详解MYSQL中COLLATE的作用及各种COLLATE区别

概述详解MYSQL中COLLATE的作用及各种COLLATE区别 MysqL中的ColLATE是什么？

在MysqL中执行show create table <tablename>指令，可以看到一张表的建表语句，example如下：

CREATE table `table1` (    `ID` bigint(20) unsigned NOT NulL auto_INCREMENT,    `fIEld1` text ColLATE utf8_unicode_ci NOT NulL COMMENT '字段1',    `fIEld2` varchar(128) ColLATE utf8_unicode_ci NOT NulL DEFAulT '' COMMENT '字段2',    PRIMARY KEY (`ID`)) ENGINE=InnoDB DEFAulT CHARSET=utf8mb4 ColLATE=utf8_unicode_ci;

大部分字段我们都能看懂，但是今天要讨论的是ColLATE关键字。这个值后面对应的utf8_unicode_ci是什么意思呢？面试的时候用这个题目考一考DBA，应该可以难倒一大部分人。

ColLATE是用来做什么的？

使用phpmyadmin的开发可能会非常眼熟，因为其中的中文表头已经给出了答案：

phpmyadmin截图

所谓utf8_unicode_ci，其实是用来排序的规则。对于MysqL中那些字符类型的列，如VARCHAR，CHAR，TEXT类型的列，都需要有一个ColLATE类型来告知MysqL如何对该列进行排序和比较。简而言之，ColLATE会影响到ORDER BY语句的顺序，会影响到WHERE条件中大于小于号筛选出来的结果，会影响**disTINCT**、**GROUP BY**、**HAVING**语句的查询结果。另外，MysqL建索引的时候，如果索引列是字符类型，也会影响索引创建，只不过这种影响我们感知不到。总之，凡是涉及到字符类型比较或排序的地方，都会和ColLATE有关。

各种ColLATE的区别

ColLATE通常是和数据编码（CHARSET）相关的，一般来说每种CHARSET都有多种它所支持的ColLATE，并且每种CHARSET都指定一种ColLATE为默认值。例如latin1编码的默认ColLATE为latin1_swedish_ci，GBK编码的默认ColLATE为gbk_chinese_ci，utf8mb4编码的默认值为utf8mb4_general_ci。

这里顺便讲个题外话，MysqL中有utf8和utf8mb4两种编码，在MysqL中请大家忘记**utf8**，永远使用**utf8mb4**。这是MysqL的一个遗留问题，MysqL中的utf8最多只能支持3bytes长度的字符编码，对于一些需要占据4bytes的文字，MysqL的utf8就不支持了，要使用utf8mb4才行。

很多ColLATE都带有_ci字样，这是Case Insensitive的缩写，即大小写无关，也就是说"A"和"a"在排序和比较的时候是一视同仁的。selection * from table1 where fIEld1="a"同样可以把fIEld1为"A"的值选出来。与此同时，对于那些_cs后缀的ColLATE，则是Case Sensitive，即大小写敏感的。

在MysqL中使用show collation指令可以查看到MysqL所支持的所有ColLATE。以utf8mb4为例，该编码所支持的所有ColLATE如下图所示。

MysqL中和utf8mb4相关的所有ColLATE

图中我们能看到很多国家的语言自己的排序规则。在国内比较常用的是utf8mb4_general_ci（默认）、utf8mb4_unicode_ci、utf8mb4_bin这三个。我们来探究一下这三个的区别：

首先utf8mb4_bin的比较方法其实就是直接将所有字符看作二进制串，然后从最高位往最低位比对。所以很显然它是区分大小写的。

而utf8mb4_unicode_ci和utf8mb4_general_ci对于中文和英文来说，其实是没有任何区别的。对于我们开发的国内使用的系统来说，随便选哪个都行。只是对于某些西方国家的字母来说，utf8mb4_unicode_ci会比utf8mb4_general_ci更符合他们的语言习惯一些，general是MysqL一个比较老的标准了。例如，德语字母“ß”，在utf8mb4_unicode_ci中是等价于"ss"两个字母的（这是符合德国人习惯的做法），而在utf8mb4_general_ci中，它却和字母“s”等价。不过，这两种编码的那些微小的区别，对于正常的开发来说，很难感知到。本身我们也很少直接用文字字段去排序，退一步说，即使这个字母排错了一两个，真的能给系统带来灾难性后果么？从网上找的各种帖子讨论来说，更多人推荐使用utf8mb4_unicode_ci，但是对于使用了默认值的系统，也并没有非常排斥，并不认为有什么大问题。结论：推荐使用utf8mb4_unicode_ci，对于已经用了utf8mb4_general_ci的系统，也没有必要花时间改造。

另外需要注意的一点是，从MysqL 8.0开始，MysqL默认的CHARSET已经不再是latin1了，改为了utf8mb4（参考链接），并且默认的ColLATE也改为了utf8mb4_0900_ai_ci。utf8mb4_0900_ai_ci大体上就是unicode的进一步细分，0900指代unicode比较算法的编号（ Unicode Collation Algorithm version），ai表示accent insensitive（发音无关），例如e, è, é, ê 和 ë是一视同仁的。相关参考链接1，相关参考链接2

ColLATE设置级别及其优先级

设置ColLATE可以在示例级别、库级别、表级别、列级别、以及sql指定。实例级别的ColLATE设置就是MysqL配置文件或启动指令中的collation_connection系统变量。

库级别设置ColLATE的语句如下：

CREATE DATABASE <db_name> DEFAulT CHaraCTER SET utf8mb4 ColLATE utf8mb4_unicode_ci;

如果库级别没有设置CHARSET和ColLATE，则库级别默认的CHARSET和ColLATE使用实例级别的设置。在MysqL8.0以下版本中，你如果什么都不修改，默认的CHARSET是latin1，默认的ColLATE是latin1_swedish_ci。从MysqL8.0开始，默认的CHARSET已经改为了utf8mb4，默认的ColLATE改为了utf8mb4_0900_ai_ci。

表级别的ColLATE设置，则是在CREATE table的时候加上相关设置语句，例如：

CREATE table (……) ENGINE=InnoDB DEFAulT CHARSET=utf8mb4 ColLATE=utf8mb4_unicode_ci;

如果表级别没有设置CHARSET和ColLATE，则表级别会继承库级别的CHARSET与ColLATE。

列级别的设置，则在CREATE table中声明列的时候指定，例如

CREATE table (`fIEld1` VARCHAR（64） CHaraCTER SET utf8mb4 ColLATE utf8mb4_general_ci NOT NulL DEFAulT '',……) ……

如果列级别没有设置CHARSET和ColATE，则列级别会继承表级别的CHARSET与ColLATE。

最后，你也可以在写SQL查询的时候显示声明ColLATE来覆盖任何库表列的ColLATE设置，不太常用，了解即可：

SELECT disTINCT fIEld1 ColLATE utf8mb4_general_ci FROM table1;SELECT fIEld1, fIEld2 FROM table1 ORDER BY fIEld1 ColLATE utf8mb4_unicode_ci;

如果全都显示设置了，那么优先级顺序是 SQL语句 > 列级别设置 > 表级别设置 > 库级别设置 > 实例级别设置。也就是说列上所指定的ColLATE可以覆盖表上指定的ColLATE，表上指定的ColLATE可以覆盖库级别的ColLATE。如果没有指定，则继承下一级的设置。即列上面没有指定ColLATE，则该列的ColLATE和表上设置的一样。

总结

以上是内存溢出为你收集整理的详解MYSQL中COLLATE的作用及各种COLLATE区别全部内容，希望文章能够帮你解决详解MYSQL中COLLATE的作用及各种COLLATE区别所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。