utf8_general_ci和utf8_unicode_ci有什么区别

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>>

utf8_general_ci和utf8_unicode_ci ，在性能方面是否存在差异？

#1楼

我想知道utf8_general_ci和utf8_unicode_ci之间的性能差异是什么，但是我没有在互联网上找到任何基准，因此我决定自己创建基准。

我创建了一个具有500,000行的非常简单的表：

CREATE TABLE test(
  ID INT(11) DEFAULT NULL,
  Description VARCHAR(20) DEFAULT NULL
)
ENGINE = INNODB
CHARACTER SET utf8
COLLATE utf8_general_ci;

然后，我通过运行此存储过程将其填充为随机数据：

CREATE PROCEDURE randomizer()
BEGIN
  DECLARE i INT DEFAULT 0;
  DECLARE random CHAR(20) ;
  theloop: loop
    SET random = CONV(FLOOR(RAND() * 99999999999999), 20, 36);
    INSERT INTO test VALUES (i+1, random);
    SET i=i+1;
    IF i = 500000 THEN
      LEAVE theloop;
    END IF;
  END LOOP theloop;
END

然后，我创建了以下存储过程来对简单的SELECT ， SELECT与LIKE和排序（ SELECT与ORDER BY ）进行基准测试：

CREATE PROCEDURE benchmark_simple_select()
BEGIN
  DECLARE i INT DEFAULT 0;
  theloop: loop
    SELECT *
    FROM test
    WHERE Description = 'test' COLLATE utf8_general_ci;
    SET i = i + 1;
    IF i = 30 THEN
      LEAVE theloop;
    END IF;
  END LOOP theloop;
END;

CREATE PROCEDURE benchmark_select_like()
BEGIN
  DECLARE i INT DEFAULT 0;
  theloop: loop
    SELECT *
    FROM test
    WHERE Description LIKE '%test' COLLATE utf8_general_ci;
    SET i = i + 1;
    IF i = 30 THEN
      LEAVE theloop;
    END IF;
  END LOOP theloop;
END;

CREATE PROCEDURE benchmark_order_by()
BEGIN
  DECLARE i INT DEFAULT 0;
  theloop: loop
    SELECT *
    FROM test
    WHERE ID > FLOOR(1 + RAND() * (400000 - 1))
    ORDER BY Description COLLATE utf8_general_ci LIMIT 1000;
    SET i = i + 1;
    IF i = 10 THEN
      LEAVE theloop;
    END IF;
  END LOOP theloop;
END;

在上面的存储过程中，使用了utf8_general_ci归类，但是当然在测试期间，我同时使用了utf8_general_ci和utf8_unicode_ci 。

对于每个排序规则，我分别对每个存储过程调用5次（对于utf8_general_ci ， utf8_unicode_ci 5次，对于utf8_unicode_ci ， utf8_unicode_ci 5次），然后计算平均值。

我的结果是：

benchmark_simple_select()

与utf8_general_ci ：9,957毫秒
与utf8_unicode_ci ：10,271毫秒

在此基准测试中，使用utf8_unicode_ci比utf8_general_ci慢3.2％。

benchmark_select_like()

使用utf8_general_ci ：11,441毫秒
与utf8_unicode_ci ：12,811毫秒

在此基准测试中，使用utf8_unicode_ci比utf8_general_ci慢12％。

benchmark_order_by()

与utf8_general_ci ：11,944毫秒
与utf8_unicode_ci ：12,887毫秒

在此基准测试中，使用utf8_unicode_ci比utf8_general_ci慢7.9％。

#2楼

这篇文章很好地描述了它。

简而言之：utf8_unicode_ci使用Unicode标准中定义的Unicode排序算法，而utf8_general_ci是更简单的排序顺序，导致“不太准确”的排序结果。

#3楼

简而言之：

如果您需要更好的排序顺序，请使用utf8_unicode_ci （这是首选方法），

但如果您对性能完全感兴趣，请使用utf8_general_ci ，但要知道它有点过时了。

在性能方面的差异很小。

#4楼

一些细节（PL）

正如我们在这里可以读到的（ Peter Gulutzan ），对波兰字母“Ł”进行排序/比较（带笔触的L-html esc： Ł ）（小写：“ł”-html esc： ł ）有所不同-我们有以下假设：

utf8_polish_ci      Ł greater than L and less than M
utf8_unicode_ci     Ł greater than L and less than M
utf8_unicode_520_ci Ł equal to L
utf8_general_ci     Ł greater than Z

在波兰语中，字母Ł在字母L和M之前。这种编码的好与坏都没有，这取决于您的需求。

#5楼

根据这篇文章，使用utf8mb4_general_ci代替utf8mb4_unicode_ci时，在MySQL 5.7上有相当大的性能优势： https ://www.percona.com/blog/2019/02/27/charset-and-collation-settings-impact -关于mysql-performance /

来源：oschina

链接：https://my.oschina.net/u/3797416/blog/3142811

标签

select

utf8

unicode