一、字符集概述
字符集（Character Set）是多个字符的集合，字符集种类较多，每个字符集包含的字符个数不同，常见字符集名称：ASCII、GB2312、BIG5、Unicode等。
UTF(Unicode Tranformation Format)是Unicode的其中一个使用方式，即把Unicode转做某种格式的意思，包括UTF-8，UTF-16，UTF-32。
UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，又称万国码。
UTF-8用1到6个字节编码Unicode字符。用在网页上可以同一页面显示中文简体繁体及其它语言（如英文，日文，韩文）。
UTF-16使用一个或两个未分配的16位代码单元的序列对Unicode代码点进行编码。
UTF-32即将每一个Unicode代码点表示为相同值的32位整数。
下面是UTF-8的编码方式：
一个字节：0xxxxxxx
二、MySQL的字符集
MySQL的字符集包括字符集（charset）和校对规则（collation）两个概念。
字符集定义了存储字符串的方式，校对规则定义了比较字符串的方式。
MySQL8.0支持40多种字符集的270多种校对规则。
可以使用以下指令，来查看MySQL系统支持的字符集和校对规则。如下：
mysql> show charset;
MySQL8.0之前创建表不指定字符集的话，默认采用latin1字符集，MySQL8.0之后版本才改为默认utf8mb4(most bytes 4)字符集，昆仑数据库存储节点采用的是MySQL8.0架构，当然也是默认utf8mb4。
UTF-8，在MySQL中写作utf8，真的有所不同。
MySQL从4.1版本开始支持utf8。可能当时的utf8还没有定义4-6个字节标准，或者MySQL设计者认为1-3个字节的utf8已经够用了。
所以当时MySQL设计的utf8只支持1-3个字节的编码，不是完整的utf8，这种编码方式一直保留至今。
虽然在MySQL在5.5.3之后增加了utf8mb4字符集，但一段时间开发人员都习惯采用utf8等字符集来支持中文。
MySQL的utf8会导致一些4个字节编码的生僻汉字插入错误。
还有现在APP端的emoji表情是4个字节的字符，如果不转码，直接更新到数据库也会报出异常。
历史原因导致MySQL的utf8经常让人误解，曾经让很多开发人员吃了苦头，网上有些文章比如：“永远不要在MySQL中使用utf8”，看着都挺吓人。
当然过个几年4个字节的utf8mb4编码可能又不够用了，那MySQL又要增加utf8mb5、utf8mb6。
字符除了需要存储，还需要排序或比较大小，涉及与字符集相对应的校对规则。在MySQL8.0中查看一下utf8mb4对应的校对规则：
mysql> show collationlike 'utf8mb4%';
+----------------------------+---------+-----+---------+
| Collation | Charset | Id | Default |
+----------------------------+---------+-----+---------+
|utf8mb4_0900_ai_ci | utf8mb4 |255 | Yes |
|utf8mb4_0900_as_ci | utf8mb4 |305 | |
|utf8mb4_0900_as_cs | utf8mb4 |278 | |
|utf8mb4_0900_bin | utf8mb4 |309 | |
| utf8mb4_bin | utf8mb4 | 46 | |
| ................... | | | |
75 rows in set (0.00sec)utf8mb4的校对规则默认utf8mb4_0900_ai_ci。其中0900表示Unicode版本9.0.0，后缀含义如下表：
+-------------+----------------------+-----------------+
| 后缀 | 英文 | 描述 |
+-------------+----------------------+-----------------+
| _ai | accent insensitive | 不区分重音 |
| _as | accent sensitive | 区分重音 |
| _ci | case insensitive | 不区分大小写 |
| _cs | case sensitive | 区分大小写 |
| _bin | binary | 二进制比较 |
+-------------+----------------------+-----------------+三、举例来解释一下MySQL的utf8字符集
创建两张表，分别为utf8和utf8mb4字符集：
CREATE TABLE tb_utf8(
`id` INT AUTO_INCREMENT,
`info` VARCHAR(8),
PRIMARY KEY (`id`))CHARSET=utf8;
CREATE TABLE tb_utf8mb4(
`id` INT AUTO_INCREMENT,
`info` VARCHAR(8),
PRIMARY KEY (`id`)); #默认采用utf8mb4
插入数据：
insert into tb_utf8(info) values("昆仑数据库");
insert into tb_utf8(info) values("昆仑数据库A12");
insert into tb_utf8(info) values("昆仑数据库A123");#超过8个字符失败了
查看一下表格数据，以及占用空间：
mysql> selectinfo,length(info) from tb_utf8;
+--------------------+--------------+
| info | length(info) |
+--------------------+--------------+
| 昆仑数据库 | 15 |
| 昆仑数据库A12 | 18 |
+--------------------+--------------+
2 rows in set (0.00sec)可以看出utf8字符集中，一般的汉字占用3个字节，英文和数字占1个字节。
接下来试下4个字节的emoji表情包：
插入4个字节的emoji表情包失败了。
因为大部分SSH工具不支持4字节的UTF-8字符显示，笔者是直接在Ubuntu20系统的Terminal做的演示。4字节的生僻汉字暂时找不到支持的终端界面，这里就不演示了。
我们在支持4个字节的utf8mb4表格中插入emoji表情包，并查看一下数据，以及占用空间：
最后我们来看看校验规则，在tb_utf8mb4中插入一些数据：
insert into tb_utf8mb4(info) values("ABC");
insert into tb_utf8mb4(info) values("Abc");
insert into tb_utf8mb4(info) values("abc"); 查看一下数据,三个记录都出来了：
mysql> select info from tb_utf8mb4 where info="abc";
+------+
| info |
+------+
| ABC |
| Abc |
| abc |
+------+
3 rows in set (0.00 sec)这种校对规则，对于网址，邮箱地址等不区分大小写的场景十分好用，但如果我们需要区分大小写，可以修改一下校对规则：
alter table tb_utf8mb4 modify info varchar(8) collate utf8mb4_0900_as_cs;再查看一下数据，这回只有一条记录满足：
mysql> select info from tb_utf8mb4 where info="abc";
+------+
| info |
+------+
| abc |
+------+
1 row in set (0.00 sec)MySQL的字符集就聊到这里，科普一下数据库的基础知识。
KunlunDB项目已开源
【GitHub：】
https://github.com/zettadb
【Gitee：】
https://gitee.com/zettadb
END