mysql建库 编码形式 排序选择

结论：

一般mysql编码形式选择：

utf8mb4

一般mysql排序选择：

utf8mb4_unicode_ci

具体原因：（感谢马老师）

mysql关于编码格式的区别：

Mysql的utf8mb4，utf8mb4_bin、utf8mb4_general_ci、utf8mb4_unicode_ci区别-马育民老师 (malaoshi.top)

字符编码的区别：

ASCII、GBK、Unicode、UTF-8编码（字符集）-马育民老师 (malaoshi.top)

具体内容：

utf8mb4介绍

MySQL 5.5.3之后增加了utfmb4字符编码
支持BMP（Basic Multilingual Plane，基本多文种平面）和补充字符
最多使用4个字节存储字符

为什么提出utf8mb4

UTF-8：是使用1~4个字节，一种变长的编码格式，字符编码。

mysql 的 UTF-8：编码最大字符长度为 3 字节，包含了大多数字符
如果遇到 4 字节的宽字符就会发生错误。如 emoji表情 和 一些生僻汉字

utf8mb4的含义

mb4：即 most bytes 4，使用4个字节来表示完整的UTF-8。

utf8mb4 是utf8的超集并完全兼容utf8，能够用四个字节存储更多的字符。

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

ci即case insensitive，不区分大小写。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。

是一个遗留的 校对规则，不支持扩展，它仅能够在字符之间进行逐个比较。utf8_general_ci校对规则进行的比较速度很快，但是与使用 utf8mb4_unicode_ci的校对规则相比，比较正确性较差。

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。

utf8mb4_general_ci VS utf8mb4_unicode_ci

准确性：

• 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
• utf8mb4_general_ci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。

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。

但是在绝大多数情况下发，不会发生此类复杂比较。相比选择哪一种collation，使用者更应该关心字符集与排序规则在db里需要统一。

编码的区别：

ASCII编码

计算机是美国人发明的，最早只有 127个字符 被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为 ASCII编码

一个字节最大是255，大于字符总数127，ASCII码，一个字符占一个字节

GBK编码

中国汉字有几万个，常用汉字几千个，一个字节最大是255，不够存储汉字，至少需要2个字节（最大整数是65535），还不能和ASCII编码冲突，所以，为了存储汉字，制定了GB2312、GBK编码， 1个汉字占2个字节 （GB2312不常用了）

Unicode编码

计算机使用越来越普及，全世界的语言文字有很多，各个国家都会像中国指定自己文字的编码，为了 支持各国文字，提出Unicode编码。

Unicode把 所有语言文字 都统一到一套编码里，这样就不会再有 乱码 问题了

在Unicode中，最常用的字符，是 两个字节 表示 一个字符 （如果要用到 非常偏僻 的字符，就需要 4个字节 甚至更多）

UTF-8

使用Unicode编码后，可以解决各国文字的问题，但 两个字节 表示 一个字符 ，也会带来新的问题：

如果文本全是 英文 ，用 Unicode编码 比ASCII编码 需要 更多的空间

注意：在网络传输、存储到硬盘时劣势更加明显

为了解决上面问题，提出 UTF-8编码，是一种变长的编码方式，把一个Unicode字符编码成 1-6个 字节：

• ASCII码仍然是 1个字节
• 常用汉字通常是 3个字节，生僻汉字占用4个字节
• 很生僻的字符被编码成4-6个字节

这样就能节省大量空间

内存和文件（网络传输）的编码方式

• 在计算机内存中，统一使用Unicode编码
• 保存到硬盘（网络传输）时，转换为UTF-8编码