MySQL字符集和排序规则

1、utf8字符编码

    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。

2、utf8mb4 字符编码

    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。

3、字符集排序规则的

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

4、如何选择

    主要从排序准确性和性能两方面看：

• 准确性

  utf8mb4_unicode_ci：
  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：
  没有实现Unicode排序规则，在遇到某些特殊语言或字符时，可能会出现错误。比如unicode把ß、Œ当成ss和OE来看；而general会把它们当成s、e，再如ÀÁÅåāă各自都与 A 相等。

• 性能

  utf8mb4_general_ci：
  在比较和排序的时候更快

  utf8mb4_unicode_ci：
  在特殊情况下，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。
  但是一般情况不会发生这样复杂的比较。general理论上比unicode可能快些，但相比现在的
  CPU来说，数据库索引、SQL设计才是性能考虑的主要因素。

• 总结：
  utf8mb4_general_ci 更快，utf8mb4_unicode_ci 更准确

• 转自Mysql中的UTF-8字符集与字符集排序规则的选择 - 简书