在新建 MySQL 数据库时，选择合适的 字符集（Character Set） 和 排序规则（Collation） 对数据存储、查询和多语言支持至关重要。以下是推荐配置及场景分析：

1. 字符集（Character Set）

推荐选择
  • utf8mb4（✅ 绝对首选）
  • 原因：
  • 完整支持 Unicode（包括 Emoji、生僻字、特殊符号等）。
  • MySQL 的 utf8 实际上是阉割版（仅支持 3 字节字符，不兼容 Emoji），而 utf8mb4 是真正的 4 字节 UTF-8。
  • 适用场景：
  • 所有现代 Web 应用（尤其是多语言、国际化项目）。
其他选项（不推荐）
  • utf8：历史遗留选项，存在兼容性问题。
  • latin1：仅支持西欧字符，不适合非拉丁语系（如中文）。

2. 排序规则（Collation）

排序规则决定字符串的比较和排序方式，根据需求选择：

(1) 通用推荐
  • utf8mb4_unicode_ci
  • 基于 Unicode 标准排序，支持多语言（如中文、英文、阿拉伯语混合排序）。
  • 不区分大小写（ci = case insensitive）。
  • 适合大多数场景（如用户昵称、内容存储）。
(2) 需要区分大小写
  • utf8mb4_bin
  • 直接按二进制值比较，区分大小写。
  • 适用场景：密码哈希、严格区分大小写的业务逻辑。
(3) 其他常见选项
  • utf8mb4_general_ci：旧版排序规则，性能略高但排序准确性不如 unicode_ci（已过时）。
  • utf8mb4_0900_ai_ci：MySQL 8.0+ 新规则，支持更现代的 Unicode 标准（需确认版本兼容性）。

3. 创建数据库时的 SQL 示例

CREATE DATABASE my_database CHARACTER SET utf8mb4          -- 字符集COLLATE utf8mb4_unicode_ci;    -- 排序规则

4. 关键注意事项

  1. 表字段需显式指定字符集
    即使数据库设置了 utf8mb4，表或字段仍需明确指定，避免继承服务器默认配置（可能是 latin1）：
CREATE TABLE users (name VARCHAR(100) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci
);
  1. 连接层配置
    确保客户端连接时也使用 utf8mb4（如 JDBC URL 添加参数）：
spring.datasource.url=jdbc:mysql://localhost:3306/my_db?useUnicode=true&characterEncoding=utf8mb4
  1. MySQL 版本要求
  • utf8mb4 需 MySQL 5.5.3+ 版本。
  • 如果使用 Emoji，确保字段长度足够（如 VARCHAR(255) 而非 VARCHAR(255) CHARSET utf8mb4）。

5. 为什么不用 utf8_general_ci？

  • 过时：对多语言排序不准确（如中文拼音排序错误）。
  • 性能差异忽略不计：现代服务器上 unicode_ci 和 general_ci 的性能差距可忽略。

总结

  • 字符集：无脑选 utf8mb4。
  • 排序规则：
  • 默认选 utf8mb4_unicode_ci（兼顾多语言和兼容性）。
  • 严格区分大小写选 utf8mb4_bin。

此配置能覆盖 99% 的应用场景，避免未来因字符集问题导致的乱码或数据迁移困难！