不可忽视的MySQL字符集

[[389232]]

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。