【MySQL】字符集设置

较真点说，“字符集”指多个字符的合集，“字符编码”指对字符集中的字符进行编码的方式（方便信息传输）。

字符集 与 字符编码 是 1:N 的关系。

如，UTF-8 是针对 Unicode字符集 的一种编码方式。

在实际使用场景中，往往用 “字符集（Character Set）是xx” 来表示使用了哪种具体的 字符编码方式。

如 “此处使用的字符集是 UTF-8” 这句话其实是说 “此处使用了 Unicode 字符集，编码方式为 UTF-8”。

 

MySQL中的字符编码

在使用MySQL时，有多个数据传输点需要进行字符编码转换。每个转换点都有相应的系统变量来指示采用哪种字符编码。

 

字符集（编码）相关系统环境变量

可通过以下语句查询相关变量值。MySQL Workbench 中也有查看系统变量的界面。

show variables like 'character%';

 

变量名	值（示例）	含义
character_set_client	utf8	当前客户端所采用的字符编码。 用于解析客户端发出的语句。
character_set_connection	utf8	当前连接层所采用的字符编码。 用于解析未指定字符编码的文本，以及将数字转换为字符串。
character_set_database	utf8	当前所选默认数据库的字符编码。 如果选择另一个database作为默认数据库，该变量值也会随着改变； 如果未选择默认数据库，则该变量值取自 character_set_server
character_set_filesystem	binary	用于 解释（interpret）文件名字符串。 LOAD_FILE() 这类方法就会用到。 文件名会从 character_set_client 转换为 character_set_filesystem。 默认值为 binary，这意味着无需转换。
character_set_results	utf8	当前采用的查询结果字符编码。 MySQL向客户端返回查询结果时，会将结果数据按此编码方式编码。
character_set_server	utf8	MySQL服务端的默认字符编码。
character_set_system	utf8	MySQL服务端用于存储 标识符（identifier） 的字符编码。 该变量值永远为 utf8
character_sets_dir	/opt/mysql/share/charsets/	字符集（字符编码）的安装路径

 

MySQL支持的字符集（字符编码）

可通过以下语句查询MySQL支持的字符集（字符编码）：

show character set;

 

MySQL字符编码转换

 

字符集（字符编码）设置准则

设置字符集（字符编码）是为了在方便使用的情况下，尽可能减少字符编码方式转换。

• Column（字段）的字符集：业务需要存什么字符类型，就选什么字符集。

  MySQL采用类似继承的方式指定Table的默认字符集。
  每个 database 和 table 都有自己的字符集。
  如果未显式指定 column 的字符集，column 将采用所在 table 的字符集；
  如果未显式指定 table 的字符集，table 将采用所在 database 的字符集；
  如果未显式指定 databae 的字符集，database 将采用MySQL Server的字符集。

• 根据客户端的实际需要选择 character_set_client、character_set_connection、character_set_results
• character_set_client 与 character_set_connection 保持一致。

实际上，各种MySQL客户端工具框架一般都会让这三个值保持一致：character_set_client、character_set_connection、character_set_results。如，MySQL自带的命令行客户端允许用户设置启动参数 “default_character_set”，上述三个变量都会使用该值。

因为国际化（支持各种字符）是很常见的需要，所以绝大多数系统都采用 UTF-8。

关于为了支持表情符等特殊字符（非BMP）而使用 utf8mb4：这也许是见仁见智的选择。有些人选择 utf8mb4，也有些人选择自己搞一套特殊的“编码”规则（在应用程序端有额外的编解码操作）。

 

MySQL字符校对规则（Collation）

字符校对规则是用于字符比较和排序的一套规则。MySQL中，每种字符编码都有对应的默认校对规则。可通过以下语句查看MySQL支持的Collation：

show collation;

 

utf8_general_ci 和 utf8_unicode_ci 是两个典型的 Collation。两者都是大小写不敏感的。虽然 utf8_general_ci 可以使性能更好一点点，但对于绝大多数应用而言，这并不是性能瓶颈，对整体性能而言其提升效果微不足道。所以对于语言字符范围非常广的业务场景，还是推荐用 utf8_unicode_ci 以获得更好的支持。
（utf8_bin 是大小写敏感的。）

另外，很多人推荐使用 utf8mb4。其对应的校对规则可选 utf8mb4_unicode_ci