SQL Server 与 MySQL 中排序规则与字符集相关知识的一点总结

字符集&&排序规则

字符集是针对不同语言的字符编码的集合，比如UTF-8字符集，GBK字符集，GB2312字符集等等，不同的字符集使用不同的规则给字符进行编码。排序规则则是在特定字符集的基础上特定的字符排序方式，排序规则是基于字符集的，是对字符集在排序方式维度上的一个划分。

排序规则是依赖于字符集的，一种字符集可以有多种排序规则，但是一种排序规则只能基于某一种字符集的，比如中文字符集，也即汉字，可以按照“拼音排序”、“按姓氏笔划排序”等等。而对于英语，就没有“拼音”和“姓氏笔画”，但是可以分为区分大小写、不区分大小写等等，而其他语言下面也有自己特定的排序规则。

在SQL Server中，任何一种字符集的数据库，都能存储任何一种语言的字符。

并不是说拉丁（Latin）字符集的数据就存储不了中文，中文（Chinese）字符集的数据库就存储不了蒙古语（只要操作系统本身支持）。sqlserver中，不管哪种字符集（实际上是排序规则）的数据库（或者字段），都是可以使用nvarchar（或者nchar），而nvarchar（或者nchar）是可以存储任意非Unicode字符的。至于排序规则，那是根据不同的字符集所支持的不同的排序规则人为定义的。

SQL Server中的字符集和排序规则

排序规则只不过是指定了存储的数据的排序（比较）规则而已，换句话说就是，排序规则中已经包含了字符集的信息。因此在sqlserver中 ，不需要关心字符集，只需要关心排序规则，sqlserver中在创建只能指定排序规则（不能直接指定字符集），如截图，只能指定collation，也就是字符集

在MySQL中的字符集和排序规则

上面说了，排序规则是依赖于字符集的，一种字符集可以有多种排序规则，但是一种排序规则只能基于某一种字符集的。如下是MySQL中排序规则和字符集的对应关系。

MySQL的建库语法比较扯，可以指定字符集和排序规则，如果指定的排序规则在字符集的下面，则是没有问题的，如果指定的排序规则不在字符集下面，则会报错。

比如下面这一句，排序规则utf8_bin是属于字符集utf8下面的一种排序规则，这个语句执行是没有问题的

create database test_database2 charset utf8 collate utf8_bin;

再比如下面这一句，排序规则latin1_bin不是属于字符集utf8下面的一种排序规则，这个语句执行是会报错的

create database test_database2 charset utf8 collate latin1_bin;

以上是字符集和排序规则在sqlserver和MySQL中的一些基本应用，再说说常用的排序规则的区别

***_genera_ci & ***_genera_cs & ***_bin 常见排序规则的特点

以上是某种字符集下常用的三种排序规则，下面以常见的utf8为例说明。

• utf8_genera_ci不区分大小写，ci为case insensitive的缩写，即大小写不敏感，
• utf8_general_cs区分大小写，cs为case sensitive的缩写，即大小写敏感，但是目前MySQL版本中已经不支持类似于***_genera_cs的排序规则，直接使用utf8_bin替代。
• utf8_bin将字符串中的每一个字符用二进制数据存储，区分大小写。

那么，同样是区分大小写，utf8_general_cs和utf8_bin有什么区别？

• cs为case sensitive的缩写，即大小写敏感；bin的意思是二进制，也就是二进制编码比较。
• utf8_general_cs排序规则下，即便是区分了大小写，但是某些西欧的字符和拉丁字符是不区分的，比如ä=a，但是有时并不需要ä=a，所以才有utf8_bin
• utf8_bin的特点在于使用字符的二进制的编码进行运算，任何不同的二进制编码都是不同的，因此在utf8_bin排序规则下：ä<>a

在utf8_genera_ci的情况下A=a，ä=a

 

在utf8_bin排序规则下，A<>a,ä<>a

所以要想区分大小写，有没有特殊需求，就直接使用utf8_bin（实际上***_general_cs在MySQL中本身就不支持，在SQL Server中支持）。以上字符集的特点以及使用情况在SQL Server中表现为类似。