MySQL 的 utf8mb4 和 utf8 有什么区别？Collation 为什么会影响比较和唯一索引？

知识点详解：能存下来，与被当成相等，是两件事

utf8mb4 不是“全部字符加长”

UTF-8 是变长编码。utf8mb4 的能力是支持包括补充平面字符在内的完整范围，不是把每个字符硬塞成四字节。

旧的 utf8mb3 支持范围更窄。有些 emoji 在范围之外，所以即使表面上都写着 UTF-8，也可能无法正确保存。具体定义见 MySQL utf8mb4 说明。

另外，“能保存一个 Unicode 字符”不代表所有看起来像一个图案的 emoji 都只有一个码点。产品里的长度和展示规则，还要与业务语义配合。

Collation 为什么影响唯一索引？

假设用户名列使用忽略大小写的排序规则。Alice 与 alice 虽然字节不同，比较规则却可能把它们当成相等。因此，唯一索引会按这份规则判断冲突。

这是约束正常工作，不是数据库突然分不清字符串。如果业务要区分大小写，就需要选择与要求一致的比较规则，并考虑登录、搜索和现有数据迁移的影响。

常见后缀中，ci 表示大小写不敏感，cs 表示敏感；ai 表示重音不敏感，as 表示敏感。具体命名与例外见 MySQL Collation 命名说明。

不要把某一种规则概括成“只比较字节”。文本比较还涉及规则、版本以及字符语义。

图：字节不同，也可能违反唯一约束。

为什么改表还不够？

客户端发送的字节需要按协商的连接设置解释；表达式、参数和存储列也有各自的设置。

如果客户端按一种编码生成字节，服务端却按另一种理解，即使列支持 utf8mb4，也可能发生错误。排查应沿着输入、驱动连接、数据库比较和返回这条链看，不能只截取表定义。

应用还要确认驱动实际生效的字符设置，而不是看到一项配置名字就结束检查。

图：编码设置，要看整条链。

迁移规则前，先找可能的新冲突

假设旧规则区分大小写，已经存在 Alice 和 alice 两个账号。改成忽略大小写后，唯一约束的等价类变化，它们可能不能同时存在。

因此，迁移不只是重新保存字节。先按目标规则检查冲突，制定合并、改名或拒绝策略，再处理索引和应用行为。查询结果和排序顺序变化，也需要回归。

本文不提供一条生产“全库一键修改”的脚本，也没有把示意比较写成已经在目标库运行的结果。

面试官继续追问

字符长度与字节长度能混着算吗？

不能。存储容量、索引限制和产品输入长度关注的单位可能不同。先明确算字符、码点、字节还是用户看到的文本单位。

选择 binary 就解决所有用户名问题吗？

不一定。精确比较也是一种业务选择，还要考虑规范化、用户体验和安全要求，不能用一个排序规则代替完整输入设计。

面试速记卡

• utf8mb4：最大四字节，支持范围更完整。
• utf8：在 MySQL 8.4 是已弃用的 utf8mb3 别名。
• 字符集：表示与编码。
• Collation：比较、排序，也影响唯一约束。
• 迁移：连接设置、已有冲突和应用行为一起检查。