在mysql中新建数据库时，字符集的选择直接决定了数据库能够存储的字符范围、存储效率以及是否会出现乱码问题，是数据库初始化阶段非常重要的决策。不同的业务场景对字符存储的需求不同，适合的字符集也存在差异，需要结合实际情况判断。
mysql常见字符集介绍
mysql提供了多种字符集，其中最常用的有以下几种：
- utf8：mysql中的utf8是阉割版的utf8，最多只支持3个字节的字符，无法存储emoji表情和部分生僻汉字，实际字符支持范围有限。
- utf8mb4：是完整的utf8实现，支持最多4个字节的字符，能够存储所有emoji表情、生僻汉字以及全球绝大多数语言的字符，兼容性最强。
- gbk：专门支持中文的字符集，每个中文字符占2个字节，存储纯中文内容时空间效率比utf8mb4更高，但不支持其他语言的字符。
- latin1：单字节字符集，仅支持西欧语言，存储中文会出现乱码，一般仅用于纯英文场景。
不同场景下的字符集选择建议
通用业务场景
如果业务需要存储中文、英文、emoji表情，或者未来可能有国际化需求，优先选择utf8mb4字符集，这是目前mysql最推荐的默认字符集，能够覆盖绝大多数业务需求，避免出现字符无法存储的问题。
纯中文存储场景
如果业务仅面向国内用户，且确定不会存储emoji、生僻字和其他语言字符，可以选择gbk字符集，相比utf8mb4能节省一定的存储空间，提升存储效率。
纯英文存储场景
如果业务仅存储英文内容，没有中文和其他特殊字符需求，可以选择latin1字符集，单字节存储效率最高，但是不建议作为默认选择，避免后续业务扩展出现兼容问题。
新建数据库时指定字符集的操作方法
可以通过sql语句在创建数据库时直接指定字符集，语法如下：
-- 创建使用utf8mb4字符集的数据库 CREATE DATABASE IF NOT EXISTS test_db DEFAULT CHARACTER SET utf8mb4 DEFAULT COLLATE utf8mb4_general_ci; -- 创建使用gbk字符集的数据库 CREATE DATABASE IF NOT EXISTS test_db_gbk DEFAULT CHARACTER SET gbk DEFAULT COLLATE gbk_chinese_ci;
其中COLLATE是排序规则，utf8mb4_general_ci是不区分大小写的通用排序规则，适合大多数场景。如果需要区分大小写，可以选择utf8mb4_bin排序规则。
已创建数据库的字符集修改
如果已经创建了数据库，需要修改字符集，可以使用以下语句：
-- 修改数据库默认字符集 ALTER DATABASE test_db DEFAULT CHARACTER SET utf8mb4 DEFAULT COLLATE utf8mb4_general_ci;
需要注意的是，修改数据库默认字符集不会影响已经存在的表的字符集，如果需要修改表的字符集，还需要单独对表执行修改操作。
字符集相关注意事项
- 数据库字符集、表字符集、字段字符集存在继承关系，如果表或字段没有单独指定字符集，会继承上一级的字符集设置。
- 客户端连接mysql时的字符集需要和数据库字符集匹配，否则可能出现查询乱码问题，可以在连接时指定字符集，比如jdbc连接串中添加
characterEncoding=utf8mb4参数。 - 不建议使用mysql早期的utf8字符集，因为其3字节的限制会导致很多字符无法存储，优先选择utf8mb4替代。