MySQL中何时使用utf8mb4（bin、general_ci、unicode_520_ci）

在本文中，我们将介绍MySQL中字符集的选择及其对业务的影响。MySQL支持多种字符集，包括Latin1、UTF-8、GBK等。一些特殊的字符或表情符号只能使用utf8mb4来存储，而在选择utf8mb4时，需要进一步选择其排序规则，常见的包括bin、general_ci和unicode_520_ci。那么我们该如何选择字符集及其排序规则呢？

阅读更多：MySQL 教程

MySQL字符集的选择

当我们需要存储中文或特殊字符时，我们通常会选择utf8或utf8mb4字符集。utf8支持最多3个字节，utf8mb4支持最多4个字节，如果需要存储特殊的4字节字符，就需要使用utf8mb4。同时，我们还需要根据业务的需求、数据的特性等考虑是否需要选择特殊的字符集，例如存储emoji表情符号就必须使用utf8mb4。

在选择字符集时，我们还需要考虑应用程序与数据库之间的交互方式。如果应用程序使用的字符集与数据库不一致，可能会出现编码转换导致的乱码等问题。通常情况下，我们应该将应用程序的字符集与数据库的字符集保持一致，避免编码转换的过程。

MySQL排序规则的选择

选择正确的排序规则可以避免查询结果的错误或不一致。MySQL中常见的排序规则有bin、general_ci、unicode_520_ci等。下面我们将对它们分别进行介绍。

bin排序规则

bin排序规则是按二进制数据比较的，它对每个字符的顺序都进行了比较，是最快的一种排序方式。bin排序规则中不会对字符进行比较权重的调整，因此常见问题是大小写字母的排序错误。例如，在bin排序规则下，”a”、”B”、”c”的大小顺序为”B”、”a”、”c”。

示例代码：

CREATE TABLE test_bin (col1 VARCHAR(10) CHARACTER SET utf8mb4 COLLATE utf8mb4_bin);
INSERT INTO test_bin (col1) VALUES ('a'), ('B'), ('c');
SELECT * FROM test_bin ORDER BY col1;

结果：

B
a
c

general_ci排序规则

general_ci是一种比较普遍的排序规则，用于不区分大小写的比较。在general_ci排序规则下，大小写字母被视作相等的。然而，在一些语言环境下，特殊字符可能会被视作不相等，因此需要进行特殊的处理。该排序规则中的比较规则受本地语言环境的影响。

示例代码：

CREATE TABLE test_general_ci (col1 VARCHAR(10) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci);
INSERT INTO test_general_ci (col1) VALUES ('a'), ('B'), ('c');
SELECT * FROM test_general_ci ORDER BY col1;

结果：

a
B
c

unicode_520_ci排序规则

unicode_520_ci是一种为多语言和多字符集优化的排序规则。它是一种基于Unicode标准的排序规则，可以比较各种语言和字符集。此排序规则中的比较规则不受本地语言环境的影响，可以保证排序的正确性。

示例代码：

CREATE TABLE test_unicode_520_ci (col1 VARCHAR(10) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_520_ci);
INSERT INTO test_unicode_520_ci (col1) VALUES ('a'), ('B'), ('c');
SELECT * FROM test_unicode_520_ci ORDER BY col1;

结果：

aB
c

如何选择字符集及排序规则

在选择字符集及排序规则时，需要考虑以下因素：

数据存储的特性：如果需要存储4字节或其他特殊字符，就需要选择utf8mb4字符集。如果需要存储生僻字或其他语言的字符，就需要考虑选择通用的unicode排序规则。
应用程序的编码：应用程序使用的字符集应与数据库的字符集保持一致，避免编码转换错误导致的乱码等。
数据查询的需求：如果需要进行语言敏感的排序、模糊查询等操作，就需要选择支持对应特性的排序规则。

在一些特殊的情况下，我们可能需要使用其他的排序规则，例如utf8mb4_bin、utf8mb4_unicode_ci等。需要根据具体情况进行选择。