问utf8_general_ci和utf8_unicode_ci有什么不同？

EN

utf8_general_ci是一种非常简单的-在Unicode上，非常破旧的-排序规则，它在一般Unicode文本上给出不正确的结果。它的作用是：

对于规范的decomposition

• removes，
• 将任何组合字符转换为Unicode标准化形式D
• 将转换为大写

这在Unicode上不能正常工作，因为它不理解Unicode大小写。Unicode大小写本身要比面向ASCII的方法复杂得多。例如：

• “ẞ”的小写是“？”，但“？”的大写是“SS”。
• 有两个小写的希腊语sigma，但只有一个是大写的；考虑像“ø”这样的“Σίσυφος”.
• Letters，不要分解为“o”加上变音符号，这意味着它不能正确排序。

还有许多其他的微妙之处。

1. utf8_unicode_ci使用标准的，支持所谓的扩展和连字，例如:德文字母§(U+00DF字母SHARP S)在"ss“字母附近排序，U+0152拉丁文大写连字Œ在"OE”附近排序。

utf8_general_ci不支持扩展/连字，它将所有这些字母作为单个字符进行排序，有时还会以错误的顺序排序。

对于所有脚本，

1. utf8_unicode_ci通常更准确。例如，在西里尔语块上：utf8_unicode_ci适用于所有这些语言:俄语、保加利亚语、白俄罗斯语、马其顿语、塞尔维亚语和乌克兰语。而utf8_general_ci只适用于俄罗斯和保加利亚的西里尔语子集。在白俄罗斯语、马其顿语、塞尔维亚语和乌克兰语中使用的额外字母排序不佳。

utf8_unicode_ci的代价是它比utf8_general_ci慢一点。但这是你为正确性付出的代价。你可以有一个错误的快速答案，也可以有一个非常慢的正确答案。你自己选吧。很难证明给出错误的答案是合理的，所以最好假设utf8_general_ci不存在，并始终使用utf8_unicode_ci。除非你想要错误的答案。

来源：http://forums.mysql.com/read.php?103,187048,188748#msg-188748

从MySQL documentation中的Unicode Character Sets

对于任何Unicode字符集，使用_general_ci排序规则执行的操作都比使用_unicode_ci排序规则执行的操作快。例如，与utf8_unicode_ci比较相比，utf8_general_ci排序规则的比较速度更快，但准确性略低。这样做的原因是utf8_unicode_ci支持诸如扩展之类的映射；也就是说，当一个字符与其他字符的组合进行比较时。例如，在德语和其他一些语言中，“ß”等于“ss”。utf8_unicode_ci还支持缩写和可忽略字符。utf8_general_ci是不支持扩展、收缩或可忽略字符的旧排序规则。它只能在字符之间进行一对一的比较。