在 MySQL 8.0 中创建数据库时，选择正确的字符集和排序规则非常重要。这关系到你的数据库能否正确存储和处理各种语言的字符，特别是像表情符号（emoji）这样的特殊字符。

核心推荐 (MySQL 8.0 及以后版本):

• 字符集 (Character Set): 强烈推荐选择 utf8mb4。
• 排序规则 (Collation): 推荐选择 utf8mb4_0900_ai_ci (这是 MySQL 8.0 的默认排序规则)。

为什么选择 utf8mb4 而不是 utf8mb3 (或其他)?

1. utf8mb3 (历史上的 utf8):

   • 含义: 使用最多 3 个字节来存储一个字符。
   • 覆盖范围: 只能存储 Unicode 基本多文种平面 (Basic Multilingual Plane, BMP) 中的字符。这包括了绝大部分常用的语言字符（如拉丁字母、西里尔字母、大部分中日韩字符等）。
   • 缺点: 无法存储需要 4 个字节的 Unicode 字符。最常见的例子就是表情符号 (emoji)，还有一些不常用的汉字、数学符号、音乐符号等。
   • 历史: 在 MySQL 5.5.3 之前，MySQL 中的 utf8 实际上就是 utf8mb3 的别名。为了避免混淆并明确支持完整的 UTF-8，MySQL 后来引入了 utf8mb4 并将旧的 utf8 指向 utf8mb3。在 MySQL 8.0 中，utf8mb3 被视为遗留字符集。

2. utf8mb4:

   • 含义: 使用最多 4 个字节来存储一个字符。
   • 覆盖范围: 能够存储所有 Unicode 字符，包括 BMP 字符和辅助平面 (Supplementary Planes) 中的字符（如 emoji 和罕见字符）。
   • 优点: 提供了最广泛的字符支持，是真正意义上的 UTF-8 实现，能够适应现代互联网应用的需求（尤其是移动端 emoji 的广泛使用）。
   • MySQL 8.0 默认值: 从 MySQL 8.0 开始，utf8mb4 及其对应的排序规则 utf8mb4_0900_ai_ci 成为了默认的字符集和排序规则，这表明了官方的推荐方向。

3. 其他字符集 (如 latin1, gbk等):

   • latin1 (ISO 8859-1): 主要支持西欧语言，无法存储中文、日文、韩文、emoji 等。
   • gbk: 主要用于简体中文，但不是国际标准，不支持繁体中文、日韩文、emoji 等。
   • 这些字符集在需要支持多语言或现代字符（如 emoji）的场景下，兼容性远不如 utf8mb4，不推荐在新项目中使用。

总结 utf8mb3 vs utf8mb4 的关键区别:

关于排序规则 (Collation):

排序规则定义了字符集内字符的比较和排序方式。它会影响 ORDER BY, GROUP BY, 字符串比较 (=, >, < 等) 以及索引的使用。

• utf8mb4_0900_ai_ci: 这是 MySQL 8.0 推荐的 utf8mb4 默认排序规则。
  • 0900: 指的是基于 Unicode Collation Algorithm (UCA) 9.0.0 版本，提供了更准确、更符合现代语言习惯的排序。
  • ai: Accent Insensitive (不区分重音符号)。例如，‘a’ 和 ‘á’ 在比较时被视为相等。
  • ci: Case Insensitive (不区分大小写)。例如，‘a’ 和 ‘A’ 在比较时被视为相等。
• 其他常见排序规则:
  • utf8mb4_general_ci: 较旧的排序规则，排序准确性不如 _0900_ 系列，但可能在某些旧场景下性能稍快（差异通常不显著）。不推荐在新项目使用。
  • utf8mb4_unicode_ci: 比 _general_ci 更准确一些，但也不如 _0900_ 系列。
  • utf8mb4_bin: 二进制排序。直接比较字符的二进制值，区分大小写、重音，速度最快，但排序结果可能不符合人类语言习惯。
  • utf8mb4_xxxx_as_cs: as (Accent Sensitive) 表示区分重音，cs (Case Sensitive) 表示区分大小写。根据需要选择。
  • 特定语言的排序规则 (如 utf8mb4_ja_0900_as_cs for Japanese)。

选择建议:

• 对于绝大多数新项目，直接使用 MySQL 8.0 的默认设置：CHARACTER SET utf8mb4 和 COLLATE utf8mb4_0900_ai_ci。这提供了最好的兼容性和最准确的通用排序规则（不区分大小写和重音）。
• 如果你需要区分大小写或重音进行比较和排序，可以选择对应的 _cs 或 _as 排序规则，例如 utf8mb4_0900_as_cs。
• 除非有非常明确的理由（如与极旧的系统兼容），否则避免使用 utf8mb3。

如何在创建数据库时指定:

CREATE DATABASE your_database_name
CHARACTER SET utf8mb4
COLLATE utf8mb4_0900_ai_ci;

如果你不指定，MySQL 8.0 会自动使用服务器配置的默认值，通常就是 utf8mb4 和 utf8mb4_0900_ai_ci。

总之，在 MySQL 8.0 中，请优先并放心地选择 utf8mb4 字符集和 utf8mb4_0900_ai_ci (或其他 utf8mb4_0900_xx_xx) 排序规则，以确保最佳的兼容性和功能性。