【重学MySQL】九十三、MySQL字符集与比较规则完全解析

一、字符集概述

字符集是MySQL中用于定义字符如何存储、表示和比较的一组规则。它决定了数据库如何存储和检索文本数据，并处理不同语言和特殊字符。

1.1 支持的字符集

MySQL支持多种字符集，常见字符集如下：

字符集	描述
UTF8/UTF8MB4	UTF8支持1-3字节字符，适合大多数场景；UTF8MB4扩展至4字节，支持emoji等特殊字符。
Latin1	西欧语言，兼容ASCII，适用于英文和西欧语言。
GBK/GB2312	简体中文，GBK覆盖更多字符，GB2312是其前身。
ASCII	仅支持英文字符，每个字符占1字节。
UTF16	使用16位编码，适合存储复杂字符集（如中文、日文、韩文）。

1.2 UTF8与UTF8MB4的区别

• UTF8：最大支持3字节字符，无法存储emoji等4字节字符。
• UTF8MB4：支持4字节字符，是UTF8的超集，推荐用于现代应用。

二、比较规则（Collation）

比较规则决定字符串的排序和比较方式，它与字符集密切相关。

2.1 比较规则分类

规则类型	描述
大小写敏感	如utf8_bin（二进制比较），区分大小写。
大小写不敏感	如utf8_general_ci（通用规则），不区分大小写。
语言特定	如utf8_spanish_ci（西班牙语规则），按特定语言排序。
Unicode标准	如utf8_unicode_ci（符合Unicode标准），排序更准确但性能略低。
最新规则	MySQL 8.0+支持utf8mb4_0900_ai_ci，基于Unicode 9.0，支持更复杂的排序。

2.2 常见比较规则差异

• utf8_general_ci：速度快，但排序可能不准确（如某些特殊字符）。
• utf8_unicode_ci：遵循Unicode标准，排序更准确，但性能略低。
• utf8mb4_0900_ai_ci：MySQL 8.0+默认规则，支持扩展的排序和比较功能。

三、配置层级与继承关系

MySQL的字符集和比较规则可配置于四个层级，优先级从高到低为：列级 > 表级 > 数据库级 > 服务器级。

3.1 配置层级

层级	配置方法
服务器级	通过my.cnf配置文件或启动参数（如--character-set-server=utf8mb4）。
数据库级	创建数据库时指定：CREATE DATABASE dbname CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
表级	创建表时指定：CREATE TABLE table (...) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
列级	定义字段时指定：name VARCHAR(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

3.2 继承关系

• 若未显式指定，低层级继承高层级的设置。例如：
  • 表未指定字符集时，使用数据库的字符集。
  • 列未指定字符集时，使用表的字符集。

四、最佳实践与问题解决

4.1 统一字符集

• 避免乱码：确保服务器、数据库、表、列的字符集一致，并与客户端连接字符集匹配。
• 客户端连接设置：

  SET NAMES utf8mb4;
  

  或在配置文件my.cnf中设置：

  [client]
  default-character-set = utf8mb4
  

4.2 数据迁移与转换

• 修改现有表的字符集：

  ALTER TABLE table_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
  

• 备份数据：修改字符集前务必备份，避免数据损坏。

4.3 性能优化

• 选择合适的比较规则：
  • 对性能敏感的场景，选择utf8_general_ci。
  • 需要准确排序时，使用utf8_unicode_ci或utf8mb4_0900_ai_ci。

4.4 常见问题

• 乱码问题：检查所有层级的字符集设置是否一致，并确保客户端连接字符集正确。
• 排序错误：确认比较规则是否符合需求，例如中文排序需选择支持中文的规则（如utf8mb4_unicode_ci）。

五、示例配置

5.1 服务器级配置（my.cnf）

[mysqld]
character-set-server = utf8mb4
collation-server = utf8mb4_unicode_ci

5.2 创建数据库与表

CREATE DATABASE mydb CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;CREATE TABLE users (id INT PRIMARY KEY,name VARCHAR(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;

5.3 修改现有表

ALTER TABLE users CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

六、总结

• 字符集决定存储方式，比较规则决定排序和比较行为。
• 优先使用UTF8MB4以支持更广泛的字符，搭配utf8mb4_unicode_ci或utf8mb4_0900_ai_ci确保准确排序。
• 统一各层级的字符集设置，避免乱码和性能问题。

通过合理配置字符集和比较规则，可确保MySQL高效、正确地处理多语言数据。