语言的排序规则。
  • 在该规则下，'a'和'A'被认为是相等的。
• utf8mb4_unicode_ci：
  • 基于Unicode Collation Algorithm (UCA) 默认的排序规则，不区分大小写。
  • 与utf8mb4_general_ci相比，utf8mb4_unicode_ci更加精确，能够正确地排序各种语言的字符。
• utf8mb4_bin：
  • 这个排序规则是基于二进制的排序规则，区分大小写的，且按照字符的二进制值进行排序。
  • 在这个规则下，'A'会排在'a'之前。
• utf8mb4_0900_ai_ci：
  • 在MySQL 8.0.0版本中引入的，用于支持utf8mb4字符集的全新排序规则。
  • 在MySQL 8.0.0之前的版本中，utf8mb4字符集使用的是utf8mb4_general_ci排序规则。然而，这个排序规则对于一些特定的字符比较不够准确，可能会导致一些排序和比较结果不符合预期。
  • 基于Unicode Collation Algorithm (UCA) 9.0.0的排序规则，不区分大小写，更准确地处理了各种字符的排序和比较。

除了上述常见的排序规则，MySQL还提供了其他一些排序规则，如utf8mb4_unicode_520_ci、utf8mb4_unicode_520_bin等。这些规则可以根据具体需求选择使用。

默认排序规则

当设置表的默认字符集为utf8mb4字符集但未明确指定排序规则时：

• 在MySQL 5.7版本中，默认排序规则为utf8mb4_general_ci。

• 在MySQL 8.0版本中，默认排序规则为utf8mb4_0900_ai_ci。

兼容性问题

由于utf8mb4_0900_ai_ci排序规则时MySQL 8.0引入的排序规则，因此将MySQL 8.0版本的表导入到MySQL 5.7或MySQL 5.6版本时，会存在字符集无法识别的问题。

• [Err] 1273 - Unknown collation: 'utf8mb4_0900_ai_ci'

• 解决办法：修改新建数据库的排序规则或手动修改 sql 文件内所有的排序规则。

utf8mb4_unicode_ci和utf8mb4_general_ci对比

• 准确性：
  • utf8mb4_unicode_ci排序规则基于标准unicode进行排序和比较，能处理特殊的字符，能在各种语音中精确排序。
  • utf8mb4_general_ci排序规则没有基于标准unicode，无法处理部分特殊字符。
• 性能上：
  • utf8mb4_general_ci排序规则在排序性能上相对较好；
  • utf8mb4_unicode_ci排序规则为处理特殊字符实现复杂的排序算法，性能略差。
  • 在大部分场景下，两者没有明显的性能差异

服务器级别排序参数控制

collation_server

• 在MySQL 5.6版本中引 collation_server 作为系统变量，用于指定服务器级别的默认字符集校对规则（collation）。
• 它定义了在创建新表时使用的默认字符集校对规则

查看当前MySQL服务器的collation_server的值：

SHOW VARIABLES LIKE 'collation_server';

该命令将返回一个结果集，其中包含名为collation_server的变量及其对应的值。

注意：

• collation_server是服务器级别的变量，它的值在MySQL服务器启动时设置。
• 通常在配置文件（如my.cnf或my.ini）中进行配置，重新启动MySQL服务器生效。

默认参数规则

• 如果服务启动时未指定参数collation_database的值，则默认继承参数collation_server的值。
• 如果创建数据库时未指定排序规则，则默认使用参数collation_database的值。

注意：

• 参数character_set_database和collation_database在MySQL 5.7版本中被遗弃并将在后续版本中移除。
• MySQL新增参数default_collation_for_utf8mb4用于控制使用utf8mb4字符集时的默认排序规则，取值为utf8mb4_0900_ai_ci或utf8mb4_general_ci
• 参数default_collation_for_utf8mb4在下列条件中生效：
  • 使用SHOW COLLATION and SHOW CHARACTER SET 命令时。
  • 在创建库或修改库指定utf8mb4但未指定编码规则时。
  • 在创建表或修改表指定utf8mb4但未指定编码规则时。
  • 在增加列或修改列指定utf8mb4但未指定编码规则时。
  • 其他使用utf8mb4但未指定编码规则时。