MYSQL中的COLLATE是什么？
本文内容纲要：
-COLLATE是用来做什么的？
-各种COLLATE的区别
-COLLATE设置级别及其优先级
本文由horstxu发表
在mysql中执行showcreatetable<tablename>指令，可以看到一张表的建表语句，example如下：
CREATETABLE`table1`(
`id`bigint(20)unsignedNOTNULLAUTO_INCREMENT,
`field1`textCOLLATEutf8_unicode_ciNOTNULLCOMMENT'字段1',
`field2`varchar(128)COLLATEutf8_unicode_ciNOTNULLDEFAULT''COMMENT'字段2',
PRIMARYKEY(`id`)
)ENGINE=InnoDBDEFAULTCHARSET=utf8mb4COLLATE=utf8_unicode_ci;
大部分字段我们都能看懂，但是今天要讨论的是COLLATE关键字。这个值后面对应的utf8_unicode_ci是什么意思呢？面试的时候用这个题目考一考DBA，应该可以难倒一大部分人。
COLLATE是用来做什么的？
使用phpmyadmin的开发可能会非常眼熟，因为其中的中文表头已经给出了答案：
所谓utf8_unicode_ci，其实是用来排序的规则。对于mysql中那些字符类型的列，如VARCHAR，CHAR，TEXT类型的列，都需要有一个COLLATE类型来告知mysql如何对该列进行排序和比较。简而言之，COLLATE会影响到ORDERBY语句的顺序，会影响到WHERE条件中大于小于号筛选出来的结果，会影响**DISTINCT**、**GROUPBY**、**HAVING**语句的查询结果。另外，mysql建索引的时候，如果索引列是字符类型，也会影响索引创建，只不过这种影响我们感知不到。总之，凡是涉及到字符类型比较或排序的地方，都会和COLLATE有关。
各种COLLATE的区别
COLLATE通常是和数据编码（CHARSET）相关的，一般来说每种CHARSET都有多种它所支持的COLLATE，并且每种CHARSET都指定一种COLLATE为默认值。例如Latin1编码的默认COLLATE为latin1_swedish_ci，GBK编码的默认COLLATE为gbk_chinese_ci，utf8mb4编码的默认值为utf8mb4_general_ci。
这里顺便讲个题外话，mysql中有utf8和utf8mb4两种编码，在mysql中请大家忘记**utf8**，永远使用**utf8mb4**。这是mysql的一个遗留问题，mysql中的utf8最多只能支持3bytes长度的字符编码，对于一些需要占据4bytes的文字，mysql的utf8就不支持了，要使用utf8mb4才行。
很多COLLATE都带有_ci字样，这是CaseInsensitive的缩写，即大小写无关，也就是说"A"和"a"在排序和比较的时候是一视同仁的。selection*fromtable1wherefield1="a"同样可以把field1为"A"的值选出来。与此同时，对于那些_cs后缀的COLLATE，则是CaseSensitive，即大小写敏感的。
在mysql中使用showcollation指令可以查看到mysql所支持的所有COLLATE。以utf8mb4为例，该编码所支持的所有COLLATE如下图所示。
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mysql8.0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（UnicodeCollationAlgorithmversion），ai表示accentinsensitive（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：
CREATEDATABASE<db_name>DEFAULTCHARACTERSETutf8mb4COLLATEutf8mb4_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CREATETABLE的时候加上相关设置语句，例如：
CREATETABLE(
……
)ENGINE=InnoDBDEFAULTCHARSET=utf8mb4COLLATE=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CREATETABLE中声明列的时候指定，例如
CREATETABLE(
`field1`VARCHAR（64）CHARACTERSETutf8mb4COLLATEutf8mb4_general_ciNOTNULLDEFAULT'',
……
)……
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：
SELECTDISTINCTfield1COLLATEutf8mb4_general_ciFROMtable1;
SELECTfield1,field2FROMtable1ORDERBYfield1COLLATEutf8mb4_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。
此文已由作者授权腾讯云+社区发布，更多原文请点击
搜索关注公众号「云加社区」，第一时间获取技术干货，关注后回复1024送你一份技术课程大礼包！
本文内容总结：COLLATE是用来做什么的？，各种COLLATE的区别，COLLATE设置级别及其优先级，
原文链接：https://www.cnblogs.com/qcloud1001/p/10033364.html