Mysql 字符集问题：utf8与utf8mb4

UTF-8 编码是一种变长的编码机制，可以用1~4个字节存储字符。

MySQL 中的 utf8 编码并不是真正的 UTF-8，其最长只有3个字节。当遇到占4个字节的 UTF-8 编码，例如 emoji 字符或者复杂的汉字，会导致存储异常。

从 5.5.3 开始，MySQL 开始用 utf8mb4 编码来实现完整的 UTF-8，其中 mb4 表示 most bytes 4，最多占用4个字节。

从 8.0 之后，将会在某个版本开始用 utf8mb4 作为默认字符编码。

字符集 utf8mb4
utf8mb4 已成为 MySQL 8.0 的默认字符集，在MySQL 8.0.1及更高版本中将utf8mb4_0900_ai_ci 作为默认排序规则。

创建数据库时，如果没有指定字符集，会采用服务器的默认字符集。设置服务器默认字符集为 utf8mb4 可以提高便利性。

show variables like "%char%";

character_set_client：客户端请求数据的字符集
character_set_connection：从客户端接收到数据，然后传输的字符集
character_set_database：默认数据库的字符集，无论默认数据库如何改变，都是这个字符集；如果没有默认数据库，
那就使用 character_set_server指定的字符集，这个变量建议由系统自己管理，不要人为定义。
character_set_filesystem：把操作系统上的文件名转化成此字符集，即把 character_set_client转换
character_set_filesystem， 默认binary是不做任何转换的
character_set_results：结果集的字符集
character_set_server：数据库服务器的默认字符集
character_set_system：存储系统元数据的字符集，总是 utf8，不需要设置

 

排序字符集 collation
字符除了需要存储，还需要排序或比较大小。推荐用 utf8mb4_unicode_ci，但是用 utf8mb4_general_ci 也没啥问题。

MySQL 8.0 默认的是 utf8mb4_0900_ai_ci，属于 utf8mb4_unicode_ci 中的一种，具体含义如下：

uft8mb4 表示用 UTF-8 编码方案，每个字符最多占4个字节。
0900 指的是 Unicode 校对算法版本。（Unicode归类算法是用于比较符合Unicode标准要求的两个Unicode字符串的方法）。
ai指的是口音不敏感。也就是说，排序时e，è，é，ê和ë之间没有区别。
ci表示不区分大小写。也就是说，排序时p和P之间没有区别。
utf8mb4 已成为默认字符集，在MySQL 8.0.1及更高版本中将utf8mb4_0900_ai_ci作为默认排序规则。
以前，utf8mb4_general_ci是默认排序规则。由于utf8mb4_0900_ai_ci排序规则现在是默认排序规则，
因此默认情况下新表格可以存储基本多语言平面之外的字符。现在可以默认存储表情符号。
如果需要重音灵敏度和区分大小写，则可以使用utf8mb4_0900_as_cs代替

 

参考：https://blog.csdn.net/weixin_43861716/article/details/115326271