utf8_unicode_ci和utf8mb4_0900_ai_ci之间有什么区别？

Question

在 MySQL 中，utf8mb4_0900_ai_ci 和 utf8_unicode_ci 数据库文本编码有什么区别（尤其是在性能方面）？

更新：

utf8mb4_unicode_ci 和 utf8mb4_0900_ai_ci 之间是否存在类似的差异？

- Kamil Kiełczewski

---

这是关于数据排序方式的对比规则。mbX 意为多字节（用 X 字节存储一个字符）, 0900 是对比算法，ai 表示不区分重音，ci 表示不区分大小写。 - marekful

Answer 1

• 编码是相同的。也就是说，字节看起来是一样的。
• 字符集是不同的。utf8mb4拥有更多的字符。
• 排序规则（比较方式）是不同的。
• 性能是不同的，但很少有影响。

utf8_unicode_ci表示CHARACTER SET utf8，它只包含1、2和3字节的UTF-8字符。因此，它不包括大多数表情符号和一些中文字符。

utf8mb4_unicode_ci表示CHARACTER SET utf8mb4是4字节CHARACTER SET utf8mb4的相应COLLATION。

Unicode组织多年来一直在演变其规范。以下是从其“版本”到MySQL排序规则的映射：

4.0   _unicode_
5.2.0 _unicode_520_ (Unicode 2009; MySQL GA 5.6 2013)
9.0   _0900_
14.0  _uca1400_ai_ci etc.  as/ai and cs/ci (MariaDB-10.10, not MySQL)

大多数差异将出现在大多数人从未遇到的领域。一个例子是：在某个时候，一项变更允许以某种方式区分和排序Emoji。

后缀（MySQL文档）：

_bin      -- just compare the bits; don't consider case folding, accents, etc
_ci       -- explicitly case insensitive (A=a) and implicitly accent insensitive (a=á)
_ai_ci    -- explicitly case insensitive and accent insensitive
_as (etc) -- accent-sensitive (etc)

表现：

_bin         -- simple, fast
_general_ci  -- fails to compare multiple letters; eg ss=ß, so somewhat fast
...          -- slower
_900_        -- (8.0) much faster because of a rewrite

然而：在查询中，整理速度通常是性能问题中最不重要的。索引、连接、子查询、表扫描等对性能的影响更为关键。

- Rick James

---

utf8mb4_unicode_ci 和 utf8mb4_0900_ai_ci 之间存在类似的差异吗？ - Kamil Kiełczewski

@KamilKiełczewski - 是的。 - Rick James

@BugWhisperer - "utf8mb4" 最大的字符长度为4个字节。这适用于所有 utf8mb4 的排序规则（"utf8mb4_*"，包括那个）。 - Rick James

@Stalinko - 来自OracleOpenWorld。一个开发者指出8.0对排序代码进行了大幅重写，并指出它运行速度更快。（我还没有设计出现实的测试用例来验证或量化这种加速。） - Rick James

@Stalinko - 在转换之前和之后测量时间。然后告诉我们。 - Rick James