浅谈mysql数据库编码utf8mb4_unicode_ci、utf8mb4_general_ci、utf8mb4_0900_ai_ci

在聊mysql数据库编码前先了解下编码utf8和utf8mb4的区别：

utf8 是 Mysql 中的一种字符集，只支持最长三个字节的 UTF-8字符，也就是 Unicode 中的基本多文本平面。

Mysql 中的 utf8 为什么只支持持最长三个字节的 UTF-8字符呢？我想了一下，可能是因为 Mysql 刚开始开发那会，Unicode 还没有辅助平面这一说呢。那时候，Unicode 委员会还做着 “65535 个字符足够全世界用了”的美梦。Mysql 中的字符串长度算的是字符数而非字节数，对于 CHAR 数据类型来说，需要为字符串保留足够的长。当使用 utf8 字符集时，需要保留的长度就是 utf8 最长字符长度乘以字符串长度，所以这里理所当然的限制了 utf8 最大长度为 3，比如 CHAR(100) Mysql 会保留 300字节长度。至于后续的版本为什么不对 4 字节长度的 UTF-8 字符提供支持，我想一个是为了向后兼容性的考虑，还有就是基本多文种平面之外的字符确实很少用到。

utf8mb4 是 MySQL 8.0 的默认字符集，长度四个字节，在MySQL 8.0.1及更高版本中将 utf8mb4_0900_ai_ci 作为默认排序规则。

要在 Mysql 中保存 4 字节长度的 UTF-8 字符，需要使用 utf8mb4 字符集，但只有 5.5.3 版本以后的才支持。我觉得，为了获取更好的兼容性，应该总是使用 utf8mb4 而非 utf8. 对于 CHAR 类型数据，utf8mb4 会多消耗一些空间，根据 Mysql 官方建议，使用 VARCHAR 替代 CHAR。

1、utf8mb4_unicode_ci和utf8mb4_general_ci的对比：

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。

2、utf8mb4_0900_ai_ci编码

在mysql8中，安装完mysql8后无需配置，已经默认该编码。相较于优势，要比以上两种编码效果更好。如果安装了mysql8，肯定推荐使用这个，因为mysql8以下也不支持此编码。

注意：utf8mb4_0900_ai_ci在mysql8以下是不支持的，导出的数据库需要修改utf8mb4_0900_ai_ci为utf8mb4_unicode_ci或者utf8mb4_general_ci。

参考文章：https://www.rednn.com/createsite/202003/26108.html