[译文] MySQL：字符集、Unicode 和 UCA 兼容的排序规则

在 MySQL 8.0（MySQL 数据库服务又名 MDS 的版本）中，默认字符集已从latin1更改为ut8mb4。默认排序规则是utf8mb4_0900_ai_ci但这意味着什么？为什么utf8mb4_0900_*是推荐的？

诸如utf8mb4_unicode_520_ci和utf8mb4_0900_ai_ci 之类的整理基于Unicode 整理算法(UCA)。归类中的数字定义了 UCA 版本：

• hUCA 9.0.0（推荐）
  示例：utf8mb4_0900_ai_ci
• UCA 5.2.0（不推荐，请参阅下面的问题）
  示例：utf8mb4_unicode_520_ci

MySQL 8.0 中的默认排序规则是utf8mb4_0900_ai_ci

现在让我们看看这些排序规则的用途。我们从创建这样的表开始：

CREATE TABLE
collation_ex
(

PRIMARY KEY (
id
)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci


我们可以看到我们有 3 个使用不同排序规则的 varchar 列，其中前两个是 UCA 兼容的（即使第二个更少）。

让我们看看该表的内容：

现在让我们看看使用这些 varchar 列对它们进行排序时的区别：

我们可以看到不同之处，并注意到使用默认 MySQL 8.0 排序规则（第一列上的utf8mb4_0900_ai_ci）进行排序是给出正确 结果的排序。这种符合 UCA 的归类将不同的“a”排序为“a”。我们还可以注意到日文字符排序的不同。

有关 MySQL 中 UCA 支持的更多信息以及为什么正确结果很重要，请查看我的工程团队同事之前的帖子：

寿司=啤酒？！MySQL 8.0 对 UTF8 支持的介绍
MySQL 8.0 排序规则：细节决定成败

让我们再看一个西里尔字符的例子来说明 Unicode 5.2 和 9.0 之间的区别：

当然，如果不展示著名的Shushi = Beer示例，我就无法写一篇关于字符集和排序规则的博客文章：

如果您不记得排序规则名称中的_as和_ci是什么意思，这意味着区分重音和不区分大小写。
Unicode 字符集上的重音敏感性可以用一些单词来说明，其中它的重要性：

我希望这能澄清为什么使用符合 UCA 的排序规则（MySQL 8.0 中的默认设置）很重要，以及为什么我们专注于那些而不是不再关注不符合 UCA 的旧 utf8 排序规则。

目前 MySQL 8.0 支持 49 个与 UCA 9.0.0 兼容的 utf8mb4 排序规则。要获取列表，只需运行以下语句：

mysql> show collat​​ion like 'u%900%';


总之：我们建议使用：

• utf8mb4_0900_ *
• utf8mb4_bin请不要使用：
• utf8_*（不支持表情符号，缺少 CJK 字符等）
• utf8mb3（不支持表情符号，缺少 CJK 字符等）
• utf8mb4_general_ci（有像上面解释的 Sushi-Beer 这样的问题）
• utf8mb4_unicode_ci（有像上面解释的 Sushi-Beer 那样的问题）
• utf8mb4_unicode_520_ci :（有像 Mother-Daddy issue 这样的问题，对于日语来说就像它匹配 p 音和 b 音的字符而无法解决）