Open5ヶ月前にコメント追加1

DB (MySQL) の文字コード(charset)と照合順序(collation)について

文字コード(charset)と照合順序(collation)の確認

MySQLで使用できる文字コード(charset)の確認

MySQLでは複数のCharset（文字セット）を使うことができ、その環境で使用できるCharsetは以下で確認できます。

mysql> show character set;

MySQLで使用できる照合順序(collation)の確認

mysql> show collation;

「データベース」「テーブル」「カラム」単位で文字コードを確認

-- databaseの文字コード確認
show create database [database_name]

-- tableの文字コード確認
show create table [table_name];

文字コードの選定について

MySQLの文字コードは、日本語対応を考えると基本的にはutf8mb4一択。
charsetは、サーバ、クライアント、サーバー/クライアント感の接続、データベース、、テーブル、カラムで個別に指定でき、
問題を起こさないようにするには、すべて揃えたほうが無難であります。

character_set_server=utf8mb4
character_set_client=utf8mb4
character_set_connection=utf8mb4
character_set_database=utf8mb4
character_set_results=utf8mb4

照合順序(collation)の選定について

utf8mb4で指定できる照合順序(collation)の選定を考える。

utf8mb4_general_ci
utf8mb4_unicode_ci
utf8mb4_unicode_520_ci
utf8mb4_bin
utf8mb4_ja_0900_as_cs

の5種類がCollationの候補の場合。。。

1. utf8mb4_general_ci

A = a 区別しない
🍣 ≠ 🍺 区別しない
は≠ぱ≠ば区別する

2. utf8mb4_unicode_ci

A = a 区別しない
🍣 ≠ 🍺 区別しない
は=ぱ=ば区別しない

3. utf8mb4_unicode_520_ci

A = a 区別しない
🍣 ≠ 🍺 区別する
は=ぱ=ば区別しない

4. utf8mb4_bin

A ≠ a 区別する
🍣 ≠ 🍺 区別する
は≠ぱ≠ば区別する

5. utf8mb4_ja_0900_as_cs

A ≠ a 区別する
🍣 ≠ 🍺 区別する
は ≠ ぱ ≠ ば区別する

比較表

照合順序	Aとaの比較	🍣と🍺の比較	は、ぱ、ばの比較	特徴
utf8mb4_general_ci	区別しない	区別しない	区別する	一般的な用途向け。パフォーマンスが良い。
utf8mb4_unicode_ci	区別しない	区別しない	区別しない	Unicode標準に基づく広範な言語対応。
utf8mb4_unicode_520_ci	区別しない	区別する	区別しない	新しいUnicodeバージョンに基づく。
utf8mb4_bin	区別する	区別する	区別する	バイナリ比較。大文字小文字やアクセントも区別。
utf8mb4_ja_0900_as_cs	区別する	区別する	区別する	日本語に特化。日本語の正確なソート順序。

日本語データのColumnでの照合順序(collation)選定

utf8mb4_bin
- 日本語ソートがしたいとかこだわりがなければ、日本語の照合順序(collation)もこちらでもいい。
utf8mb4_ja_0900_as_cs
- 日本語でソートしたい場合は、utf8mb4_ja_0900_as_csがおすすめ。
  - MySQL 8.0 で導入された日本語専用の照合順序で、日本語の正しい順序でソートする。

英語データのColumnでの照合順序(collation)選定

utf8mb4_bin
- 文字列をバイト単位で比較、大文字小文字を区別し、より高速なパフォーマンスを提供する。