MySQL / 系统课时
字符集与排序规则
字符集与排序规则
本课解决两个常见问题:中文或 Emoji 为什么可能无法保存,以及同样的字符串为什么排序和比较结果不同。学完后,你能读懂 utf8mb4 与排序规则的关系,并用 SQL 检查和配置它们。
学习目标
- 理解字符集与排序规则分别解决什么问题
- 能查看数据库、表和连接使用的字符集配置
- 能为新表选择合适的
utf8mb4排序规则
字符集与排序规则分别管什么
字符集决定字符如何编码和存储,例如 utf8mb4 可以表示完整 Unicode 字符。排序规则则决定字符如何比较、排序以及在很多字符串运算中的等价判断。
因此,字符集回答“这个字符怎么表示”,排序规则回答“这些字符怎么比较”。两者不是同一个配置,也不能用排序规则代替字符集。
例如两个值分别为 a 和 A,某些大小写不敏感排序规则会把它们视为相等;而二进制或大小写敏感的排序规则可能得到不同结果。字符串比较的具体行为取决于列实际使用的排序规则。
为什么常见选择是 utf8mb4
MySQL 中推荐新应用优先考虑 utf8mb4,因为它能覆盖完整 Unicode,而不是只满足部分常见字符。中文、英文、数学符号以及 Emoji 混合存储时,通常可以避免因字符范围不足导致的数据写入错误。
但选择 utf8mb4 后还要继续决定排序规则。常见做法是直接显式指定一个符合业务需求的 utf8mb4 排序规则,而不是只依赖服务器默认值。
查看当前字符集配置
下面的查询可以一次看到服务器、数据库和连接相关设置,适合排查“为什么同一条 SQL 在不同环境表现不同”。
SHOW VARIABLES LIKE 'character_set%';
SHOW VARIABLES LIKE 'collation%';
SELECT @@character_set_server AS character_set_server,
@@collation_server AS collation_server,
@@character_set_database AS character_set_database,
@@collation_database AS collation_database,
@@character_set_connection AS character_set_connection,
@@collation_connection AS collation_connection;预期结果:
返回多行变量信息;其中 *_server 表示服务器默认值,*_database 表示当前数据库默认值,连接相关变量反映当前会话的字符串处理配置。
实际排序规则名称会随 MySQL 版本和实例默认配置不同而变化。检查具体表和字段时,还需要看表定义,因为列可以覆盖数据库和表的默认设置:
SHOW CREATE TABLE users;预期结果:
返回 users 的建表语句;在相关字符串列定义中可以看到 CHARACTER SET 和 COLLATE,未显式声明的列会继承更高层级默认值。配置时如何做选择
新建数据库或表时,建议把字符集和排序规则明确写出来。这样迁移、测试和生产环境即使默认值不同,也不容易出现隐蔽差异。
CREATE DATABASE app_demo
CHARACTER SET utf8mb4
COLLATE utf8mb4_0900_ai_ci;
USE app_demo;
CREATE TABLE users (
id BIGINT PRIMARY KEY,
nickname VARCHAR(100) NOT NULL
) CHARACTER SET utf8mb4
COLLATE utf8mb4_0900_ai_ci;预期结果:
CREATE DATABASE 执行成功,随后 users 表创建成功;SHOW CREATE TABLE users 可看到表级 utf8mb4 与 utf8mb4_0900_ai_ci 配置。实际项目中应根据 MySQL 版本确认目标排序规则是否可用。对于已有表,不要仅因为环境升级就直接批量修改排序规则;先确认索引、比较语义以及业务中的唯一约束是否会受到影响。
一个常见误区是认为“全库改成 utf8mb4 就结束了”。实际上还要关注连接字符集、表级默认值和列级覆盖,以及不同排序规则对大小写、重音符号和字符串比较的影响。
当应用需要稳定且可预测的字符串比较行为时,应把字符集和排序规则作为数据库设计的一部分明确记录,而不是完全依赖实例默认配置。