今天忽然被同事問到，MySql 裏的 uft8 與 utf8mb4 究竟有什麼區別，當時我也是一臉問號，所以特意去了解了一下。android
<!-- more -->ios
字符集
uft8 與 utf8mb4 其實指的是 MySQL 中的字符集，那到底什麼是字符集呢？git
概念
不少人經常會把字符、字符集、字符編碼的概念混爲一談，今天咱們仔細來看看。github
何爲字符？算法
字符（Charcter）是文字與符號的總稱，包括文字、圖形符號、數學符號等。26個英文字母屬於字符，每一個漢字也屬於一個字符。學習
那麼什麼叫字符集？編碼
字符集是一組抽象的字符（Charcter）組合的集合。舉一個例子，全部的漢字就算一個「字符集合」， 全部的英語字母也算一個「字符集合」。 注意，我這裏說它們是字符集合，並且還有雙引號。是由於字符集並不簡單的是字符的集合， 準確概述來講，字符集是一套符號和編碼的規則。 字符集須要以某種字符編碼方式來表示、存儲字符。咱們知道，計算機內部，全部信息最終都是一個二進制值。每個二進制位（bit）有0和1兩種狀態。而若是用不一樣的0和1組合表示不一樣的字符就是編碼。url
那什麼叫字符編碼呢？.net
字符最終是以二進制形式存儲在磁盤的，這也是爲何要有字符編碼的緣由，由於計算機最終都要以二進制形式存儲，那麼編碼規則就是用什麼樣的二進制來表明這個字符。例如，咱們所熟知的ASCII碼錶中，01000011這個二進制對應的十進制是67，它表明的就是英語字母C。準確概述來講，字符編碼方式是用一個或多個字節的二進制形式表示字符集中的一個字符。每種字符集都有本身特有的編碼方式，所以同一個字符，在不一樣字符集的編碼方式下，可能會產生不一樣的二進制形式。code
既然咱們經知道了 utf8 與 utf8mb4 都是一種字符集，那兩種到底有什麼區別呢？
utf8
MySQL 在創立時使用的字符集就是 utf8。首先它能存儲下大部分的中文漢字，對於咱們正常使用確定是綽綽有餘的。
它由三個字節組成，能組成的最大 Unicode 字符是0xffff，也就是 Unicode 中的基本多文種平面（BMP）。
也就是說，任何不在基本多文本平面的 Unicode 字符，都沒法使用 MySQL 的 utf8 字符集存儲。
utf8mb4
MySQL 在5.5.3以後增長了這個utf8mb4的編碼，mb4就是most bytes 4的意思，專門用來兼容四字節的 Unicode。
新增的一個字節，可讓它支持包括 Emoji 表情（Emoji 是一種特殊的 Unicode 編碼，常見於 ios 和 android 手機上），和不少不經常使用的漢字，以及任何新增的 Unicode 字符等等。
使用
我以爲，爲了獲取更好的兼容性，應該老是使用 utf8mb4 而非 utf8。
對於 CHAR 類型數據，utf8mb4 會多消耗一些空間，根據 MySQL 官方建議，可使用 VARCHAR 替代 CHAR。
排序規則
建立庫的時候，咱們常常會使用語句：
CREATE DATABASE dbname DEFAULT CHARSET utf8 COLLATE utf8_general_ci;
既然咱們知道了CHARSET是表明字符集，那麼COLLATE又表明什麼呢？它表明着排序規則。
概念
MySQl的排序規則（collation），通常指對字符集中字符串之間的比較、排序制定的規則， MySLQ排序規則特徵：
o 兩個不一樣的字符集不能有相同的校對規則；
o 每一個字符集有一個默認校對規則；
o 存在校對規則命名約定：以其相關的字符集名開始，中間包括一個語言名，而且以_ci（大小寫不敏感）、_cs（大小寫敏感）或_bin（二元）結束。
其實對於排序規則的細節問題，咱們關注較少，反而對排序規則中是否涉及大小寫敏感關注較多。
例如，系統使用 utf8 字符集，若使用 utf8_bin 排序規則，執行 SQL 查詢時區分大小寫。使用 utf8_general_ci 不區分大小寫(默認的 utf8 字符集對應的校對規則是 utf8_general_ci)。
utf8_unicode_ci 與 utf8_general_ci 的區別
當前，utf8_unicode_ci 校對規則僅部分支持 Unicode 校對規則算法。一些字符仍是不能支持。而且，不能徹底支持組合的記號。這主要影響越南和俄羅斯的一些少數民族語言，如：Udmurt 、Tatar、Bashkir和Mari。
utf8_unicode_ci 的最主要的特點是支持擴展，即當把一個字母看做與其它字母組合相等時。例如，在德語和一些其它語言中‘ß’等於‘ss’。
utf8_general_ci 是一個遺留的校對規則，不支持擴展。它僅可以在字符之間進行逐個比較。這意味着 utf8_general_ci 校對規則進行的比較速度很快，可是與使用 utf8_unicode_ci 的校對規則相比，比較正確性較差）。
使用
對於一種語言僅當使用 utf8_unicode_ci 排序作的很差時，才執行與具體語言相關的utf8字符集 校對規則。例如，對於德語和法語，utf8_unicode_ci 工做的很好，所以再也不須要爲這兩種語言建立特殊的 utf8 校對規則。
utf8_general_ci 也適用與德語和法語，除了‘ß’等於‘s’，而不是‘ss’以外。若是你的應用可以接受這些，那麼應該使用 utf8_general_ci，由於它速度快。不然，使用 utf8_unicode_ci，由於它比較準確。
總結
想不到 DB 建立語句中的CHARSET 與 COLLATE 都有這麼大的學問，碼農的學習之路真的是一刻都不能中止。
有興趣的話能夠訪問個人博客或者關注個人公衆號、頭條號，說不定會有意外的驚喜。 https://death00.github.io/ 公衆號：健程之道 