2020-12-23 Mysql 中的COLLATE

2020-12-23 Mysql 中的COLLATE

推荐书籍：

mysql> show full columns from task;

collation中的utf8_unicode_ci是啥？

这是COLLATE的值

在mysql中VARCHAR、CHAR、TEXT等字符类型的列，都需要有COLLATE类型来确定mysql如何对该列进行排序和比较。

utf8_unicode_ci：用来排序的规则。

COLLATE会影响到ORDER BY语句的顺序；WHERE条件中>、< 筛选的结果；GROUP BY、DISTINCT、HAVING语句的查询结果；mysql建索引时，如果索引列是字符类型，也会影响索引创建。

mysql中utf8和utf8mb4两种编码的区别

建议mysql中只使用utf8mb4,不要再使用utf8。这是mysql的一个遗留问题，mysql中的utf8最多只能支持3bytes长度的字符编码，对于部分需占据4bytes长度的文字，utf8就不支持了。

COLLATE和CHARSET相关，通常每种CHARSET都有多种它所支持的COLLATE,且每种CHARSET都指定一种COLLATE为默认值。

COLLATE中的_ci，是Case Insensitive的缩写，即忽略大小写。

COLLATE中的_cs，是Case Sensitive的缩写，即区分大小写。

查看mysql中所支持的所有COLLATE。

在国内比较常用的三种：utf8mb4_general_ci（默认）、utf8mb4_unicode_ci、utf8mb4_bin；

utf8mb4_general_ci（默认）、utf8mb4_unicode_ci、utf8mb4_bin的区别

utf8mb4_bin：直接将所有字符看作二进制串，然后从最高位往最低位比对。（区分大小写）

utf8mb4_unicode_ci和utf8mb4_general_ci对于中文和英文，没有任何区别。但对于某些西方国家的字母来说，utf8mb4_unicode_ci会比utf8mb4_general_ci更符合语言习惯，general是mysql一个比较老的标准了。

推荐大家：使用utf8mb4_unicode_ci，但对于已经用了utf8mb4_general_ci的系统，也没必要花时间改造。

从mysql 8.0开始，mysql默认的CHARSET已不再是Latin1，改为utf8mb4（参考链接，且默认的COLLATE也改为了utf8mb4_0900_ai_ci。utf8mb4_0900_ai_ci大体上就是unicode的进一步细分，0900指代unicode比较算法的编号，ai表示accent insensitive（发音无关），例如e, è, é, ê 和 ë是一样的。

设置COLLATE可以在示例级别、库级别、表级别、列级别、以及SQL指定。实例级别的COLLATE设置就是mysql配置文件或启动指令中的collation_connection系统变量。

优先级顺序：SQL语句 > 列级别 > 表级别 > 库级别 > 实例级别

在系统设计中，我们要尽量避免系统严重依赖中文字段的排序结果，在mysql的查询中也应尽量避免使用中文作为查询条件。2024-10-01