MySQL 8.0 创建数据库，该如何选择字符集：utf8mb4 还是 utf8mb3

在 MySQL 8.0 中创建数据库时，选择正确的字符集和排序规则非常重要。这关系到你的数据库能否正确存储和处理各种语言的字符，特别是像表情符号（emoji）这样的特殊字符。

1.核心推荐（MySQL 8.0 及以后版本）

• 字符集（Character Set）：强烈推荐选择utf8mb4。

• 排序规则（Collation）：推荐选择utf8mb4_0900_ai_ci（这是 MySQL 8.0 的默认排序规则）。

2.为什么选择utf8mb4而不是utf8mb3（或其他）

2.1 utf8mb3（历史上的utf8）

• 含义：使用最多 3 个字节来存储一个字符。

• 覆盖范围：只能存储 Unicode 基本多文种平面（Basic Multilingual Plane,BMP）中的字符，包括绝大部分常用的语言字符（如拉丁字母、西里尔字母、大部分中日韩字符等）。

• 缺点：无法存储需要 4 个字节的 Unicode 字符，最常见的例子就是表情符号（emoji），还有一些不常用的汉字、数学符号、音乐符号等。

• 历史：在 MySQL 5.5.3 之前，MySQL 中的utf8实际上就是utf8mb3的别名。为了避免混淆并明确支持完整的 UTF-8，MySQL 后来引入了utf8mb4并将旧的utf8指向utf8mb3。在 MySQL 8.0 中，utf8mb3被视为遗留字符集。

2.2 utf8mb4

• 含义：使用最多 4 个字节来存储一个字符。

• 覆盖范围：能够存储所有 Unicode 字符，包括 BMP 字符和辅助平面（Supplementary Planes）中的字符（如 emoji 和罕见字符）。

• 优点：提供了最广泛的字符支持，是真正意义上的 UTF-8 实现，能够适应现代互联网应用的需求（尤其是移动端 emoji 的广泛使用）。

• MySQL 8.0 默认值：从 MySQL 8.0 开始，utf8mb4及其对应的排序规则utf8mb4_0900_ai_ci成为了默认的字符集和排序规则，这表明了官方的推荐方向。

2.3 其他字符集（如latin1、gbk等）

• latin1（ISO 8859-1）：主要支持西欧语言，无法存储中文、日文、韩文、emoji 等。

• gbk：主要用于简体中文，但不是国际标准，不支持繁体中文、日韩文、emoji 等。

• 这些字符集在需要支持多语言或现代字符（如 emoji）的场景下，兼容性远不如utf8mb4，不推荐在新项目中使用。

3.总结utf8mb3vsutf8mb4的关键区别

特性 utf8mb3（旧称 utf8） utf8mb4 最大字节数 3 字节 4 字节 Unicode 范围 基本多文种平面（BMP） 所有 Unicode 字符（包括辅助平面） Emoji 支持 不支持 支持 MySQL 8.0 推荐 不推荐（视为遗留） 强烈推荐（默认值）

4.关于排序规则（Collation）

排序规则定义了字符集内字符的比较和排序方式。它会影响ORDER BY、GROUP BY、字符串比较（=,>,<等）以及索引的使用。

• utf8mb4_0900_ai_ci：这是 MySQL 8.0 推荐的utf8mb4默认排序规则。

• 0900：指的是基于 Unicode Collation Algorithm(UCA)9.0.0 版本，提供了更准确、更符合现代语言习惯的排序。

• ai：Accent Insensitive（不区分重音符号）。例如，‘a’和‘á’在比较时被视为相等。

• ci：Case Insensitive（不区分大小写）。例如，‘a’和‘A’在比较时被视为相等。

• 其他常见排序规则：

• utf8mb4_general_ci：较旧的排序规则，排序准确性不如_0900_系列，但可能在某些旧场景下性能稍快（差异通常不显著）。不推荐在新项目使用。

• utf8mb4_unicode_ci：比_general_ci更准确一些，但也不如_0900_系列。

• utf8mb4_bin：二进制排序。直接比较字符的二进制值，区分大小写、重音，速度最快，但排序结果可能不符合人类语言习惯。

• utf8mb4_xxxx_as_cs：as（Accent Sensitive）表示区分重音，cs（Case Sensitive）表示区分大小写。根据需要选择。

• 特定语言的排序规则（如utf8mb4_ja_0900_as_csfor Japanese）。

5.选择建议

• 对于绝大多数新项目，直接使用 MySQL 8.0 的默认设置：CHARACTER SET utf8mb4和COLLATE utf8mb4_0900_ai_ci。这提供了最好的兼容性和最准确的通用排序规则（不区分大小写和重音）。

• 如果你需要区分大小写或重音进行比较和排序，可以选择对应的_cs或_as排序规则，例如utf8mb4_0900_as_cs。

• 除非有非常明确的理由（如与极旧的系统兼容），否则避免使用utf8mb3。

6.如何在创建数据库时指定

CREATE DATABASE your_database_name
CHARACTER SET utf8mb4
COLLATE utf8mb4_0900_ai_ci;

如果你不指定，MySQL 8.0 会自动使用服务器配置的默认值，通常就是utf8mb4和utf8mb4_0900_ai_ci。

总之，在 MySQL 8.0 中，请优先并放心地选择utf8mb4字符集和utf8mb4_0900_ai_ci（或其他utf8mb4_0900_xx_xx）排序规则，以确保最佳的兼容性和功能性。

---

原文链接：MySQL 8.0 创建数据库，该如何选择字符集，是选择 utf8mb4 还是 utf8mb3