字符集与排序规则

约 977 字大约 3 分钟

布欧-Lewyon

2026-05-15

字符集（Character Set）决定字符如何编码为字节，排序规则（Collation）决定字符比较和排序的顺序。选择错误会导致乱码、排序异常、甚至索引失效。

字符集基础

常用字符集

字符集	字节/字符	说明
`latin1`	1 字节	西欧语言，不支持中文
`utf8`	1~3 字节	MySQL 的 `utf8` 是阉割版（最多 3 字节），不推荐
`utf8mb4`	1~4 字节	真正的 UTF-8，支持 emoji 和生僻字，推荐
`gbk`	1~2 字节	中文双字节编码

utf8 vs utf8mb4

-- utf8 无法存储 4 字节字符
CREATE TABLE bad (
    content VARCHAR(100) CHARACTER SET utf8
);
INSERT INTO bad VALUES ('😊');   -- ERROR: Incorrect string value

-- utf8mb4 可以
CREATE TABLE good (
    content VARCHAR(100) CHARACTER SET utf8mb4
);
INSERT INTO good VALUES ('😊');  -- 成功

硬性建议：MySQL 8.0 以上始终使用 utf8mb4，不要用 utf8。

排序规则

排序规则是字符集的属性，决定字符如何比较和排序。

常用 Collation

-- 查看字符集支持的排序规则
SHOW COLLATION WHERE Charset = 'utf8mb4';
-- utf8mb4_general_ci      ← 早期默认，速度优先
-- utf8mb4_unicode_ci      ← 准确排序，支持更多语言
-- utf8mb4_0900_ai_ci      ← MySQL 8.0 默认，基于 Unicode 9.0

Collation	默认版本	特点
`utf8mb4_general_ci`	5.x/5.7	速度略快，但排序不够精确
`utf8mb4_unicode_ci`	5.x/5.7	排序准确，支持扩展字符
`utf8mb4_0900_ai_ci`	8.0	基于 Unicode 9.0，`ai`=口音不敏感，`ci`=大小写不敏感

后缀含义：

后缀	含义
`_ci`	Case Insensitive（大小写不敏感）
`_cs`	Case Sensitive（大小写敏感）
`_bin`	二进制比较（最严格，按字节值）
`_ai`	Accent Insensitive（口音不敏感）
`_as`	Accent Sensitive（口音敏感）

设置字符集

设置层级

MySQL 的字符集设置分为四个层级：

-- 1. 服务器级
SHOW VARIABLES LIKE 'character_set_server';
-- SET GLOBAL character_set_server = utf8mb4;

-- 2. 数据库级
CREATE DATABASE demo CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci;

-- 3. 表级
CREATE TABLE user (...) ENGINE=InnoDB
DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

-- 4. 列级
CREATE TABLE t (
    name VARCHAR(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_bin
);

连接字符集

客户端与服务器通信时，涉及三个字符集变量：

-- 客户端发送的 SQL 编码
SET character_set_client = utf8mb4;

-- 服务器接收后转换为此编码处理
SET character_set_connection = utf8mb4;

-- 服务器返回结果的编码
SET character_set_results = utf8mb4;

-- 一键设置：以上三个统一
SET NAMES utf8mb4;

乱码排查流程：

字符集对性能的影响

utf8mb4 比 latin1 占用更多存储空间，索引更大。
列使用不同类型时可以导致无法使用索引（隐式转换）。
_bin 排序规则比 _ci 更快，因为无需做大小写转换。

-- 隐式转换导致索引失效
CREATE TABLE user (
    name VARCHAR(50) CHARACTER SET utf8mb4
);
CREATE INDEX idx_name ON user(name);

-- ❌ 使用 different charset 的字符串对比
SELECT * FROM user WHERE name = '张三';   -- 正常使用索引

-- 但若 name 是 utf8mb4_bin，比较时用了 utf8mb4_general_ci，可能导致类型转换

最佳实践

# my.cnf 推荐配置（MySQL 8.0）
[mysqld]
character-set-server = utf8mb4
collation-server = utf8mb4_0900_ai_ci

[client]
default-character-set = utf8mb4

[mysql]
default-character-set = utf8mb4

-- 数据库、表都显式指定
CREATE DATABASE mydb CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci;

CREATE TABLE mytable (
    ...
) DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

-- 应用连接后执行
SET NAMES utf8mb4;

小结

MySQL 的 utf8 是阉割版（最多 3 字节），始终用 utf8mb4。
排序规则 _ci 大小写不敏感（默认），_bin 二进制比较最严，_cs 大小写敏感。
MySQL 8.0 默认 utf8mb4_0900_ai_ci，兼容性最佳。
字符集设置分四个层级：服务器、库、表、列，下层继承上层。
连接字符集 SET NAMES utf8mb4 防止乱码。
不同字符集的列对比可能导致索引失效。