mysql中常用字符集utf8mb3、utf8mb4、gbk的区别和常用排序规则的区别

在 MySQL 中，字符集（Character Set）和排序规则（Collation）是数据库存储和查询文本数据时的重要概念。了解不同字符集和排序规则的差异，有助于在创建数据库时选择最适合的设置。下面将详细描述 utf8mb3、utf8mb4、gbk 这三种字符集的区别，以及 utf8mb4_general_ci、utf8mb4_unicode_ci、utf8mb4_bin、utf8mb4_0900_ai_ci 这四种常用排序规则的区别。

1. 字符集的区别：utf8mb3、utf8mb4 和 gbk

utf8mb3（也称为 utf8）

• 定义：utf8mb3 是 MySQL 中旧版的 UTF-8 编码字符集，常被简称为 utf8，实际上它支持最多 3 字节的字符编码。
• 支持的字符：只能支持 Unicode 字符集中最多 3 字节的字符，即 U+0000 到 U+FFFF 范围内的字符（不包括一些表情符号、某些生僻字和其他 4 字节字符）。
• 限制：utf8mb3 不能处理所有 Unicode 字符，尤其无法存储表情符号和某些罕见的字符（例如，某些表情符号、少数民族语言的字符等需要 4 字节的字符）。
• 用途：适用于大多数欧洲和亚洲语言字符，但不适合需要处理表情符号或其他 4 字节字符的场景。

utf8mb4

• 定义：utf8mb4 是对 utf8mb3 的扩展，支持最大 4 字节的字符编码，可以存储所有 Unicode 字符，包括表情符号和其他 4 字节字符（如某些生僻字和符号）。
• 支持的字符：可以表示整个 Unicode 字符集的字符，包括从 U+0000 到 U+10FFFF 的字符。
• 优势：utf8mb4 是当前推荐的字符集，因为它支持所有 Unicode 字符，比 utf8mb3 更加完备，尤其在处理多语言和表情符号时非常有用。
• 用途：当需要支持表情符号、某些特殊字符或任何 Unicode 字符时，应该选择 utf8mb4。

gbk

• 定义：gbk 是一种中文字符集，广泛用于简体中文字符的存储，能够支持大部分的汉字字符。gbk 是对 GB2312 和 GB18030 的扩展，支持更多的汉字字符和一些标点符号。
• 支持的字符：支持简体中文和繁体中文字符，以及部分标点符号。gbk 编码并不支持所有 Unicode 字符，尤其是无法表示一些多字节的国际字符（例如，某些表情符号和西欧字符）。
• 限制：对于不涉及中文字符集的多语言应用，gbk 可能会出现兼容性问题，尤其是在需要跨平台或跨语言支持时，utf8mb4 更为通用。
• 用途：gbk 适用于只需要存储中文字符的场景，但不适合需要支持多种语言或 Unicode 字符的场景。

2. 排序规则的区别：utf8mb4_general_ci、utf8mb4_unicode_ci、utf8mb4_bin 和 utf8mb4_0900_ai_ci

utf8mb4_general_ci

• 比较方式：utf8mb4_general_ci 是最常用的 utf8mb4 字符集排序规则，它提供了不区分大小写（Case Insensitive）和不区分重音符号（Accent Insensitive）的比较。
• 特点：
  • 按字典顺序比较字符，但它并不严格遵循 Unicode 标准，某些字符比较可能不完全正确。
  • 性能较好，因为其比较规则比较简单。
• 适用场景：适用于需要进行简单文本比较的应用，特别是在处理英文和其他不涉及特殊字符的语言时。
• 缺点：对于某些语言的特殊字符（如西班牙语的重音符号、德语的变音符号等）可能处理不准确。

utf8mb4_unicode_ci

• 比较方式：utf8mb4_unicode_ci 是基于 Unicode 排序标准的排序规则，按字典顺序进行不区分大小写（Case Insensitive）比较。
• 特点：
  • 它比 utf8mb4_general_ci 更精确，特别是在多语言环境中，遵循 Unicode 标准进行字符排序。
  • 相较于 utf8mb4_general_ci，它提供了更好的字符比较，能够正确处理不同语言中的特殊字符（如法语的重音符号、德语的变音符号等）。
• 适用场景：适用于多语言环境中需要遵循 Unicode 排序标准的应用。
• 缺点：性能稍差，因为它的比较规则更加复杂，处理多语言和特殊字符时需要更多的计算。

utf8mb4_bin

• 比较方式：utf8mb4_bin 是二进制比较规则，不进行任何字符级转换，直接按字节比较（区分大小写，区分重音符号）。
• 特点：
  • 严格按照字符的二进制值进行比较，任何字符的差异都会导致比较结果不同。
  • 这是最精确的排序规则，因为它对字符的每一个字节都进行严格比较。
• 适用场景：适用于对字符精确匹配要求极高的场景，如密码存储、哈希值比较等。
• 缺点：对用户来说不够直观，因为它不进行语言级的排序（如忽略大小写），这可能会导致一些非预期的比较结果。

utf8mb4_0900_ai_ci

• 比较方式：utf8mb4_0900_ai_ci 是 MySQL 8.0 引入的排序规则，基于 Unicode 9.0 标准，ai 表示不区分重音符号（Accents Insensitive），ci 表示不区分大小写（Case Insensitive）。
• 特点：
  • 它严格遵循 Unicode 9.0 标准，在比较字符时，不区分大小写和重音符号。
  • 提供了更为准确的排序和比较，尤其是在多语言和跨文化应用中。
• 适用场景：适用于需要遵循 Unicode 9.0 排序规则的应用，特别是多语言环境中，能正确处理各种语言的特殊字符。
• 缺点：相对于其他排序规则，它的性能较低，特别是在大规模数据比较时。

总结

字符集/排序规则	特点	适用场景
utf8mb3	支持 3 字节字符，不能存储 4 字节字符（如表情符号）。	适用于大多数欧洲和亚洲语言，但不支持表情符号等 4 字节字符。
utf8mb4	支持 4 字节字符，能存储所有 Unicode 字符，包括表情符号。	推荐使用，尤其是需要存储表情符号或多种语言字符的场景。
gbk	主要支持简体中文字符，无法表示所有 Unicode 字符。	适用于中文字符的存储，不适合多语言或国际化应用。
utf8mb4_general_ci	不区分大小写和重音符号，性能较好，排序规则简单。	适用于简单文本比较，英文和不涉及特殊字符的应用。
utf8mb4_unicode_ci	按 Unicode 标准排序，不区分大小写和重音符号，处理复杂字符时更精确。	适用于多语言应用，特别是需要遵循 Unicode 排序规则的情况。
utf8mb4_bin	按字节值进行严格比较，区分大小写和重音符号。	适用于精确匹配要求高的场景，如密码、哈希值等。
utf8mb4_0900_ai_ci	基于 Unicode 9.0 标准，不区分大小写和重音符号。	适用于需要 Unicode 9.0 排序规则的多语言应用，特别是跨文化环境。