MySQL字符集utf8和utf-8的关系

共计 1321 个字符，预计需要花费 4 分钟才能阅读完成。

什么是字符集(character set)

• 字符的二进制编码方式
• 二进制编码到一套字符的映射
• 二进制 -> 编码 -> 字符

校对规则(collation)

• 在字符集内用于比较字符的一套规则

ASCII 码

• 1 个字节由 8 个二进制位组成
• 1 个字节可表示 256 种不同的状态（256 个不同符号）
• ASCII 码规定了 128 个字符（英文字符和一些标点符号）的编码

Unicode 国际化支持

• 世界上存在多种编码方式，同一个二进制数字被解释成了不同的符号
• 现存 编码 不能在多语言环境中使用，诞生了 Unicode(统一码)
• 一个字符的 Unicode 编码是确定的
• Unicode 编码实现方式各不相同
• Unicode 的实现方式称为 Unicode 转化格式(UTF)

UTF-8

• UTF- 8 是 Unicode 的实现方式之一
• 其它实现方式还有 UTF-16, UTF-32
• 变长编码，一个符号使用 1~4 个字节表示
• utf8 是 MySQL 存储 Unicode 数据的一种可选方法

utf8

• MySQL 中实现了 UTF- 8 编码的 unicode 字符集
• MySQL 中 utf8 是 utf8mb3 的别名
• utf8 中，一个符号使用 1~3 个节点表示
• 对 UTF- 8 支持不彻底，可采用 utf8mb4 字符集

utf8 与 utf8mb4 的关系

• 都是实现了 UTF- 8 编码的 unicode 字符集
• utf8 仅支持基本多语言平面 Basic Multilingual Plane (BMP)
• utf8mb4 支持 BMP 之外的补充字符（如 emoji，emoji 是一种特殊的 Unicode 编码）
• utf8 一个字符最多使用 3 个字节存储，utf8mb4 一个字符最多使用 4 个字节存储
• 对于 BMP 字符，utf8 和 utf8mb4 具有相同的编码，相同的长度
• 对于非 BMP 字符，utf8mb4 使用 4 个字节来存储，utf8 不能存储非 BMP 字符
• innodb 中默认最大可对 767 个字节建立索引
• 使用 utf8 的列最多可对 255 个字符建立索引
• 使用 utf8mb4 的列最多可对 191 个字符建立索引

超集

• 字符集 A,B，B 支持的所有字符 A 都支持,A 是 B 超集
• 比如 GBK 字符集是 GB2312 字符集的超集，它们又都是 ASCII 字符集的超集
• utf8mb4 是 utf8 的超集

字符集设置

set names x 等价于

• set character_set_client=x;
• set character_set_connection=x;
• set character_set_results=x;

–default-character-set 用户连接时设置字符集 等价于

• set character_set_client=x;
• set character_set_connection=x;
• set character_set_result=x;
  init-connect=set names binary
• 让 client 和 server 交互的时候以 什么模式 (不做任何转化) 来传送

default-character-set

• 设置 [mysql] 和[client] 中的字符集

character-set-server

• 设置[mysqld] 进程的默认字符集

collation-server

• 设置[mysqld] 进程的默认校对规则
• utf8_general_ci 查找、排序不区分大小写
• utf8_bin 查找、排序区分大小写

：