【MySQL】utft8mb4 字符集及其排序规则（字符集校验规则）
UTF-8 是 Unicode 的一种实现方式，它可以表示世界上绝大多数的字符，包括大部分的中文字符。MySQL 从 5.5.3 版本开始支持 UTF-8 字符集，其中包括 UTF-8MB4。UTF-8MB4 是 MySQL 支持的最大的字符集，它可以表示 4 字节的 Unicode 字符，包括 Emoji 表情符号等。
UTF-8MB4 与其他 UTF-8 字符集的区别在于，它可以表示更多的 Unicode 字符，特别是那些需要 4 字节来表示的字符。如果你需要存储和处理 Emoji 表情符号等特殊字符，建议使用 UTF-8MB4 字符集。
需要注意的是，UTF-8MB4 字符集需要更多的存储空间和处理时间，因此在使用时需要考虑到性能问题。如果你不需要存储和处理特殊字符，可以考虑使用较小的 UTF-8 字符集。
与其他字符集一样，utf8mb4也支持很多排序规则（字符集校验规则）
查询方式
-- 内置命令查询
show collation where Charset='utf8mb4';
-- SQL 查询
select * from information_schema.collations where character_set_name = "utf8mb4" order by COLLATION_NAME;
查询结果
# 使用内置命令
mysql> show collation where Charset='utf8mb4';
+----------------------------+---------+-----+---------+----------+---------+---------------+
| Collation | Charset | Id | Default | Compiled | Sortlen | Pad_attribute |
+----------------------------+---------+-----+---------+----------+---------+---------------+
| utf8mb4_0900_ai_ci | utf8mb4 | 255 | Yes | Yes | 0 | NO PAD |
| utf8mb4_0900_as_ci | utf8mb4 | 305 | | Yes | 0 | NO PAD |
| utf8mb4_0900_as_cs | utf8mb4 | 278 | | Yes | 0 | NO PAD |
| utf8mb4_0900_bin | utf8mb4 | 309 | | Yes | 1 | NO PAD |
| utf8mb4_bin | utf8mb4 | 46 | | Yes | 1 | PAD SPACE |
| utf8mb4_croatian_ci | utf8mb4 | 245 | | Yes | 8 | PAD SPACE |
| utf8mb4_cs_0900_ai_ci | utf8mb4 | 266 | | Yes | 0 | NO PAD |
| utf8mb4_cs_0900_as_cs | utf8mb4 | 289 | | Yes | 0 | NO PAD |
| utf8mb4_czech_ci | utf8mb4 | 234 | | Yes | 8 | PAD SPACE |
| utf8mb4_danish_ci | utf8mb4 | 235 | | Yes | 8 | PAD SPACE |
| utf8mb4_da_0900_ai_ci | utf8mb4 | 267 | | Yes | 0 | NO PAD |
| utf8mb4_da_0900_as_cs | utf8mb4 | 290 | | Yes | 0 | NO PAD |
| utf8mb4_de_pb_0900_ai_ci | utf8mb4 | 256 | | Yes | 0 | NO PAD |
| utf8mb4_de_pb_0900_as_cs | utf8mb4 | 279 | | Yes | 0 | NO PAD |
| utf8mb4_eo_0900_ai_ci | utf8mb4 | 273 | | Yes | 0 | NO PAD |
| utf8mb4_eo_0900_as_cs | utf8mb4 | 296 | | Yes | 0 | NO PAD |
| utf8mb4_esperanto_ci | utf8mb4 | 241 | | Yes | 8 | PAD SPACE |
| utf8mb4_estonian_ci | utf8mb4 | 230 | | Yes | 8 | PAD SPACE |
| utf8mb4_es_0900_ai_ci | utf8mb4 | 263 | | Yes | 0 | NO PAD |
| utf8mb4_es_0900_as_cs | utf8mb4 | 286 | | Yes | 0 | NO PAD |
| utf8mb4_es_trad_0900_ai_ci | utf8mb4 | 270 | | Yes | 0 | NO PAD |
| utf8mb4_es_trad_0900_as_cs | utf8mb4 | 293 | | Yes | 0 | NO PAD |
| utf8mb4_et_0900_ai_ci | utf8mb4 | 262 | | Yes | 0 | NO PAD |
| utf8mb4_et_0900_as_cs | utf8mb4 | 285 | | Yes | 0 | NO PAD |
| utf8mb4_general_ci | utf8mb4 | 45 | | Yes | 1 | PAD SPACE |
| utf8mb4_german2_ci | utf8mb4 | 244 | | Yes | 8 | PAD SPACE |
| utf8mb4_hr_0900_ai_ci | utf8mb4 | 275 | | Yes | 0 | NO PAD |
| utf8mb4_hr_0900_as_cs | utf8mb4 | 298 | | Yes | 0 | NO PAD |
| utf8mb4_hungarian_ci | utf8mb4 | 242 | | Yes | 8 | PAD SPACE |
| utf8mb4_hu_0900_ai_ci | utf8mb4 | 274 | | Yes | 0 | NO PAD |
| utf8mb4_hu_0900_as_cs | utf8mb4 | 297 | | Yes | 0 | NO PAD |
| utf8mb4_icelandic_ci | utf8mb4 | 225 | | Yes | 8 | PAD SPACE |
| utf8mb4_is_0900_ai_ci | utf8mb4 | 257 | | Yes | 0 | NO PAD |
| utf8mb4_is_0900_as_cs | utf8mb4 | 280 | | Yes | 0 | NO PAD |
| utf8mb4_ja_0900_as_cs | utf8mb4 | 303 | | Yes | 0 | NO PAD |
| utf8mb4_ja_0900_as_cs_ks | utf8mb4 | 304 | | Yes | 24 | NO PAD |
| utf8mb4_latvian_ci | utf8mb4 | 226 | | Yes | 8 | PAD SPACE |
| utf8mb4_la_0900_ai_ci | utf8mb4 | 271 | | Yes | 0 | NO PAD |
| utf8mb4_la_0900_as_cs | utf8mb4 | 294 | | Yes | 0 | NO PAD |
| utf8mb4_lithuanian_ci | utf8mb4 | 236 | | Yes | 8 | PAD SPACE |
| utf8mb4_lt_0900_ai_ci | utf8mb4 | 268 | | Yes | 0 | NO PAD |
| utf8mb4_lt_0900_as_cs | utf8mb4 | 291 | | Yes | 0 | NO PAD |
| utf8mb4_lv_0900_ai_ci | utf8mb4 | 258 | | Yes | 0 | NO PAD |
| utf8mb4_lv_0900_as_cs | utf8mb4 | 281 | | Yes | 0 | NO PAD |
| utf8mb4_persian_ci | utf8mb4 | 240 | | Yes | 8 | PAD SPACE |
| utf8mb4_pl_0900_ai_ci | utf8mb4 | 261 | | Yes | 0 | NO PAD |
| utf8mb4_pl_0900_as_cs | utf8mb4 | 284 | | Yes | 0 | NO PAD |
| utf8mb4_polish_ci | utf8mb4 | 229 | | Yes | 8 | PAD SPACE |
| utf8mb4_romanian_ci | utf8mb4 | 227 | | Yes | 8 | PAD SPACE |
| utf8mb4_roman_ci | utf8mb4 | 239 | | Yes | 8 | PAD SPACE |
| utf8mb4_ro_0900_ai_ci | utf8mb4 | 259 | | Yes | 0 | NO PAD |
| utf8mb4_ro_0900_as_cs | utf8mb4 | 282 | | Yes | 0 | NO PAD |
| utf8mb4_ru_0900_ai_ci | utf8mb4 | 306 | | Yes | 0 | NO PAD |
| utf8mb4_ru_0900_as_cs | utf8mb4 | 307 | | Yes | 0 | NO PAD |
| utf8mb4_sinhala_ci | utf8mb4 | 243 | | Yes | 8 | PAD SPACE |
| utf8mb4_sk_0900_ai_ci | utf8mb4 | 269 | | Yes | 0 | NO PAD |
| utf8mb4_sk_0900_as_cs | utf8mb4 | 292 | | Yes | 0 | NO PAD |
| utf8mb4_slovak_ci | utf8mb4 | 237 | | Yes | 8 | PAD SPACE |
| utf8mb4_slovenian_ci | utf8mb4 | 228 | | Yes | 8 | PAD SPACE |
| utf8mb4_sl_0900_ai_ci | utf8mb4 | 260 | | Yes | 0 | NO PAD |
| utf8mb4_sl_0900_as_cs | utf8mb4 | 283 | | Yes | 0 | NO PAD |
| utf8mb4_spanish2_ci | utf8mb4 | 238 | | Yes | 8 | PAD SPACE |
| utf8mb4_spanish_ci | utf8mb4 | 231 | | Yes | 8 | PAD SPACE |
| utf8mb4_sv_0900_ai_ci | utf8mb4 | 264 | | Yes | 0 | NO PAD |
| utf8mb4_sv_0900_as_cs | utf8mb4 | 287 | | Yes | 0 | NO PAD |
| utf8mb4_swedish_ci | utf8mb4 | 232 | | Yes | 8 | PAD SPACE |
| utf8mb4_tr_0900_ai_ci | utf8mb4 | 265 | | Yes | 0 | NO PAD |
| utf8mb4_tr_0900_as_cs | utf8mb4 | 288 | | Yes | 0 | NO PAD |
| utf8mb4_turkish_ci | utf8mb4 | 233 | | Yes | 8 | PAD SPACE |
| utf8mb4_unicode_520_ci | utf8mb4 | 246 | | Yes | 8 | PAD SPACE |
| utf8mb4_unicode_ci | utf8mb4 | 224 | | Yes | 8 | PAD SPACE |
| utf8mb4_vietnamese_ci | utf8mb4 | 247 | | Yes | 8 | PAD SPACE |
| utf8mb4_vi_0900_ai_ci | utf8mb4 | 277 | | Yes | 0 | NO PAD |
| utf8mb4_vi_0900_as_cs | utf8mb4 | 300 | | Yes | 0 | NO PAD |
| utf8mb4_zh_0900_as_cs | utf8mb4 | 308 | | Yes | 0 | NO PAD |
+----------------------------+---------+-----+---------+----------+---------+---------------+
75 rows in set (0.03 sec)
# 使用SQL
mysql> select * from information_schema.collations where character_set_name = "utf8mb4" order by COLLATION_NAME;
+----------------------------+--------------------+-----+------------+-------------+---------+---------------+
| COLLATION_NAME | CHARACTER_SET_NAME | ID | IS_DEFAULT | IS_COMPILED | SORTLEN | PAD_ATTRIBUTE |
+----------------------------+--------------------+-----+------------+-------------+---------+---------------+
| utf8mb4_0900_ai_ci | utf8mb4 | 255 | Yes | Yes | 0 | NO PAD |
| utf8mb4_0900_as_ci | utf8mb4 | 305 | | Yes | 0 | NO PAD |
| utf8mb4_0900_as_cs | utf8mb4 | 278 | | Yes | 0 | NO PAD |
| utf8mb4_0900_bin | utf8mb4 | 309 | | Yes | 1 | NO PAD |
...
各排序规则含义
| 校验规则 | 描述 |
|---|---|
| utf8mb4_0900_ai_ci | 基于Unicode 9.0.0版本，不区分大小写，适用于多语言环境，提供准确的排序结果。 |
| utf8mb4_0900_as_ci | 基于Unicode 9.0.0版本，不区分大小写，适用于多语言环境，提供准确的排序结果。 |
| utf8mb4_0900_as_cs | 基于Unicode 9.0.0版本，区分大小写，适用于多语言环境，提供准确的排序结果。 |
| utf8mb4_0900_bin | 基于Unicode 9.0.0版本，进行严格的二进制比较和排序，区分大小写和字符编码。 |
| utf8mb4_bin | 进行严格的二进制比较和排序，区分大小写和字符编码。 |
| utf8mb4_croatian_ci | 不区分大小写，适用于克罗地亚语的比较和排序。 |
| utf8mb4_cs_0900_ai_ci | 基于Unicode 9.0.0版本，不区分大小写，适用于捷克语的比较和排序。 |
| utf8mb4_cs_0900_as_cs | 基于Unicode 9.0.0版本，区分大小写，适用于捷克语的比较和排序。 |
| utf8mb4_czech_ci | 不区分大小写，适用于捷克语的比较和排序。 |
| utf8mb4_danish_ci | 不区分大小写，适用于丹麦语的比较和排序。 |
| utf8mb4_da_0900_ai_ci | 基于Unicode 9.0.0版本，适用于丹麦语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_da_0900_as_cs | 基于Unicode 9.0.0版本，适用于丹麦语，区分大小写，提供准确的排序结果。 |
| utf8mb4_de_pb_0900_ai_ci | 基于Unicode 9.0.0版本，适用于德语（奥地利/瑞士），不区分大小写，提供准确的排序结果。 |
| utf8mb4_de_pb_0900_as_cs | 基于Unicode 9.0.0版本，适用于德语（奥地利/瑞士），区分大小写，提供准确的排序结果。 |
| utf8mb4_eo_0900_ai_ci | 基于Unicode 9.0.0版本，适用于世界语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_eo_0900_as_cs | 基于Unicode 9.0.0版本，适用于世界语，区分大小写，提供准确的排序结果。 |
| utf8mb4_esperanto_ci | 不区分大小写，适用于世界语的比较和排序。 |
| utf8mb4_estonian_ci | 不区分大小写，适用于爱沙尼亚语的比较和排序。 |
| utf8mb4_es_0900_ai_ci | 基于Unicode 9.0.0版本，适用于西班牙语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_es_0900_as_cs | 基于Unicode 9.0.0版本，适用于西班牙语，区分大小写，提供准确的排序结果。 |
| utf8mb4_es_trad_0900_ai_ci | 基于Unicode 9.0.0版本，适用于传统的西班牙语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_es_trad_0900_as_cs | 基于Unicode 9.0.0版本，适用于传统的西班牙语，区分大小写，提供准确的排序结果。 |
| utf8mb4_et_0900_ai_ci | 基于Unicode 9.0.0版本，适用于爱沙尼亚语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_et_0900_as_cs | 基于Unicode 9.0.0版本，适用于爱沙尼亚语，区分大小写，提供准确的排序结果。 |
| utf8mb4_general_ci | 不区分大小写的通用排序规则，适用于多语言环境。 |
| utf8mb4_german2_ci | 不区分大小写，适用于德语的比较和排序，提供更严格的排序规则。 |
| utf8mb4_hr_0900_ai_ci | 基于Unicode 9.0.0版本，适用于克罗地亚语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_hr_0900_as_cs | 基于Unicode 9.0.0版本，适用于克罗地亚语，区分大小写，提供准确的排序结果。 |
| utf8mb4_hungarian_ci | 不区分大小写，适用于匈牙利语的比较和排序。 |
| utf8mb4_hu_0900_ai_ci | 基于Unicode 9.0.0版本，适用于匈牙利语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_hu_0900_as_cs | 基于Unicode 9.0.0版本，适用于匈牙利语，区分大小写，提供准确的排序结果。 |
| utf8mb4_icelandic_ci | 不区分大小写，适用于冰岛语的比较和排序。 |
| utf8mb4_is_0900_ai_ci | 基于Unicode 9.0.0版本，适用于冰岛语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_is_0900_as_cs | 基于Unicode 9.0.0版本，适用于冰岛语，区分大小写，提供准确的排序结果。 |
| utf8mb4_ja_0900_as_cs | 基于Unicode 9.0.0版本，适用于日语，区分大小写，提供准确的排序结果。 |
| utf8mb4_ja_0900_as_cs_ks | 基于Unicode 9.0.0版本，适用于日语，区分大小写和偏旁部首，提供准确的排序结果。 |
| utf8mb4_latvian_ci | 不区分大小写，适用于拉脱维亚语的比较和排序。 |
| utf8mb4_la_0900_ai_ci | 基于Unicode 9.0.0版本，适用于拉丁语系语言，不区分大小写，提供准确的排序结果。 |
| utf8mb4_la_0900_as_cs | 基于Unicode 9.0.0版本，适用于拉丁语系语言，区分大小写，提供准确的排序结果。 |
| utf8mb4_lithuanian_ci | 不区分大小写，适用于立陶宛语的比较和排序。 |
| utf8mb4_lt_0900_ai_ci | 基于Unicode 9.0.0版本，适用于立陶宛语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_lt_0900_as_cs | 基于Unicode 9.0.0版本，适用于立陶宛语，区分大小写，提供准确的排序结果。 |
| utf8mb4_lv_0900_ai_ci | 基于Unicode 9.0.0版本，适用于拉脱维亚语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_lv_0900_as_cs | 基于Unicode 9.0.0版本，适用于拉脱维亚语，区分大小写，提供准确的排序结果。 |
| utf8mb4_persian_ci | 不区分大小写，适用于波斯语的比较和排序。 |
| utf8mb4_pl_0900_ai_ci | 基于Unicode 9.0.0版本，适用于波兰语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_pl_0900_as_cs | 基于Unicode 9.0.0版本，适用于波兰语，区分大小写，提供准确的排序结果。 |
| utf8mb4_polish_ci | 不区分大小写，适用于波兰语的比较和排序。 |
| utf8mb4_romanian_ci | 不区分大小写，适用于罗马尼亚语的比较和排序。 |
| utf8mb4_roman_ci | 不区分大小写，适用于罗马语系的比较和排序。 |
| utf8mb4_ro_0900_ai_ci | 基于Unicode 9.0.0版本，适用于罗马尼亚语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_ro_0900_as_cs | 基于Unicode 9.0.0版本，适用于罗马尼亚语，区分大小写，提供准确的排序结果。 |
| utf8mb4_ru_0900_ai_ci | 基于Unicode 9.0.0版本，适用于俄语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_ru_0900_as_cs | 基于Unicode 9.0.0版本，适用于俄语，区分大小写，提供准确的排序结果。 |
| utf8mb4_sinhala_ci | 不区分大小写，适用于僧伽罗语的比较和排序。 |
| utf8mb4_sk_0900_ai_ci | 基于Unicode 9.0.0版本，适用于斯洛伐克语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_sk_0900_as_cs | 基于Unicode 9.0.0版本，适用于斯洛伐克语，区分大小写，提供准确的排序结果。 |
| utf8mb4_slovak_ci | 不区分大小写，适用于斯洛伐克语的比较和排序。 |
| utf8mb4_slovenian_ci | 不区分大小写，适用于斯洛文尼亚语的比较和排序。 |
| utf8mb4_sl_0900_ai_ci | 基于Unicode 9.0.0版本，适用于斯洛文尼亚语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_sl_0900_as_cs | 基于Unicode 9.0.0版本，适用于斯洛文尼亚语，区分大小写，提供准确的排序结果。 |
| utf8mb4_spanish2_ci | 不区分大小写，适用于西班牙语的比较和排序。 |
| utf8mb4_spanish_ci | 不区分大小写，适用于西班牙语的比较和排序。 |
| utf8mb4_sv_0900_ai_ci | 基于Unicode 9.0.0版本，适用于瑞典语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_sv_0900_as_cs | 基于Unicode 9.0.0版本，适用于瑞典语，区分大小写，提供准确的排序结果。 |
| utf8mb4_swedish_ci | 不区分大小写，适用于瑞典语的比较和排序。 |
| utf8mb4_tr_0900_ai_ci | 基于Unicode 9.0.0版本，适用于土耳其语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_tr_0900_as_cs | 基于Unicode 9.0.0版本，适用于土耳其语，区分大小写，提供准确的排序结果。 |
| utf8mb4_turkish_ci | 不区分大小写，适用于土耳其语的比较和排序。 |
| utf8mb4_unicode_520_ci | 不区分大小写，基于Unicode 5.2.0版本的通用排序规则。 |
| utf8mb4_unicode_ci | 不区分大小写，基于Unicode的通用排序规则。 |
| utf8mb4_vietnamese_ci | 不区分大小写，适用于越南语的比较和排序。 |
| utf8mb4_vi_0900_ai_ci | 基于Unicode 9.0.0版本，适用于越南语，不区分大小写，提供准确的排序结果。 |
| utf8mb4_vi_0900_as_cs | 基于Unicode 9.0.0版本，适用于越南语，区分大小写，提供准确的排序结果。 |
| utf8mb4_zh_0900_as_cs | 基于Unicode 9.0.0版本，适用于中文，区分大小写，提供准确的排序结果。 |
常用的排序规则
| 校验规则 | 描述 |
|---|---|
| utf8mb4_0900_ai_ci | 基于Unicode 9.0.0版本，不区分大小写，适用于多语言环境，提供准确的排序结果。 |
| utf8mb4_0900_as_ci | 基于Unicode 9.0.0版本，不区分大小写，适用于多语言环境，提供准确的排序结果。 |
| utf8mb4_0900_as_cs | 基于Unicode 9.0.0版本，区分大小写，适用于多语言环境，提供准确的排序结果。 |
| utf8mb4_0900_bin | 基于Unicode 9.0.0版本，进行严格的二进制比较和排序，区分大小写和字符编码。 |
| utf8mb4_bin | 进行严格的二进制比较和排序，区分大小写和字符编码。 |
| utf8mb4_general_ci | 不区分大小写的通用排序规则，适用于多语言环境。 |
| utf8mb4_unicode_520_ci | 不区分大小写，基于Unicode 5.2.0版本的通用排序规则。 |
| utf8mb4_unicode_ci | 不区分大小写，基于Unicode的通用排序规则。 |
| utf8mb4_zh_0900_as_cs | 基于Unicode 9.0.0版本，适用于中文，区分大小写，提供准确的排序结果。 |
基于上表描述信息，utf8mb4_0900_ai_ci 是 utf8mb4 字符集的默认排序规则（字符集校验规则），然而一般软件开发中用户可能选择 utf8mb4_0900_as_cs 或 utf8mb4_bin 。
附
utf8mb4 字符集的默认校验规则为： utf8mb4_0900_ai_ci
排序规则命名规则：
字符集_[编码|语言][_重音][_大小写敏感][_bin]
字符集： utf8mb4
编码：可选，值可能为 0900、unicode 或 unicode_520
语言：校验规则为特别语言而定制，如 _zh 表示适用于中文，_da 表示适用于丹麦语
重音：ai 表示不区分重音，as 表示区分重音
大小写敏感： ci 表示不区分大小写，cs 表示区分大小写
bin: 指字符比较时采用二进制进行比较。 当将字符串视为二进制进行比较时，会将字符串中的每个字符视为一组字节（或比特）的序列，而不考虑字符的语义、语言、大小写或重音符号等特征。在进行二进制比较时，只比较字符的字节表示，而不考虑字符本身的含义。