Docker拉取mysql及utf8mb4_0900_ai_ci字符集解说

概要

主旨是为了研究mysql里的字符集，在实践中发现中文的排序顺序有点问题，为了能让中文排序正常，尝试更改各种字符集做测试。

Mysql官方版本8.0以前默认的应该是latin1,8.0后默认为utf8mb4了

Docker安装Mysql

docker拉取Mysql官方镜像站地址：https://hub.docker.com/_/mysql

docker可以一键拉取，并映射本地/data/mysql/data 到 容器里的 /var/lib/mysql

docker pull mysql:8.2.0-oraclelinux8
docker run --name mysql8 -v /data/mysql/data:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=root密码 -p 3306:3306 -p 33060:33060 -d mysql:8.2.0-oraclelinux8

字符集配置

官方相关手册说明：MySQL :: MySQL 8.0 Reference Manual :: 10.2 Character Sets and Collations in MySQL

我们可以使用几个命令查看

SELECT version();  #查看数据库版本
SHOW CHARACTER SET;  #查看数据库字符集
SHOW COLLATION WHERE Charset = 'utf8mb4';  #查看utf8mb4里可用的collation
SHOW VARIABLES LIKE 'character_set%';  #查看系统里对象的默认字符集
SHOW VARIABLES LIKE 'collation_database%'; #查看数据库的默认collation

utf8mb4是 utf8 的一个超集，就是可以多存放一些类型，比如表情符号，是Mysql8后的推荐的字符集，最大支持长度4个字节，最小占用存储长度还是1个字节，utf8的边码规则和原理可以查看我的同名博客文章 ASCII、Unicode、UCS-2、UTF-8互转

 排序规则说明

我们查看utf8mb4下面其实会有很多排序规则可以选择

​

以上这些规则具体选用哪一个，选择的依据是是什么呢

以默认的这个 utf8mb4_0900_ai_ci 示例说明

● 0900 是指 UCA 9.0.0标准。其中 UCA是 Unicode Collation Algorithm的缩写，UCA 9.0.0标准可以参考( https://www.unicode.org/Public/UCA/9.0.0/allkeys.txt )

像 utf8mb4_unicode_520_ci 就是 UCA 5.2.0 ( https://www.unicode.org/Public/UCA/5.2.0/allkeys.txt )

● ai、ci说明

官方这一块的说明：MySQL :: MySQL 8.0 Reference Manual :: 10.3.1 Collation Naming Conventions

Suffix	Meaning
_ai	Accent-insensitive
_as	Accent-sensitive
_ci	Case-insensitive
_cs	Case-sensitive
_ks	Kana-sensitive
_bin	Binary

 ai和as是相对的，是否区分重音的意思，对于中国场景其实是用不到的，比如 Cafe和Café,一个头上有音标一个没有音标这种。

ci和cs是相对的，是否大小写敏感，如果是ci场景，hengrui=Hengrui，如果是cs场景 hengrui≠Hengrui

ks 是日语里假名的意思 かな(kana)

还有带地域的 utf8mb4_zh_0900_as_cs

● zh是中文的意思

这一块简写可以参考下表，官方地址：MySQL :: MySQL 8.0 Reference Manual :: 10.10.1 Unicode Character Sets

Language	Language Specifier
Bosnian	bs
Bulgarian	bg
Chinese	zh
Classical Latin	la or roman
Croatian	hr or croatian
Czech	cs or czech
Danish	da or danish
Esperanto	eo or esperanto
Estonian	et or estonian
Galician	gl
German phone book order	de_pb or german2
Hungarian	hu or hungarian
Icelandic	is or icelandic
Japanese	ja
Latvian	lv or latvian
Lithuanian	lt or lithuanian
Mongolian	mn
Norwegian / Bokmål	nb
Norwegian / Nynorsk	nn
Persian	persian
Polish	pl or polish
Romanian	ro or romanian
Russian	ru
Serbian	sr
Sinhala	sinhala
Slovak	sk or slovak
Slovenian	sl or slovenian
Modern Spanish	es or spanish
Traditional Spanish	es_trad or spanish2
Swedish	sv or swedish
Turkish	tr or turkish
Vietnamese	vi or vietnamese

注意点

在不同字符排序规则之间做比较系统是会报错的，所以建议在设计数据库的时候就设定好

报错示例

如果历史因素必须出现不同字符排序，可以手动声明规则，示例：collate utf8mb4_0900_ai_ci

SELECT t1.* 
FROM test.table1 t1
inner join test.table2 t2 on t1.comment = t2.comment collate utf8mb4_0900_ai_ci