utf-8 与 latin1

Question

使用

utf8

作为字符集与使用

latin1

相比有何优点/缺点？

如果 UTF 可以支持更多字符并且一致使用，它不是总是更好的选择吗？有什么理由选择

latin1

？

Answer 1

UTF8 优点：

1. 支持大多数语言，包括希伯来语等 RTL 语言。

2. 将数据导入/导出到支持 UTF8 的组件（JavaScript、Java 等）时无需翻译。

UTF8 缺点：

1. 非 ASCII 字符由于其更复杂的编码方案而需要更多时间进行编码和解码。

2. 非 ASCII 字符将占用更多空间，因为它们可能使用超过 1 个字节进行存储（不在 ASCII 字符集的前 127 个字符中的字符）。

   CHAR(10)

   或

   VARCHAR(10)

   字段可能需要最多 30 个字节来存储一些 UTF8 字符。

3. utf8_bin

   以外的排序规则会比较慢，因为排序顺序不会直接映射到字符编码顺序），并且需要在某些存储过程中进行转换（因为变量默认为

   utf8_general_ci

   排序规则）。

4. 如果您需要

   JOIN

   UTF8 和非 UTF8 字段，MySQL 将造成 严重 性能损失。如果连接的字段是不同的字符集/排序规则，亚秒级查询可能需要分钟。

底线：

如果您不需要支持非 Latin1 语言、想要实现最佳性能或已有使用

latin1

的表，请选择

latin1

。

否则，请选择

UTF8

。

Answer 2

latin1

的优点是它是单字节编码，因此可以在相同的存储空间中存储更多的字符，因为MySql中字符串数据类型的长度取决于编码。手册声明

要计算用于存储特定 CHAR 的字节数， VARCHAR 或 TEXT 列值，您必须考虑 该列使用的字符集以及该值是否包含 多字节字符。特别是，当使用 utf8 Unicode 时 字符集，您必须记住，并非所有字符都使用 相同的字节数。 utf8mb3 和 utf8mb4 字符集可以要求 每个字符分别最多三个和四个字节。为一个 用于不同类别 utf8mb3 或的存储的细分 utf8mb4 字符，请参阅第 10.9 节“Unicode 支持”。

此外，使用单字节编码，许多字符串操作（例如获取子字符串和依赖于排序规则的比较）速度更快。

无论如何，如果你关心国际化，latin1 并不是一个强有力的竞争者。当您要存储已知的安全值（例如百分比编码的 URL）时，它可能是一个合适的选择。

Answer 3

@Ross Smith II，第 4 点非常有价值，这意味着列之间的不一致可能会很危险。

为了给已经很好的答案增加价值，这里有一个关于字符集之间差异的小型性能测试：

现代 2013 年服务器，实际使用表有 20000 行，相关列上没有索引。

从

subscribers

中选择 4 个，其中 1 按

time_utc_str

排序； （4 是缓存破坏者）

• varchar(20) 字符集 latin1 排序 latin1_bin：15ms
• varbinary(20)：17ms
• utf8_bin：20毫秒
• utf8_general_ci：23毫秒

对于像数字日期这样的简单字符串，当考虑到性能时，我的决定是使用 utf8_bin (CHARACTER SET utf8 COLLATE utf8_bin)。这将防止对其他期望数据库字符集为 utf8 但仍然是二进制的代码产生任何不利影响。

Answer 4

固定长度编码（例如 latin-1）在 CPU 消耗方面总是更高效。

如果已知某些固定长度字符集中的标记集足以满足您当前的目的，并且您的目的涉及繁重且密集的字符串处理，其中包含大量 LENGTH() 和 SUBSTR() 内容，那么这可能是这是不使用 UTF-8 等编码的充分理由。

哦，顺便说一句。 不要像您似乎所做的那样混淆字符集及其“编码”。 字符集是一些已定义的可写字形集。 同一字符集可以有多种不同的编码。 unicode标准的各个版本各自构成一个字符集。 它们中的每一个都可以接受 UTF-8、UTF-16 和“UTF-32”（不是官方名称，但它指的是对任何字符使用完整四个字节的想法）编码，并且后两者可以分别有 HOB-first 或 HOB-last 两种口味。