utf8mb4 general ci和utf8mb4 0900 ai ci

数据库的排序规则和性能 ① 什么是排序规则 排序规则（collation），字符串在比较和排序时所遵循的规则。不同的字符集有不同的排序规则，同一个字符集也可以有多种排序规则。在 MySQL 8.0.1 及更高版本中将 utf8mb4_0900_ai_ci（属于 utf8mb4_unicode_ci 中的一种） 作为默认排序规则，在这之前 utf8mb4_general_ci 是默认排序规则。
MySQL常用排序规则有：utf8mb4_general_ci、utf8mb4_unicode_ci、utf8mb4_bin、utf8mb4_0900_ai_ci

  _bin ： 按二进制方式比较字符串，区分大小写和重音符号。
_ai_ci：按照特定语言或地区方式比较字符串，不区分大小写和重音符号。
_unicode_ci： 按 Unicode 标准方式比较字符串，不区分大小写和重音符号。
_general_ci：按一般方式比较字符串，不区分大小写和重音符号。

• ci：即case insensitive，不区分大小写，即排序时 p 和 P相同 。
• ai：指口音不敏感，即排序时 e，è，é，ê 和 ë 相同。
• as：即口音敏感，也就是说，排序时 e，è，é，ê 和 ë 互不相同。
• 0900： 是 Unicode 校对算法版本。
  

② utf8mb4_unicode_ci 和 utf8mb4_general_ci 的区别

  utf8mb4_unicode_ci： 能够在各种语言之间精确排序，Unicode排序规则为了能够处理特殊字符的情况，实现了略微复杂的排序算法。
utf8mb4_general_ci： 不支持扩展，它仅能够在字符之间进行逐个比较。utf8_general_ci 比较速度很快，但比 utf8mb4_unicode_ci 的准确性稍差一些。

1. 准确性 utf8mb4_unicode_ci 是精确排序，utf8mb4_general_ci 没有实现 Unicode 排序规则，在遇到某些特殊语言或者字符集，排序结果可能不一致。
因此，准确性是utf8mb4_unicode_ci > utf8mb4_general_ci
2. 性能 utf8mb4_general_ci 在比较和排序的时候更快。
utf8mb4_unicode_ci 在特殊情况下，Unicode 排序规则为了能够处理特殊字符的情况，实现了略微复杂的排序算法。
因此，性能方面是utf8mb4_general_ci > utf8mb4_unicode_ci
3. 如何选择？ 如果在创建数据库时对特殊字符的顺序并不需要那么精确，排序规则可使用utf8mb4_general_ci 。推荐用 utf8mb4_unicode_ci，但是用 utf8mb4_general_ci 也没问题

utf8mb4_general_ci和utf8mb4_0900_ai_ci在 MySQL 数据库中，字符集和排序规则（collation）决定了如何存储和比较字符串数据。utf8mb4 是 MySQL 中用于支持完整的 UTF-8 字符（包括表情符号和其他 4 字节字符）的一种字符集。
utf8mb4 字符集有多种排序规则，其中常用的有 utf8mb4_general_ci 和 utf8mb4_0900_ai_ci。这两者的主要区别在于其排序和比较规则。以下是它们的详细说明：
1. utf8mb4_general_ci

• 名称解析：utf8mb4 是字符集，general_ci 是排序规则。ci 代表不区分大小写（case-insensitive）。
• 性能：在排序和比较时，utf8mb4_general_ci 通常比其他utf8mb4 排序规则速度更快，因此性能上有优势。
• 不支持的特性：
  
  • 不完全的 Unicode 支持：不能处理一些非常特殊的 Unicode 比较和排序规则。例如，同一个字符的不同变体在 general_ci 中可能不会被认为是相同的字符。
    
• 排序和比较规则：简单地基于字母进行排序，不考虑任何语言学的复杂性。
  

适用于需要快速排序和比较、不太注重精确 Unicode 支持的应用场景。
2. utf8mb4_0900_ai_ci

• 名称解析：utf8mb4 是字符集，0900_ai_ci 是排序规则。ai 代表不区分重音（accent-insensitive），ci 代表不区分大小写（case-insensitive）。
• 实现方式：基于 Unicode 9.0 的排序和比较规则，提供更精确、更现代的 Unicode 支持。
• 特性支持：
  
  • 更好的 Unicode 支持：处理非常复杂的 Unicode 场景，能够正确地进行语言学上的排序和比较。
  • Accent and Case Insensitive：即不区分重音和大小写。例如，‘é’ 和 ‘e’ 被认为是相同的字符，‘A’ 和 ‘a’ 也被认为是相同的字符。
    
• 性能：由于要处理更复杂的排序和比较规则，性能可能不如 utf8mb4_general_ci。
  

适用于需要更高精确度和完整 Unicode 支持的应用场景，特别是需要按照国际化标准进行排序和比较的系统。
比较和选择使用场景举例：

• utf8mb4_general_ci：
  
  • 应用中不需要特殊的 Unicode 排序逻辑或语言学上的准确性。
  • 主要关注性能的场景，如内容不包含复杂的多语言字符。
  • 适用于大部分简单的 Web 应用和内存数据库。
    
• utf8mb4_0900_ai_ci：
  
  • 应用需要处理多语言字符并且需要高度准确的排序和比较。
  • 内容包含大量特殊字符和重音符号，需要保证字符的准确表示和处理。
  • 适用于国际化应用、本地化支持要求高的应用、电子商务平台和内容管理系统等。
    

示例：更改表的字符集和排序规则假设你有一个名为 example_table 的表，需要将其字符集和排序规则改为 utf8mb4_general_ci 或 utf8mb4_0900_ai_ci，可以使用以下 SQL 命令：
-- 更改为 utf8mb4_general_ciALTER TABLE example_table CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci;-- 更改为 utf8mb4_0900_ai_ciALTER TABLE example_table CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci;AI写代码sql
总结

• utf8mb4_general_ci 适用于简单的、不需要精确 Unicode 支持的应用，具有较好的性能。
• utf8mb4_0900_ai_ci 适用于需要完整 Unicode 支持和更精确的排序和比较规则的应用，但性能可能会稍逊色一些。
  

在实际应用中，选择哪种排序规则应根据具体的业务需求、性能要求和国际化支持的复杂程度来决定。

Mysql中建议将排序规则设置成【utf8mb4_zh_0900_as_cs】
MySql8引入的utf8mb4_zh_0900_as_cs规则使汉字按拼音排序，并区分全角和半角字符，提升了排序的准确性。          
MySql5的排序规则一般设置的是【utf8mb4_0900_ai_ci】，这种规则汉字排序不是按拼音顺序，并且不区分全角半角字符

MySql8以上版本支持排序规则【utf8mb4_zh_0900_as_cs】这种规则汉字是按拼音排序的，顺序是【null、空、字符+-.、汉字拼音序、字母abc】，并且where语句能区分开全角和半角，其他排序规则会把全角（）和半角()当成一样的

MySQL 8.0之后，默认collation不再像之前版本一样是utf8mb4_general_ci，而是统一更新成了utf8mb4_0900_ai_ci。
不幸的是，这位朋友的系统是一路升级上来的，所以之前建的各种数据表，它们的collation仍然是utf8mb4_general_ci，而新建的表是utf8mb4_0900_ai_ci。如果，恰好遇到包含字符串相等或者大小比较的联表查询语句，而关联的表又使用了不同的collation，MySQL就无法决策到底应当使用哪个，就会报错。

既然如此，解决办法也很简单，用alter table table_name collate utf8mb4_0900_ai_ci显式统一所有表的collation，问题就解决了。