一、字符集

　　先说字符，字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、字母、数字等，比如“啊、a、1、+、！、&”等均表示一个字符。在UTF8编码中，一个字母、数字、符号占一个字节，中文占三个字节，emoji表情和一些比较复杂的文字、繁体字则占四个字节。其中一个字节由8个位组成，位为数据存储的最小单位，每个二进制数字0或者1就是1个位。

　　换算公式：1byte(字节) = 8bit(位)，1KB(千字节) = 1024byte(字节)，1MB(兆) = 1024KB(千字节)。

　　字符集是一套符号和编码，是多个字符的集合。常见的字符集有 UTF8 、 Unicode 、 GBK 、 GB2312 、 ASCII 。在MySQL中常用的字符集有 UTF8 和 UTF8MB4 这两种，一般而言我们选择UTF8MB4，而不选择UTF8，因为MySQL中的UTF8并不是真正的UTF8字符集，它只支持三个字节，emoji表情和复杂的文字无法存储，并不能代表全部的UTF8，在5.5.3版本后新增的支持四个字节的UTF8MB4才是真正的UTF8编码，为了更好的兼容性，推荐使用UTF8MB4字符集。

　　此外，对于CHAR类型数据，UTF8MB4会多消耗一些空间，比如CHAR(10)，UTF8会保留30字节长度，UTF8MB4会保留40字节长度，根据MySQL官方建议，使用VARCHAR替代CHAR。同时UTF8MB4也是UTF8的超集，所以UTF8可以直接切换至UTF8MB4。

二、排序规则

　　排序规则，就是指字符比较时按照字符编码还是直接用二进制数据比较，以及是否区分大小写。UTF8MB4常用的排序规则有 utf8mb4_unicode_ci 、 utf8mb4_general_ci 、 utf8mb4_bin 。

　　其中，以bin结尾的是以二进制存储的，区分大小写，以cs结尾的是区分大小写的，以ci结尾的不区分大小写。

　　utf8mb4_unicode_ci是基于标准Unicode来排序和比较，能够在各种语言之间精确排序。且在特殊情况下，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不会发生此类复杂比较。

　　utf8mb4_general_ci没有实现Unicode排序规则，在遇到某些特殊字符情况下，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。

　　utf8mb4_bin将字符串的每个字符用二进制数据编译存储，区分大小写，可以存二进制的内容。

三、结论

　　综合来说，utf8mb4_unicode_ci比较准确，utf8mb4_general_ci速度较快。utf8mb4_unicode_ci对于特殊字符的处理，在中文、英文应用中不会使用到，除非你的应用有德语、法语、俄语等，则需要使用utf8mb4_unicode_ci，否则一般选用utf8mb4_general_ci就可以了。
————————————————
版权声明：本文为CSDN博主「遇见sher」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_34040270/article/details/113279859