跳转到主要内容

VillageSQL is a drop-in replacement for MySQL with extensions.

All examples on this page work on VillageSQL. Install Now →
MySQL 的字符集控制字符串如何存储(哪些字节表示哪些字符)。排序规则控制字符串如何比较和排序。一开始就把这两项设置正确,可以避免日后难以修复的数据损坏和错误排序。

utf8mb4——正确的默认值

始终使用 utf8mb4。MySQL 的 utf8(不带 mb4)是一种 3 字节编码,无法存储 4 字节的 Unicode 字符——其中包括表情符号、许多汉字和各种符号。utf8mb4 才是完整的 UTF-8 编码。
如果您的旧数据库使用 utf8,迁移到 utf8mb4 需要转换数据库、表和列。

字符集速查

成本列说的是日后修正错误选择所需的工作量,而不是字符集本身的性能成本。latin1 是陷阱:它接受任何字节值而不报错,所以坏数据会悄悄进入,直到您尝试显示或转换时才暴露出来。

排序规则

排序规则决定排序顺序和比较行为。常见选择: utf8mb4_0900_ai_ci 是默认排序规则,也是最好的通用选择。它正确处理 Unicode,不区分大小写(ci),也不区分重音(ai)。只有在需要精确字节匹配时才使用 utf8mb4_bin。 ci = 不区分大小写,cs = 区分大小写,ai = 不区分重音,as = 区分重音。

设置字符集

创建数据库时:
创建表时:
在列级别(覆盖表的默认值):
当某一列需要区分大小写的匹配,而表的其余部分使用不区分大小写时,列级字符集很有用。 更改列的字符集:
转换整张表:
CONVERT TO 用一条语句更改每一列。它会重建表,因此耗时与表的大小成正比。

检查字符集

在 SHOW CREATE TABLE 的输出中,没有显示字符集的列继承了表的默认值。

连接字符集

连接字符集控制 MySQL 期望从客户端收到的编码,以及用于字符串字面量的编码。请始终显式设置它:
当您在连接字符串中设置字符集时,大多数驱动程序会自动完成这一步。连接默认使用 utf8mb4,因此很少需要显式覆盖。

排序规则对查询的影响

排序规则影响 WHERE、ORDER BY 和唯一性:
要用与列默认值不同的排序规则排序:

从 utf8 转换到 utf8mb4

如果您的旧数据库使用 utf8(3 字节),请转换它:
同时更新服务器配置,使 utf8mb4 成为新连接的默认值:
转换大表需要时间并会重建表。请安排在维护窗口期间进行,或使用在线模式变更工具。

常见问题

为什么 MySQL 中的 utf8 不支持表情符号?

MySQL 的 utf8 是 UTF-8 的一个非标准 3 字节子集,早于 4 字节的 Unicode 扩展。表情符号(以及许多其他现代 Unicode 字符)需要 4 个字节。utf8mb4 才是 UTF-8 的正确完整实现。旧的 utf8 别名仅为向后兼容而存在——切勿在新模式中使用它。

更改排序规则会影响现有数据吗?

更改排序规则不会改变存储的字节。它改变的是这些字节的比较和排序方式。但是,唯一索引是按排序规则强制执行的,因此从 _bin 改为 _ci 可能会暴露出必须先解决的冲突(Alice 和 alice 变得相等)。

我应该使用哪种排序规则?

大多数情况下使用 utf8mb4_0900_ai_ci——它是默认排序规则,并且能很好地处理 Unicode。只有在需要精确字节匹配时才使用 utf8mb4_bin。新项目中请避免使用 utf8mb4_general_ci——它早于 _0900_ai_ci,并且对一些 Unicode 边缘情况的处理不正确。

故障排除

另请参阅