MySQL 字符集和排序规则有什么区别？utf8mb4 为什么更推荐？

简化版

字符集决定字符如何编码存储，排序规则决定字符如何比较和排序。MySQL 里的 utf8 历史上通常是 utf8mb3，最多 3 字节，不能完整存储 emoji 等 4 字节 Unicode 字符；utf8mb4 才是更完整的 UTF-8 实现。实际建库建表更推荐统一使用 utf8mb4，排序规则按是否区分大小写、重音和语言习惯选择。

详细版

字符集解决“能不能存、怎么存”，排序规则解决“怎么比、怎么排”。比如同样是 utf8mb4 字符集，不同 collation 下，A 和 a 是否相等、中文如何排序、是否区分重音，结果都可能不同。

面试中要特别提 MySQL 的 utf8 命名历史问题。很多老系统使用 utf8，实际是 utf8mb3，遇到 emoji、部分生僻字或特殊符号会报错或截断。新项目通常推荐 utf8mb4，并在库、表、列、连接层保持一致。

完整版教学

一、字符集是什么

字符集定义字符到字节的编码方式。

数据库需要知道一个字符串如何存进磁盘。

如果字符集不支持某个字符，插入时可能报错。

常见字符集包括 latin1、gbk、utf8mb3、utf8mb4。

现代中文和国际化项目一般选择 utf8mb4。

二、排序规则是什么

排序规则也叫 collation。

它定义字符串比较和排序规则。

同一字符集可以有多个排序规则。

例如是否大小写敏感、是否重音敏感、是否按二进制比较。

所以字符集和排序规则不是一回事。

三、utf8mb4 的意义

MySQL 的 utf8 曾长期表示 utf8mb3。

utf8mb3 最多使用 3 字节表示一个字符。

完整 Unicode 中有些字符需要 4 字节。

emoji 就是线上最常见的例子。

因此新系统更推荐直接使用 utf8mb4。

四、常见配置层级

层级	作用	注意点
server	默认字符集	影响新建对象默认值
database	库默认字符集	建表未指定时继承
table	表默认字符集	列未指定时继承
column	列字符集	最终存储以列为准
connection	连接字符集	影响客户端和服务端传输

如果层级不一致，排查乱码会很痛苦。

五、建表示例

CREATE TABLE user_profile (
  id BIGINT PRIMARY KEY,
  nickname VARCHAR(64) NOT NULL
) CHARACTER SET utf8mb4
  COLLATE utf8mb4_0900_ai_ci;

具体 collation 要看 MySQL 版本和业务规则。

如果要求大小写敏感，可以考虑 _bin 或对应 case-sensitive 规则。

六、索引长度影响

字符集会影响字符串字段占用字节数。

utf8mb4 每个字符最多 4 字节。

老版本 MySQL 对索引长度限制更敏感。

所以老系统从 utf8 升级到 utf8mb4 时，要检查索引长度、字段长度和版本限制。

字符集升级不是只改建表语句，还要评估历史数据、索引长度、连接参数和回滚方案。

七、误区和追问

误区：MySQL 的 utf8 就是完整 UTF-8。 很多版本里 utf8 实际是 utf8mb3，不支持 4 字节字符。
误区：字符集决定排序结果。 排序结果主要由 collation 决定。
误区：只改库默认字符集就能修复所有表。 已存在表和列不会自动全部变更。
追问：为什么 emoji 插入失败？ 常见原因是列、表或连接层仍使用 utf8mb3。
追问：大小写不敏感是哪里控制的？ 通常由 collation 控制，例如 _ci 表示 case-insensitive。
追问：乱码怎么排查？ 查列字符集、连接字符集、客户端编码和历史写入编码是否一致。

八、面试收束

回答时先区分字符集和排序规则。

再解释 MySQL utf8 与 utf8mb4 的历史差异。

最后补充配置层级、索引长度和线上迁移风险。

简化版

详细版