MySQL的字符集从latin1经过utf8 到utf8mb4 ，算是经历曲折的路线。特别是从使用一个字符集变更另一个字符集时，实践当中都非常无奈,不是没办法，而是麻烦。到了MySQL8.0多出了一个字符集utf8mb4_0900_*的字符集，有必要了解一下。
1. 字符集基础
先了解下MySQL字符集都有哪些地方使用，进入数据库VARIABLES参数一目了然：
- mysql> SHOW VARIABLES WHERE variable_name LIKE '%character%' OR variable_name LIKE '%collation%' ;
- +
- | Variable_name | Value |
- +
- | character_set_client | utf8mb4 |
- | character_set_connection | utf8mb4 |
- | character_set_database | utf8mb4 |
- | character_set_filesystem | binary |
- | character_set_results | utf8mb4 |
- | character_set_server | utf8mb4 |
- | character_set_system | utf8 |
- | character_sets_dir | /opt/idc/mysql8.0.23/share/charsets/ |
- | collation_connection | utf8mb4_bin |
- | collation_database | utf8mb4_bin |
- | collation_server | utf8mb4_bin |
- | default_collation_for_utf8mb4 | utf8mb4_0900_ai_ci |
- +
从上面client，connection，database，results层层环节扣着，任何一个环节的字符集不兼容都会出现乱码问题。
MySQL8.0 utf8mb4 Unicode字符集一个新的通用排序归类，被命名为utf8mb4_0900_ai_ci。MySQL 8.0默认的是utf8mb4_0900_ai_ci，属于 utf8mb4_unicode_ci中的一种。
这些字段每个意义，代表着什么含义：
- uft8mb4 表示用 UTF-8 编码方案，每个字符最多占4个字节。
- utf8mb3也是Unicode字符集的UTF-8编码，每个字符使用一到三个字节。(utf8: utf8mb3的别名)
- 0900 就是Unicode 校对算法版本。(Unicode归类算法是用于比较符合Unicode标准要求的两个Unicode字符串的方法)。
- ai指的是口音不敏感。也就是说，排序时e，è，é，ê和ë之间没有区别，不区分重音。
- ci表示不区分大小写。排序时p和P之间没有区别。
再了解一下一些场景下 utf8 和 utf8mb4 的问题点：
utf8编码最多支持3字节的数据，而emoji表情符， 偏生字是4个字节的utf8无法存储的，致辞延伸出utf8mb4字符集解决这个问题。
日常常用的字符集：
- utf8mb4_bin：将字符串每个字符用二进制数据编译存储，区分大小写，而且可以存二进制的内
- utf8mb4_general_ci：ci即case insensitive，不区分大小写。没有实现Unicode排序规则，在遇到某些特殊语言或字符集，排序结果可能不一致。但在绝大多数情况下，这些特殊字符的顺序并不需要那么精确。
utf8mb4_unicode_ci：是基于标准的Unicode来排序和比较，能够在各种语言之间精确排序，Unicode排序规则为了能够处理特殊字符的情况，实现了略微复杂的排序算法。
2. 字符集配置
mysql字符集如何设置，更改操作：
1)my.cnf配置文件信息，建议初始化时就设置好。
[mysqld]
character-set-server = utf8mb4
collation-server = utf8mb4_unicode_ci
character-set-client-handshake = FALSE #此处是忽略客户端的字符集，使用服务器的设置
2)init_connect=‘SET NAMES utf8mb4’ #服务器为每个连接的客户端执行的字符串,对于一些超级管理源就不生效的
3)字符集变更，包含库，表，column的变更。都可以完全的拥有自己的字符集。
- ##更改DATABASE
- ALTER DATABASE `db1` DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci
-
- ##更改TABLE
- ALTER TABLE `t1` DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci
-
- ##更改column字段
- ALTER TABLE `t1` modify `name` varchar(80) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci COMMENT '昵称';
4)日常字符集检查工作：
- SELECT b.SCHEMA_NAME, b.DEFAULT_CHARACTER_SET_NAME, b.DEFAULT_COLLATION_NAME ,a.TABLE_NAME,
- a.TABLE_COLLATION
- FROM information_schema.SCHEMATA b left join information_schema.TABLES a
- on b.SCHEMA_NAME =a. TABLE_SCHEMA
- WHERE b.SCHEMA_NAME not in ('information_schema' ,'mysql','performance_schema', 'sys')
- ORDER BY TABLE_SCHEMA,TABLE_NAME ;
通过多方便设置，更改操作，检查。字符集不再是隐藏问题。
3. 字符集对于数据库的影响
字符集对整个数据库影响面还是比较可观的。库更改 对于原先存在的表字段 都不影响 依次类推。所以数据库>表>字段 都可以单独设置字符集。
常见问题1：有索引 没有走 因为进行了 字符集隐式转换
常见问题2：在尾随空格方面不同
字符串值(CHAR、VARCHAR和TEXT)的比较与其他排序规则在尾随空格方面不同。For example, ‘a’ and 'a ’ 作为不同的字符串比较，而不是相同的字符串。
对于字符集排序来说，字符串末尾的空格也有对应的处理。
- mysql> SELECT COLLATION_NAME, PAD_ATTRIBUTE FROM INFORMATION_SCHEMA.COLLATIONS
- WHERE CHARACTER_SET_NAME = 'utf8mb4';
- +
- | COLLATION_NAME | PAD_ATTRIBUTE |
- +
- | utf8mb4_general_ci | PAD SPACE |
- | utf8mb4_bin | PAD SPACE |
- | utf8mb4_unicode_ci | PAD SPACE |
- | utf8mb4_icelandic_ci | PAD SPACE |
- | utf8mb4_latvian_ci | PAD SPACE |
- | .........
- | utf8mb4_0900_ai_ci | NO PAD |
- | utf8mb4_de_pb_0900_ai_ci | NO PAD |
- | utf8mb4_0900_bin | NO PAD |
- +
注意：在选择使用utf8mb4_0900 字符集之后空格 就需要处理。
常见问题3：对于数据的大小写敏感
除了lower_case_table_names之外，怎样有效使用大小写字符集设置，采用ut8mb4_bin字符集 既可，查询和数据插入解决。
常见问题4：表情符，偏生字
常见错误代码:1366 Incorrect string value: ‘\\xF0\\x9F\\x99\\x82’ for column ‘name’ at row 2
指定Utf8mb4字符集，再配合character-set-client-handshake属性
备注：对于JDBC来说没有utf8mb4这样的字符集说法。
4. 总结
从初期安装开始，就需要配置好字符集，8.0版本的utf8mb4_0900目前为止也没有类似的bug之类的，但还需要谨慎使用。选择utf8mb4_unicode_ci即可。
一件件小事，积累起来就是变成大事。
这种数据集合具有如下特点：尽可能不重复，以最优方式为某个特定组织的多种应用服务，其数据结构独立于使用它的应用程序，对数据的增、删、改、查由统一软件进行管理和控制。从发展的历史看，数据库是数据管理的高级阶段，它是由文件管理系统发展起来的。
4945 人在学
粤公网安备44010602001432号