聊一聊 MySQL 排序规则

[[346355]]

本文转载自微信公众号「Linux开发那些事儿」，作者 LinuxThings 。转载本文请联系Linux开发那些事儿公众号。

在日常工作中，对于MySQL排序规则，很少关注，大部分时候都是直接使用字符集默认的排序规则，常常忽视了排序规则的细节问题，了解排序规则有助于更好的理解MySQL字符比较和排序相关的知识。

简述

说起排序规则就离不开字符集，严格来说，排序规则是依赖于字符集的。

字符集是用来定义MySQL存储不同字符的方式，而排序规则一般指对字符集中字符串之间的比较、排序制定的规则。一种字符集可以对应多种排序规则，但是一种排序规则只能对应指定的一种字符集，两个不同的字符集不能有相同的排序规则。

上图中，Collation 列表示排序方式，Charset 列表示字符集，可以看出 utf8 字符集对应着许多的排序方式，排序方式那一列每一项的值都不一样，并且每一项都对应唯一一种字符集，在这里是 utf8 字符集。

默认排序规则

• 字符集的默认排序规则

mysql> show character set like 'utf8%'; 
+---------+---------------+--------------------+--------+ 
| Charset | Description   | Default collation  | Maxlen | 
+---------+---------------+--------------------+--------+ 
| utf8    | UTF-8 Unicode | utf8_general_ci    |      3 | 
| utf8mb4 | UTF-8 Unicode | utf8mb4_general_ci |      4 | 
+---------+---------------+--------------------+--------+ 
2 rows in set (0.00 sec) 

每种字符集都有一个默认的排序规则, 可以通过下面的SQL语句查询指定字符集的默认排序规则

上面的例子是查询字符集前缀包含utf8的默认排序方式，从中可以得知：

utf8字符集的默认排序方式是 utf8_general_ci 字符集中字符最大长度占3个字节

utf8mb4 字符集的默认排序方式是 utf8mb4_general_ci 字符集中字符最大长度占4个字节

• 数据库的默认排序规则

MySQL服务器的默认字符集可以在 /etc/my.cnf 配置中的 [mysqld] 下修改

例如：现需要把MySQL服务器的默认字符集设置为 utf8, 默认排序规则设置为 utf8_general_ci, 只需要在 /etc/my.cnf 配置文件的 [mysqld] 下添加以下子项

character-set-server=utf8 
collation-server=utf8_general_ci 

创建数据库的时候如果没有指定字符集，会使用MySQL服务器默认字符集和默认排序规则

假如: 在下面例子中，MySQL服务器的默认字符集和默认排序规则分别是 utf8 和 utf8_general_ci

mysql> create database at; 
Query OK, 1 row affected (0.00 sec) 
mysql> select SCHEMA_NAME,DEFAULT_CHARACTER_SET_NAME,DEFAULT_COLLATION_NAME from INFORMATION_SCHEMA.SCHEMATA where SCHEMA_NAME='at'; 
+-------------+----------------------------+------------------------+ 
| SCHEMA_NAME | DEFAULT_CHARACTER_SET_NAME | DEFAULT_COLLATION_NAME | 
+-------------+----------------------------+------------------------+ 
| at          | utf8                       | utf8_general_ci        | 
+-------------+----------------------------+------------------------+ 
1 row in set (0.00 sec) 

在上面的例子中，创建了 at 数据库，创建数据库的时候没有为数据库指定字符集和排序规则，此时会使用 MySQL服务器的默认字符集和排序规则

通过SQL语句查询 at 数据库的默认字符集和默认排序规则，结果和MySQL服务器的默认字符集和默认排序规则是一样的

排序规则命名以及名字后缀

• 命名

排序规则的命名是以和它自身关联的字符集名字开头的，后面再接一个或多个后缀来表示指定字符集的一种排序规则

例如：utf8_general_ci 和 utf8_bin 就是 utf8字符集的两种排序规则, latin1_swedish_ci 是 latin1字符集的排序规则

注意： binary 字符集只有一种排序规则,并且它的排序规则名字和字符集名字一样, 也是 binary

• 后缀

排序规则名字的后缀是有特殊意义的，根据后缀可以知道排序规则是否区分大小写，是否区分重音，是否是二进制等等，下面列出了部分后缀的说明

_ci : 不区分大小写, Case-insensitive的缩写 
 
_cs : 区分大小写，Case-sensitive的缩写 
 
_ai : 不区分重音，Accent-insensitive的缩写 
 
_as : 区分重音，Accent-sensitive的缩写 
 
_bin : 二进制 

1: 不区分大小写

mysql> SET NAMES 'utf8' COLLATE 'utf8_unicode_ci'; 
Query OK, 0 rows affected (0.02 sec) 
 
mysql> select 'a' = 'A'; 
+-----------+ 
| 'a' = 'A' | 
+-----------+ 
|         1 | 
+-----------+ 
1 row in set (0.00 sec) 

例子中排序规则为 utf8_unicode_ci 是不区分大小写的，所以字符 a 和字符 A 会被当做相同字符处理

2: 区分大小写

mysql> SET NAMES 'latin1' COLLATE 'latin1_general_cs'; 
Query OK, 0 rows affected (0.00 sec) 
 
mysql> select 'a' = 'A'; 
+-----------+ 
| 'a' = 'A' | 
+-----------+ 
|         0 | 
+-----------+ 
1 row in set (0.00 sec) 

例子中排序规则为 latin1_general_cs 是会区分大小写的，所以字符 a 和字符 A 会被认为是两个不同的字符

3: 二进制

mysql> SET NAMES 'utf8' COLLATE 'utf8_bin'; 
Query OK, 0 rows affected (0.00 sec) 
 
mysql>  select 'a' = 'A'; 
+-----------+ 
| 'a' = 'A' | 
+-----------+ 
|         0 | 
+-----------+ 
1 row in set (0.00 sec) 
 
mysql> select 'à' = 'a'; 
+------------+ 
| 'à' = 'a'  | 
+------------+ 
|          0 | 
+------------+ 
1 row in set (0.00 sec) 

上面例子使用的排序规则是 utf8_bin 从结果可以得知：utf8_bin 排序规则区分大小写，也区分重音字符

4: 是否区分重音

重音字符是类似 à、ě、ň 的字符，不区分重音是指字符 a和 à、e和ě 以及 n和ň 被认为是同一个字符

对于非二进制(后缀为 _bin)的排序规则, 如果排序规则名字后缀不包含 _ai 和 _as, 则排序规则名称中的 _ci 默认隐含了_ai, _cs默认隐含了_as

例如: utf8_unicode_ci排序规则是不区分大小写并且隐含不区分重音的

latin1_general_cs 排序规则是区分大小写并且隐含区分重音的

具体的请查看下面的例子

mysql> SET NAMES 'utf8' COLLATE 'utf8_unicode_ci'; 
Query OK, 0 rows affected (0.02 sec) 
 
mysql> select 'à' = 'a'; 
+------------+ 
| 'à' = 'a'  | 
+------------+ 
|          1 | 
+------------+ 
1 row in set (0.00 sec) 
 
mysql>  SET NAMES 'latin1' COLLATE 'latin1_general_cs'; 
Query OK, 0 rows affected (0.00 sec) 
 
mysql> select 'à' = 'a'; 
+------------+ 
| 'à' = 'a'  | 
+------------+ 
|          0 | 
+------------+ 
1 row in set (0.01 sec) 

查看排序规则

• 查看数据库数据库的排序规则

mysql>  select SCHEMA_NAME,DEFAULT_CHARACTER_SET_NAME,DEFAULT_COLLATION_NAME from INFORMATION_SCHEMA.SCHEMATA where SCHEMA_NAME='at'; 
+-------------+----------------------------+------------------------+ 
| SCHEMA_NAME | DEFAULT_CHARACTER_SET_NAME | DEFAULT_COLLATION_NAME | 
+-------------+----------------------------+------------------------+ 
| at          | latin1                     | latin1_swedish_ci      | 
+-------------+----------------------------+------------------------+ 
1 row in set (0.00 sec) 

上面的例子是查看 at 数据库的字符集和排序规则，从结果可以得知：at数据库的排序规则是latin1_swedish_ci

方法2：直接查询 collation_database 变量值

mysql> use at; 
Database changed 
mysql> show variables like 'collation_database'; 
+--------------------+-------------------+ 
| Variable_name      | Value             | 
+--------------------+-------------------+ 
| collation_database | latin1_swedish_ci | 
+--------------------+-------------------+ 
1 row in set (0.00 sec) 

实例中 use at SQL语句切换到 at 数据库，然后使用 show variables like 'collation_database'; 语句查询 at 数据库的排序规则

• 查看表的排序规则

方法1：根据数据库名和表名查看 INFORMATION_SCHEMA.TABLES 表中的 TABLE_COLLATION 字段，可以得到指定数据库中指定表的排序规则，具体的实例如下所示：

mysql> SELECT TABLE_SCHEMA, TABLE_NAME,TABLE_COLLATION FROM INFORMATION_SCHEMA.TABLES where TABLE_SCHEMA='test' and TABLE_NAME = 'tc'; 
+--------------+------------+-----------------+ 
| TABLE_SCHEMA | TABLE_NAME | TABLE_COLLATION | 
+--------------+------------+-----------------+ 
| test         | tc         | utf8_general_ci | 
+--------------+------------+-----------------+ 
1 row in set (0.00 sec) 

方法2：执行 show create table 表名 语句查看

mysql> show create table tc\G 
*************************** 1. row *************************** 
       Table: tc 
Create Table: CREATE TABLE `tc` ( 
  `id` int(11) NOT NULL, 
  `a` char(32) NOT NULL, 
  `b` char(32) CHARACTER SET utf8 COLLATE utf8_bin NOT NULL, 
  `c` char(32) CHARACTER SET latin1 COLLATE latin1_general_cs NOT NULL 
) ENGINE=InnoDB DEFAULT CHARSET=utf8 
1 row in set (0.00 sec) 

上面的例子中, show create table tc\G 是查看 tc 表的创建语句，一般创建表的时候会指定排序规则，例子中没有显示指定表的排序规则，这是因为使用的是字符集的默认排序规则，tc 表的字符集是 utf8 , 默认的排序规则是 utf8_general_ci

• 查看字段的排序规则

上面 查看表的排序规则 小节的 方法2 是查看表的创建语句，字段的排序规则也可以从表创建语句中查看到，如果没有显示指定字段的排序规则，创建表的语句中是看不到排序规则的，这表示该字段使用字符集的默认排序方式

mysql> show create table tc\G 
*************************** 1. row *************************** 
       Table: tc 
Create Table: CREATE TABLE `tc` ( 
  `id` int(11) NOT NULL, 
  `a` char(32) NOT NULL, 
  `b` char(32) CHARACTER SET utf8 COLLATE utf8_bin NOT NULL, 
  `c` char(32) CHARACTER SET latin1 COLLATE latin1_general_cs NOT NULL 
) ENGINE=InnoDB DEFAULT CHARSET=utf8 
1 row in set (0.00 sec) 

上面例子中,表 tc的字符集是utf8

字段 a 没有显示指定排序规则，则它使用的是utf8字符集的默认排序规则utf8_general_ci

字段 b 的排序规则是 utf8_bin

字段 c 的排序规则是 latin1_general_cs

修改排序规则

修改数据库的排序规则

数据库的默认排序规则可以通过 alter database 数据库名 collate 新的排序规则名字 SQL语句进行修改

mysql> select SCHEMA_NAME,DEFAULT_CHARACTER_SET_NAME,DEFAULT_COLLATION_NAME from INFORMATION_SCHEMA.SCHEMATA where SCHEMA_NAME='at'; 
+-------------+----------------------------+------------------------+ 
| SCHEMA_NAME | DEFAULT_CHARACTER_SET_NAME | DEFAULT_COLLATION_NAME | 
+-------------+----------------------------+------------------------+ 
| at          | utf8                       | utf8_general_ci        | 
+-------------+----------------------------+------------------------+ 
1 row in set (0.00 sec) 
 
mysql> alter database at collate utf8_bin; 
Query OK, 1 row affected (0.00 sec) 
 
mysql> select SCHEMA_NAME,DEFAULT_CHARACTER_SET_NAME,DEFAULT_COLLATION_NAME from INFORMATION_SCHEMA.SCHEMATA where SCHEMA_NAME='at'; 
+-------------+----------------------------+------------------------+ 
| SCHEMA_NAME | DEFAULT_CHARACTER_SET_NAME | DEFAULT_COLLATION_NAME | 
+-------------+----------------------------+------------------------+ 
| at          | utf8                       | utf8_bin               | 
+-------------+----------------------------+------------------------+ 
 
 
mysql> alter database at collate latin1_swedish_ci ; 
Query OK, 1 row affected (0.00 sec) 
 
mysql> select SCHEMA_NAME,DEFAULT_CHARACTER_SET_NAME,DEFAULT_COLLATION_NAME from INFORMATION_SCHEMA.SCHEMATA where SCHEMA_NAME='at'; 
+-------------+----------------------------+------------------------+ 
| SCHEMA_NAME | DEFAULT_CHARACTER_SET_NAME | DEFAULT_COLLATION_NAME | 
+-------------+----------------------------+------------------------+ 
| at          | latin1                     | latin1_swedish_ci      | 
+-------------+----------------------------+------------------------+ 
1 row in set (0.00 sec) 

上面的例子中，at 数据库初始的字符集和排序规则分别是 utf8 和 utf8_general_ci

SQL语句: alter database at collate utf8_bin; 把字符集和排序规则修改为 utf8 和 utf8_bin

SQL语句: alter database at collate latin1_swedish_ci; 把字符集和排序规则修改为 latin1 和 latin1_swedish_ci

由于latin1_swedish_ci排序规则 是属于latin1字符集，所以 at 数据库排序规则修改成 latin1_swedish_ci 之后，字符集相应的也会由 utf8 变成 latin1

• 修改表的排序规则

通过 alter table 表名 collate 新的排序规则名字; 语句可以修改表的排序规则

注意：上面的语句修改表排序规则，对现有字段的排序规则没影响，只影响后续新添加字段的默认排序规则

mysql> show create table tc\G 
*************************** 1. row *************************** 
       Table: tc 
Create Table: CREATE TABLE `tc` ( 
  `id` int(11) NOT NULL, 
  `a` char(32) NOT NULL, 
  `b` char(32) CHARACTER SET utf8 COLLATE utf8_bin NOT NULL, 
  `c` char(32) CHARACTER SET latin1 COLLATE latin1_general_cs NOT NULL 
) ENGINE=InnoDB DEFAULT CHARSET=utf8 
1 row in set (0.00 sec) 
 
mysql> alter table tc collate latin1_swedish_ci; 
Query OK, 0 rows affected (0.00 sec) 
Records: 0  Duplicates: 0  Warnings: 0 
 
mysql> show create table tc\G 
*************************** 1. row *************************** 
       Table: tc 
Create Table: CREATE TABLE `tc` ( 
  `id` int(11) NOT NULL, 
  `a` char(32) CHARACTER SET utf8 NOT NULL, 
  `b` char(32) CHARACTER SET utf8 COLLATE utf8_bin NOT NULL, 
  `c` char(32) CHARACTER SET latin1 COLLATE latin1_general_cs NOT NULL 
) ENGINE=InnoDB DEFAULT CHARSET=latin1 
1 row in set (0.00 sec) 

上面例子中，tc表初始的字符集是utf8,默认排序规则是utf8_general_ci 执行 alter table tc collate latin1_swedish_ci;SQL语句把表的排序规则修改成latin1_swedish_ci

由于latin1_swedish_ci排序规则是属于latin1字符集的，所以此时表的字符集也会修改成latin1

修改表排序规则之前，字段a的排序规则是默认的utf8_general_ci，在创建表的语句中没有显示出来

修改排序规则之后，由于表默认的排序规则发生的变化，所以字段a会显示出它原本的字符集

• 修改字段的排序规则

mysql> show create table tc\G 
*************************** 1. row *************************** 
       Table: tc 
Create Table: CREATE TABLE `tc` ( 
  `id` int(11) NOT NULL, 
  `a` char(32) CHARACTER SET utf8 NOT NULL, 
  `b` char(32) CHARACTER SET utf8 COLLATE utf8_bin NOT NULL, 
  `c` char(32) CHARACTER SET latin1 COLLATE latin1_general_cs NOT NULL, 
  `d` char(32) DEFAULT NULL 
) ENGINE=InnoDB DEFAULT CHARSET=latin1 
1 row in set (0.00 sec) 
 
mysql> alter table tc modify b char(32) not null  collate latin1_general_cs; 
Query OK, 0 rows affected (0.05 sec) 
Records: 0  Duplicates: 0  Warnings: 0 
 
mysql> show create table tc\G 
*************************** 1. row *************************** 
       Table: tc 
Create Table: CREATE TABLE `tc` ( 
  `id` int(11) NOT NULL, 
  `a` char(32) CHARACTER SET utf8 NOT NULL, 
  `b` char(32) CHARACTER SET latin1 COLLATE latin1_general_cs NOT NULL, 
  `c` char(32) CHARACTER SET latin1 COLLATE latin1_general_cs NOT NULL, 
  `d` char(32) DEFAULT NULL 
) ENGINE=InnoDB DEFAULT CHARSET=latin1 
1 row in set (0.00 sec) 

上面例子中，字段 b 原始的字符集和排序规则分别是 utf8、utf8_bin

语句 alter table tc modify b char(32) not null collate latin1_general_cs;把字段 b 的排序规则修改成 latin1_general_cs, 由于latin1_general_cs 排序规则是属于latin1字符集, 所以修改之后字段 b 的字符集和排序规则都发生了变化

小结

本文介绍了MySQL字符集的排序规则，由于篇幅原因，有些点没有涉及到，更多排序规则有关的细节可以自行查阅MySQL官方文档