Setting the Default Character Set and Collation to UTF-8 Properly in MySQL

由於 MySQL 8.0 預設的 collation 是 utf8mb4_0900_ai_ci 而不是我原先以為「最精準」的 utf8mb4_unicode_ci，讓我好奇而查了一下，發現¹²：

• 0900 代表 Unicode Collation Algorithm (UCA) 的 9.0.0 版本，包含在 2016 年發佈的 Unicode 9.0.0 之中³。目前最新的版本是 11.0.0⁴
• ai 代表 accent insensitivity，即同一字母的不同標音不影響排序
• ci 就是 case insensitivity 了，同一字母的大小寫不影響排序

所以，不管是從其他方面，或是我所認為的「精準」來說，utf8mb4_0900_ai_ci (UCA 9.0.0) 都比 utf8mb4_unicode_ci (UCA 4.0.0) 要來得好。甚至是在 MySQL 5.7.7 裡，也都有 utf8mb4_unicode_520_ci (UCA 5.2.0) 這個更好的選擇⁵

結論就是，在 MySQL 中，設定 UTF-8 編碼的最佳組合是：

• 5.5.3+: charset=utf8mb4, collation=utf8mb4_unicode_ci
• 5.7.7+: charset=utf8mb4, collation=utf8mb4_unicode_520_ci
• 8.0.0+: charset=utf8mb4, collation=utf8mb4_0900_ai_ci

順便一提，utf8mb4 這個 charset 是在 MySQL 5.5.3 加入的⁶。在此之前，只有 utf8（5.5.3 之後等義於 utf8mb3）可用