字符集和排序规则到底是什么意思？

从 MySQL docs：

字符集是一组符号和编码。排序规则是一组用于比较字符集中的字符的规则。让我们通过一个假想字符集的例子来明确区分。假设我们有一个包含四个字母的字母表：“A”、“B”、“a”、“b”。我们给每个字母一个数字：'A' = 0, 'B' = 1, 'a' = 2, 'b' = 3。字母'A'是一个符号，数字0是'A'的编码, 所有四个字母及其编码的组合是一个字符集。现在，假设我们要比较两个字符串值“A”和“B”。最简单的方法是查看编码：0 表示“A”，1 表示“B”。因为 0 小于 1，所以我们说“A”小于“B”。现在，我们刚刚做的是对我们的字符集应用排序规则。排序规则是一组规则（在这种情况下只有一个规则）：“比较编码”。我们将所有可能的排序规则中最简单的称为二进制排序规则。但是如果我们想说小写字母和大写字母是等价的呢？那么我们至少有两条规则：（1）将小写字母'a'和'b'视为等同于'A'和'B'； (2) 然后比较编码。我们称之为不区分大小写的排序规则。它比二进制排序规则复杂一点。在现实生活中，大多数字符集都有许多字符：不仅仅是“A”和“B”，而是整个字母表，有时是多个字母表或具有数千个字符的东方书写系统，以及许多特殊符号和标点符号。同样在现实生活中，大多数排序规则都有许多规则：不仅不区分大小写，而且不区分重音（“重音”是附加到字符上的标记，如德语中的 'ö'）和多字符映射（例如 ' ö' = 'OE' 在两个德语排序规则之一中）。

---

character encoding 是一种对字符进行编码以使其适合内存的方法。也就是说，如果字符集是 ISO-8859-15，欧元符号 € 将被编码为 0xa4，而在 UTF-8 中，它将被编码为 0xe282ac。

collation 是如何比较字符，在 latin9 中，有字母为 e é è ê f，如果按其二进制表示排序，它将变为 e f é ê è，但如果排序规则设置为例如法语，您将按照您认为的顺序排列它们，即所有 e é è ê 都相等，然后是 f。

---

字符集是所有书面字形的子集。字符编码指定这些字符如何映射到数值。一些字符编码，如 UTF-8 和 UTF-16，可以对通用字符集中的任何字符进行编码。其他的，如 US-ASCII 或 ISO-8859-1 只能编码一个小子集，因为它们分别使用每个字符 7 位和 8 位。因为许多标准都指定了字符集和字符编码，所以术语“字符集”经常被自由地替换为“字符编码”。

排序规则包含指定如何比较字符以进行排序的规则。排序规则可以是特定于语言环境的：两个字符的正确顺序因语言而异。

选择字符集和排序规则取决于您的应用程序是否国际化。如果不是，您的目标是什么语言环境？

为了选择您想要支持的字符集，您必须考虑您的应用程序。如果您要存储用户提供的输入，则可能很难预见您的软件最终将在哪些语言环境中使用。为了支持所有这些，最好从一开始就支持 UCS (Unicode)。但是，这是有代价的；许多西欧字符现在每个字符需要两个字节的存储空间，而不是一个。

如果您的数据库使用排序规则创建索引，然后使用该索引提供排序结果，则选择正确的排序规则有助于提高性能。但是，由于排序规则通常是特定于语言环境的，如果您需要根据另一个语言环境的规则对结果进行排序，那么该索引将毫无价值。

---

我建议使用 utf8mb4_unicode_ci，它基于 Unicode 标准进行排序和比较，可以在非常广泛的语言中准确排序。

---