utf8mb4_unicode_ci 和 utf8mb4_0900_ai_ci 有什么区别

Question

mysql中

utf8mb4_0900_ai_ci

和

utf8_unicode_ci

数据库文本编码有什么区别（特别是在性能方面）？

更新：

utf8mb4_unicode_ci 和 utf8mb4_0900_ai_ci 之间有类似的区别吗？

Answer 1

• 编码是相同的。也就是说，字节看起来是一样的。
• 字符集不同。 utf8mb4 有更多字符。
• 排序规则（如何进行比较）是不同的。
• 性能不同，但并不重要。

utf8_unicode_ci

表示

CHARACTER SET utf8

，仅包含 1、2 和 3 字节 UTF-8 字符。因此它排除了大多数表情符号和一些汉字。

utf8mb4_unicode_ci

意味着

CHARACTER SET utf8mb4

是 4 字节

COLLATION

对应的

CHARACTER SET utf8mb4

。

Unicode 组织多年来一直在不断发展该规范。以下是从其“版本”到 MySQL 排序规则的映射：

4.0   _unicode_
5.2.0 _unicode_520_ (Unicode 2009; MySQL GA 5.6 2013)
9.0   _0900_
14.0  _uca1400_ai_ci etc.  as/ai and cs/ci (MariaDB-10.10, not MySQL)

大多数差异将出现在大多数人从未遇到过的领域。一个例子：在某些时候，一项更改允许表情符号以某种方式进行区分和排序。

后缀（MySQL 文档）：

_bin      -- just compare the bits; don't consider case folding, accents, etc
_ci       -- explicitly case insensitive (A=a) and implicitly accent insensitive (a=á)
_ai_ci    -- explicitly case insensitive and accent insensitive
_as (etc) -- accent-sensitive (etc)

性能：

_bin         -- simple, fast
_general_ci  -- fails to compare multiple letters; eg ss=ß, so somewhat fast
...          -- slower
_900_        -- (8.0) much faster because of a rewrite

但是：排序速度通常是查询中最不重要的性能问题。

INDEXes

、

JOINs

、子查询、表扫描等对性能更为关键。