不灭的焱

革命尚未成功,同志仍须努力

作者:php-note.com  发布于:2020-07-31 14:26  分类:MySQL/NoSQL  编辑

1.utf8与utf8mb4(utf8 most bytes 4)

  • 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
  • 最多使用四个字节存储字符

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。

标准的UTF-8字符集编码是可以使用1-4个字节去编码21位字符,这几乎包含了世界上所有能看见的语言。

MySQL里面实现的utf8最长使用3个字符,包含了大多数字符但并不是所有。例如emoji和一些不常用的汉字,如“墅”,这些需要四个字节才能编码的就不支持。

2.字符集、连接字符集、排序字符集

utf8mb4对应的排序字符集有utf8mb4_unicode_ci、utf8mb4_general_ci.

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。

 


 

后面新建的数据库,统一用 utf8mb4_unicode_ci 吧!

 


MySQL 5.5 以前的规则:

1、utf8_unicode_ci 和 utf8_general_ci 对中、英文来说没有实质的差别;

2、utf8_general_ci 校对速度快,但准确度稍差;

3、utf8_unicode_ci 准确度高,但校对速度稍慢;

4、如果应用有德语、法语或者俄语,请一定使用utf8_unicode_ci;否则 utf8_general_ci 就够了,到现在也没发现问题;

5、通常情况下 utf8_general_ci 的准确性就够用了,很多程序源码中用的也是 utf8_general_ci;

补充:参考了JIRA数据的设计思路,varchar字段的长度一般设置为127或255;

`seq_name` varchar(127),
`remark` varchar(255) DEFAULT NULL,

毕竟长度多了总比少了好。

 

 

参考:

MySQL中的utf8mb4、utf8mb4_unicode_ci、utf8mb4_general_ci

MySQL中COLLATE 排序规则 utf8_unicode_ci、utf8_general_ci 的比较和选择