MySQL 8.0 字符集與比較規(guī)則介紹

前言：

我們都知道 MySQL 8.0 與 MySQL 5.7 的區(qū)別之一就是默認(rèn)字符集從 latin1 改成了 utf8mb4 办铡，除此之外者疤，MySQL 8.0 下的字符集和比較規(guī)則還有沒有其他變化呢？本篇文章我們一起來學(xué)習(xí)下氯窍。

utf8mb4 字符集

在 MySQL 8.0 中，utf8mb4 字符集是默認(rèn)的字符集設(shè)置墩邀，它是一個(gè)真正的 4 字節(jié) UTF-8 編碼穆桂，能夠存儲任何 Unicode 字符宫盔，包括表情符號、特殊符號以及其他復(fù)雜的文字享完。

utf8mb4 的使用場景包括但不限于：

存儲超出 utf8mb3 范圍的字符灼芭，如某些不常用的漢字和新增的 Unicode 字符。
存儲 emoji 表情驼侠，這些表情需要四字節(jié)的編碼姿鸿。
確保數(shù)據(jù)庫能夠支持國際化應(yīng)用，處理各種語言和特殊字符倒源。

utf8mb4 是 utf8 的超集苛预，完全兼容它，并且理論上將原有的 utf8（實(shí)際上是 utf8mb3）修改為 utf8mb4 不會對已有的數(shù)據(jù)產(chǎn)生問題笋熬。

# 查看數(shù)據(jù)庫支持的字符集
# Default collation 列列出了該字符集的默認(rèn)比較規(guī)則热某，Maxlen 列指出了每個(gè)字符的最大字節(jié)數(shù)
mysql> SHOW CHARACTER SET;
+----------+---------------------------------+---------------------+--------+
| Charset  | Description                     | Default collation   | Maxlen |
+----------+---------------------------------+---------------------+--------+
| armscii8 | ARMSCII-8 Armenian              | armscii8_general_ci |      1 |
| ascii    | US ASCII                        | ascii_general_ci    |      1 |
...
| utf8mb3  | UTF-8 Unicode                   | utf8mb3_general_ci  |      3 |
| utf8mb4  | UTF-8 Unicode                   | utf8mb4_0900_ai_ci  |      4 |
+----------+---------------------------------+---------------------+--------+
41 rows in set (0.01 sec)

# 查看系統(tǒng)字符集
mysql> SHOW VARIABLES LIKE 'character_set%';
+--------------------------+----------------------------------+
| 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     | utf8mb3                          |
| character_sets_dir       | /usr/local/mysql/share/charsets/ |
+--------------------------+----------------------------------+
8 rows in set (0.01 sec)

utf8mb4_0900_ai_ci 比較規(guī)則

MySQL 8.0 版本下，utf8mb4 默認(rèn)的比較規(guī)則是 utf8mb4_0900_ai_ci 胳螟，而 MySQL 5.7 utf8mb4 默認(rèn)的比較規(guī)則是 utf8mb4_general_ci 昔馋，下面我們一起來看下 utf8mb4 字符集下的比較規(guī)則。

# MySQL 8.0 版本utf8mb4字符集下的比較規(guī)則
mysql> SHOW COLLATION WHERE Charset = 'utf8mb4';
+----------------------------+---------+-----+---------+----------+---------+---------------+
| Collation                  | Charset | Id  | Default | Compiled | Sortlen | Pad_attribute |
+----------------------------+---------+-----+---------+----------+---------+---------------+
| utf8mb4_0900_ai_ci         | utf8mb4 | 255 | Yes     | Yes      |       0 | NO PAD        |
| utf8mb4_0900_as_ci         | utf8mb4 | 305 |         | Yes      |       0 | NO PAD        |
| utf8mb4_0900_as_cs         | utf8mb4 | 278 |         | Yes      |       0 | NO PAD        |
| utf8mb4_bin                | utf8mb4 |  46 |         | Yes      |       1 | PAD SPACE     |
| utf8mb4_general_ci         | utf8mb4 |  45 |         | Yes      |       1 | PAD SPACE     |
| utf8mb4_german2_ci         | utf8mb4 | 244 |         | Yes      |       8 | PAD SPACE     |
| utf8mb4_swedish_ci         | utf8mb4 | 232 |         | Yes      |       8 | PAD SPACE     |
...
| utf8mb4_vi_0900_as_cs      | utf8mb4 | 300 |         | Yes      |       0 | NO PAD        |
| utf8mb4_zh_0900_as_cs      | utf8mb4 | 308 |         | Yes      |       0 | NO PAD        |
+----------------------------+---------+-----+---------+----------+---------+---------------+
89 rows in set (0.00 sec)

# 查看系統(tǒng)比較規(guī)則
mysql> SHOW variables like 'coll%';
+----------------------+--------------------+
| Variable_name        | Value              |
+----------------------+--------------------+
| collation_connection | utf8mb4_0900_ai_ci |
| collation_database   | utf8mb4_0900_ai_ci |
| collation_server     | utf8mb4_0900_ai_ci |
+----------------------+--------------------+
3 rows in set (0.01 sec)

# MySQL 5.7 版本utf8mb4字符集下的比較規(guī)則
admin@localhost [(none)] 16:03:33>SHOW COLLATION WHERE Charset = 'utf8mb4';
+------------------------+---------+-----+---------+----------+---------+
| Collation              | Charset | Id  | Default | Compiled | Sortlen |
+------------------------+---------+-----+---------+----------+---------+
| utf8mb4_general_ci     | utf8mb4 |  45 | Yes     | Yes      |       1 |
| utf8mb4_bin            | utf8mb4 |  46 |         | Yes      |       1 |
| utf8mb4_unicode_ci     | utf8mb4 | 224 |         | Yes      |       8 |
| utf8mb4_icelandic_ci   | utf8mb4 | 225 |         | Yes      |       8 |
| utf8mb4_latvian_ci     | utf8mb4 | 226 |         | Yes      |       8 |
| utf8mb4_romanian_ci    | utf8mb4 | 227 |         | Yes      |       8 |
| utf8mb4_slovenian_ci   | utf8mb4 | 228 |         | Yes      |       8 |
| utf8mb4_polish_ci      | utf8mb4 | 229 |         | Yes      |       8 |
| utf8mb4_estonian_ci    | utf8mb4 | 230 |         | Yes      |       8 |
| utf8mb4_spanish_ci     | utf8mb4 | 231 |         | Yes      |       8 |
| utf8mb4_swedish_ci     | utf8mb4 | 232 |         | Yes      |       8 |
| utf8mb4_turkish_ci     | utf8mb4 | 233 |         | Yes      |       8 |
| utf8mb4_czech_ci       | utf8mb4 | 234 |         | Yes      |       8 |
| utf8mb4_danish_ci      | utf8mb4 | 235 |         | Yes      |       8 |
| utf8mb4_lithuanian_ci  | utf8mb4 | 236 |         | Yes      |       8 |
| utf8mb4_slovak_ci      | utf8mb4 | 237 |         | Yes      |       8 |
| utf8mb4_spanish2_ci    | utf8mb4 | 238 |         | Yes      |       8 |
| utf8mb4_roman_ci       | utf8mb4 | 239 |         | Yes      |       8 |
| utf8mb4_persian_ci     | utf8mb4 | 240 |         | Yes      |       8 |
| utf8mb4_esperanto_ci   | utf8mb4 | 241 |         | Yes      |       8 |
| utf8mb4_hungarian_ci   | utf8mb4 | 242 |         | Yes      |       8 |
| utf8mb4_sinhala_ci     | utf8mb4 | 243 |         | Yes      |       8 |
| utf8mb4_german2_ci     | utf8mb4 | 244 |         | Yes      |       8 |
| utf8mb4_croatian_ci    | utf8mb4 | 245 |         | Yes      |       8 |
| utf8mb4_unicode_520_ci | utf8mb4 | 246 |         | Yes      |       8 |
| utf8mb4_vietnamese_ci  | utf8mb4 | 247 |         | Yes      |       8 |
+------------------------+---------+-----+---------+----------+---------+
26 rows in set (0.00 sec)

以上對比可以看出 MySQL 8.0 版本 utf8mb4 字符集下的比較規(guī)則多達(dá) 89 種糖耸，而 MySQL 5.7 只有 26 種秘遏，少的 63 種都是帶 0900 標(biāo)識的。并且 MySQL 8.0 版本 utf8mb4 字符集默認(rèn)的比較規(guī)則utf8mb4_0900_ai_ci 在 5.7 版本中是不存在的嘉竟。

查閱官方文檔得知邦危，0900 標(biāo)識符的比較規(guī)則是在 MySQL 8.0 版本中引入的，是基于 Unicode Collation Algorithm (UCA) 9.0.0 標(biāo)準(zhǔn)的比較規(guī)則舍扰，能提供更精確倦蚪、更現(xiàn)代的 Unicode 支持。

其余標(biāo)識符就是比較常見的了边苹，ci（case-insensitive）：不區(qū)分大小寫陵且，cs（case-sensitive）：區(qū)分大小寫，ai（accent-insensitive）：不區(qū)分重音符號个束，as（accent-sensitive）：區(qū)分重音符號慕购。

utf8mb4_0900_ai_ci 比較規(guī)則不區(qū)分大小寫且不區(qū)分重音符號，遵循更新版的 Unicode 標(biāo)準(zhǔn)播急，更好地支持了國際化和多語言環(huán)境脓钾。MySQL 8.0 建議采用此比較規(guī)則，它可以看作是 utf8mb4_general_ci 的升級版桩警，二者之間區(qū)別很小可训，在 8.0 版本下的區(qū)別之一是：utf8mb4_0900_ai_ci 不忽略末尾空格，而 utf8mb4_general_ci 忽略末尾空格，即 'abc ' 和 'abc' 在 utf8mb4_0900_ai_ci 比較規(guī)則下認(rèn)為是不相等的握截，而在 utf8mb4_general_ci 下是相等的飞崖。

總結(jié)：

本篇文章介紹了 MySQL 8.0 版本中 utf8mb4 字符集及其比較規(guī)則，建議 8.0 版本保持默認(rèn)即可谨胞。如果你的數(shù)據(jù)庫是由 5.7 版本升級或遷移來的固歪，建議保持使用原先的 utf8mb4_general_ci 字符集。不過需要注意的是胯努，因 MySQL 5.7 沒有 utf8mb4_0900_ai_ci 比較規(guī)則牢裳，若有庫表使用此比較規(guī)則來導(dǎo)入 5.7 版本，則會報(bào)錯(cuò)無法執(zhí)行叶沛。