MYSQL中COLLATE有什么用

这篇文章是想和大家分享COLLATE在MYSQL中有什么用。我觉得边肖挺实用的，就分享给大家参考，和边肖一起来看看。

MYSQL中的COLLATE是什么？

在mysql中执行show create table tablename指令，可以看到创建表的语句。示例如下：

CREATETABLE`table1 `(

` id ` bigint(20)UNsignedNonNullAutO _ INVENTION，

` field 1 ` textcollateutf8 _ unicode _ cinotnullcomment ' field 1 '，

` field2`varchar (128)整理utf8 _ unicode _ cinotnulldefault ' '注释' field2 '，

PRIMARYKEY(`id `)

)ENGINE=innoddefaultcharset=utf8mb 4 collate=utf8 _ unicode _ ci；我们可以理解大多数字段，但是今天我们将讨论COLLATE关键字。这个值对应的utf8_unicode_ci是什么意思？面试时用这个题目考DBA，应该能打败一大批人。

COLLATE是用来做什么的？

使用phpmyadmin开发可能很熟悉，因为中文头已经给出了答案：

Phpmyadmin截图

所谓的utf8_unicode_ci实际上是一种排序规则。对于mysql中的字符类型列，如VARCHAR、CHAR和TEXT，有必要有一个COLLATE类型来告诉mysql如何对列进行排序和比较。总之，COLLATE会影响ORDER BY语句的顺序，WHERE条件中大于或小于号的结果，以及**DISTINCT**、**GROUP BY**、**HAVING**语句的查询结果。另外，mysql在建立索引时，如果索引列是字符型的，也会影响索引的创建，但是我们感知不到这种影响。总之，无论在哪里比较或排序字符类型，它都将与COLLATE相关。

各种COLLATE的区别

COLLATE通常与数据编码(CHARSET)有关。一般来说，每个CHARSET都支持多种排序规则，每个CHARSET都指定一个排序规则作为默认值。例如，Latin1编码的默认COLLATE是latin1 _瑞典语_ci，GBK编码的默认COLLATE是gbk_chinese_ci，utf8mb4编码的默认值是utf8mb4_general_ci。

顺便说一下，mysql中有两种代码utf8和utf8mb4。请忘记**utf8**并始终在mysql中使用**utf8mb4**。这是mysql遗留下来的问题。mysql中的utf8最多只能支持长度为3字节的字符编码。对于一些需要占用4字节的字符，mysql中的utf8无法支持，所以必须使用utf8mb4。

许多COLLATE都带有词_ci，这是不区分大小写的缩写，也就是说大小写无关紧要，也就是说，在排序和比较时，对‘a’和‘a’一视同仁。从表1中选择*其中field1=' a '也可以选择field1的值为' a '。同时，带有_cs后缀的COLLATE区分大小写，即区分大小写。

使用mysql中的show collation指令查看mysql支持的所有collation。以utf8mb4为例，该代码支持的所有COLLATE如下图所示。

/p>

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。

以上就是关于mysql的COLLATE相关知识。不过，在系统设计中，我们还是要尽量避免让系统严重依赖中文字段的排序结果，在mysql的查询中也应该尽量避免使用中文做查询条件。

感谢各位的阅读！关于“MYSQL中COLLATE有什么用”这篇文章就分享到这里了，希望