什么是字符集(character set)
- 字符的二进制编码方式
- 二进制编码到一套字符的映射
- 二进制->编码->字符
校对规则(collation)
- 在字符集内用于比较字符的一套规则
ASCII码
- 1个字节由8个二进制位组成
- 1个字节可表示256种不同的状态（256个不同符号）
- ASCII码规定了128个字符（数字、英文字符和一些标点符号）的编码
Unicode国际化支持
- 世界上存在多种编码方式，同一个二进制数字被解释成了不同的符号
- 现存 编码 不能在多语言环境中使用，诞生了Unicode(统一码)
- 一个字符的Unicode编码是确定的
- Unicode编码实现方式各不相同
- Unicode的实现方式称为Unicode转化格式(UTF)
UTF-8
- UTF-8是Unicode的实现方式之一
- 其它实现方式还有UTF-16, UTF-32
- 变长编码，一个符号使用1~4个字节表示
- utf8是MySQL存储Unicode数据的一种可选方法
utf8
- MySQL中实现了UTF-8编码的unicode 字符集
- MySQL中utf8是utf8mb3的别名
- utf8中，一个符号使用1~3个节点表示
- 对UTF-8支持不彻底，可采用utf8mb4字符集
utf8与utf8mb4的关系
- 都是实现了UTF-8编码的unicode 字符集
- utf8仅支持基本多语言平面Basic Multilingual Plane (BMP)
- utf8mb4支持BMP之外的补充字符（如emoji，emoji 是一种特殊的 Unicode 编码）
- utf8 一个字符最多使用3个字节存储，utf8mb4 一个字符最多使用4个字节存储
- 对于BMP字符，utf8和utf8mb4具有相同的编码，相同的长度
- 对于非BMP字符，utf8mb4使用4个字节来存储，utf8不能存储非BMP字符
- innodb中默认最大可对767个字节建立索引
- 使用utf8 的列最多可对255个字符建立索引
- 使用utf8mb4 的列最多可对191个字符建立索引
超集
- 字符集A,B ，B支持的所有字符A都支持,A 是B超集
- 比如 GBK字符集是GB2312字符集的超集，它们又都是ASCII字符集的超集
- utf8mb4是utf8的超集
字符集设置
set names x 等价于
- set character_set_client=x;
- set character_set_connection=x;
- set character_set_results=x;
--default-character-set 用户连接时设置字符集 等价于
- set character_set_client=x;
- set character_set_connection=x;
- set character_set_result=x;
init-connect=set names binary- 让client和server交互的时候以 什么模式(不做任何转化)来传送
default-character-set
- 设置[mysql]和[client] 中的字符集
character-set-server
- 设置[mysqld] 进程的默认字符集
collation-server
- 设置[mysqld] 进程的默认校对规则
- utf8_general_ci 查找、排序不区分大小写
- utf8_bin 查找、排序区分大小写
参考
Unicode Support
字符集与编码杂谈
ASCII，Unicode 和 UTF-8
清官谈mysql中utf8和utf8mb4区别