Выбор кодировки в сравнение для MySQL

Я начинаю новый проект и хочу, чтобы он соответствовал современным требованиям. Ранее при установке движка я использовал utf8_general_ci, так как сайт был на кириллице, и всё работало отлично.

Однако на форуме и в интернете многие говорят, что utf8_general_ci уже устарел, и рекомендуют использовать utf8mb4_general_ci или utf8mb4_unicode_ci.

Подскажите, пожалуйста, какую кодировку лучше выбрать для базы данных.

Для нового проекта действительно лучше использовать кодировку utf8mb4 вместо utf8. Вот основные различия между utf8_general_ci, utf8mb4_general_ci и utf8mb4_unicode_ci:

utf8_general_ci:
— Поддерживает только символы, которые могут быть закодированы в 3 байта.
— Не поддерживает некоторые символы, такие как эмодзи и редкие иероглифы.
— Быстрее при сортировке, но может иметь проблемы с точностью для некоторых языков.

utf8mb4_general_ci:
— Поддерживает все символы Unicode, включая эмодзи и редкие иероглифы.
— Немного быстрее при сортировке по сравнению с utf8mb4_unicode_ci, но может иметь проблемы с точностью для некоторых языков.

— Также поддерживает все символы Unicode.
-Более точен при сортировке и сравнении символов для различных языков, так как использует алгоритм Unicode Collation Algorithm (UCA).
-Рекомендуется для проектов, где важна точность сортировки и сравнения символов.

Для большинства современных проектов рекомендуется использовать utf8mb4_unicode_ci, так как он обеспечивает лучшую поддержку символов и точность при работе с различными языками.

Для нового проекта рекомендуется использовать кодировку utf8mb4_unicode_ci. Эта кодировка обеспечивает поддержку большего количества символов и считается более современной.

Начиная с MySQL 5.5.3 вы должны использовать utf8mb4, а не utf8. Обе эти группы относятся к кодировке UTF-8, но более старая utf8 имеет специфичные для MySQL ограничения, не дающие использовать символы, пронумерованные выше 0xFFFD.

Таким образом, больше не нужно использовать ни utf8_general_ci, ни utf8_unicode_ci.

Что касается новых версий кодировки utf8mb4_general_ci и utf8mb4_unicode_ci. То предпочтительной является unicode, а не general. Вариант utf8mb4_general_ci будет чуть более быстрым при сортировке (в настоящее время это уже неактуально), но имеет проблемы с сортировкой в определённых языках. Кодировка utf8mb4_unicode_ci лишена этих недостатков.

Совет: для сохранения места с utf8mb4, используйте VARCHAR вместо CHAR. В противном случае MySQL будет резервировать четыре байта для каждого символа в стобце CHAR CHARACTER SET utf8mb4, поскольку это максимально возможная длина. Например, MySQL должна зарезервировать 40 байт для столбца CHAR(10) CHARACTER SET utf8mb4.

Примечание: точнее utf8mb4_unicode_ci не совсем кодировка, в терминах MySQL это называется COLLATION («сравнение») и включает в себя набор символов, а также правила сравнения и сортировки. То есть utf8mb4_unicode_ci это COLLATION, а utf8mb4 это набор символов, а UTF-8 это уже и есть кодировка переменной длины.