---
title: "浅谈MySQL中的校对规则(collation)"
source: https://www.boris1993.com/brief-talk-about-mysql-collations.html
date: 2019-12-14
updated: 2026-10-10
tags: [MySQL, collation]
categories: [学知识]
---

# 浅谈MySQL中的校对规则(collation)

在我们开发过程中，最常见到的三种校对规则(collation)就是`utf8mb4_general_ci`、`utf8mb4_unicode_ci`，和`utf8mb4_bin`。那么这三种排序规则之间有什么区别，在开发过程中又该怎么选择？这里就简单说一下我所了解到的知识，和我的理解。

## 校对规则不会导致乱码

之前听到一名同事说，“这个东西(collation)你再研究下，搞不好中文会乱码的”。显然这位同事没搞清楚字符编码(encoding)和校对规则(collation)的区别。

字符集是一套符号和编码，它实实在在决定了每个字符应当以怎样的规则被编码为二进制数据，以及在取出一系列二进制数据之后，又应当以怎样的规则还原为字符。比如我们喜闻乐见的“锟斤拷”就是因为GBK编码与Unicode编码之间转换出现问题导致的乱码。

而校对规则本身并不会参与字符的编码，所以它当然不会产生文字乱码的问题。当然，使用了不合适的校对规则，也会对数据产生一定的影响，具体有什么影响后面我们慢慢说。

## 校对规则是什么

校对规则是一套规范，它指明了数据在数据库中应当以哪种方式被比较和排序，包括排序的规则、是否大小写敏感，以及是否对重音标记敏感。

在`MySQL`中，校对规则通常按照`字符集_语言或地区_字符敏感特性`的规则来命名。

## 这三种校对规则有什么区别

首先，根据它们的后缀`_ci`可以知道，这三种校对规则都是对大小写不敏感(Case Insensitive)的。

`utf8mb4_general_ci`是对大小写和重音字符都不敏感的。比如，拉丁字符`ÀÁÅåāă`是等同于字符`a`的。

`utf8mb4_unicode_ci`是大小写不敏感，但是对重音字符敏感的。即，拉丁字符`Å`和`å`是等同的，但是和`a`是不同的。

`utf8mb4_bin`则是直接比较每个字符的Unicode码点(code point)。

从效率上来讲，`utf8mb4_bin` > `utf8mb4_general_ci` > `utf8mb4_unicode_ci`。

## 校对规则会产生什么影响

不同的排序规则，不仅对大小写和重音字符的处理不同，对于一些语言中特有的字符的处理也是不同的。

比如一个斯洛伐克人，他向数据库中插入了两条数据，其主键分别是`poistný`和`poistny`。但是因为他用了重音不敏感的`utf8mb4_general_ci`，导致数据库判定这两个字符串是一样的，而抛出了重复主键的错误。\[^3\]

另一个例子是，对于德语中的`ß`，如果使用`utf8mb4_general_ci`，那么它等同于`s`，而如果使用`utf8mb4_unicode_ci`，它则等同于`ss`。

所以，如果数据涉及的语言中包含有特殊的字符或者重音符号，而其比对结果的正确性又很重要时，那么就应当选择`unicode_ci`系列的校对规则，否则，`general_ci`就够用了。当然，在必要的情况下，也可以选择这个语言对应的规则，比如`utf8_swedish_ci`。

对于中文来说，我在网上并没有找到相关的文章，同时根据自己的开发经验，`general_ci`和`unicode_ci`对于中文都没有什么明显的问题，所以两个都可以用。

\[^1\]: Re: utf8\_unicode\_ci vs utf8\_general\_ci - MySQL Forums  
\[^2\]: MySQL collation charts  
\[^3\]: 斯洛伐克人的例子