utf8mb4_cs_0900_as_cs与utf8mb4_0900_as_cs排序规则差异问询

在为SQLAlchemy接口编写单元测试时，遇到MySQL字符串列排序结果不符合预期的问题。排查发现当前数据库使用utf8mb4_cs_0900_as_cs排序规则，切换为utf8mb4_0900_as_cs后排序结果恢复正常。

测试示例 #

mysql> SELECT
    ->     column_0 AS name1
    -> FROM
    ->     (VALUES
    ->         ROW('default_chanakah'),
    ->         ROW('default_aaa'),
    ->         ROW('default_zzz'),
    ->         ROW('default_hsunan'),
    ->         ROW('default_kourin1')
    ->     ) AS hardcodedNames
    -> ORDER BY
    -> name1
    -> COLLATE utf8mb4_cs_0900_as_cs;
+------------------+
| name1            |
+------------------+
| default_aaa      |
| default_hsunan   |
| default_chanakah |
| default_kourin1  |
| default_zzz      |
+------------------+
5 rows in set (0.00 sec)

mysql> SELECT
    ->     column_0 AS name1
    -> FROM
    ->     (VALUES
    ->         ROW('default_chanakah'),
    ->         ROW('default_aaa'),
    ->         ROW('default_zzz'),
    ->         ROW('default_hsunan'),
    ->         ROW('default_kourin1')
    ->     ) AS hardcodedNames
    -> ORDER BY
    -> name1
    -> COLLATE utf8mb4_0900_as_cs;
+------------------+
| name1            |
+------------------+
| default_aaa      |
| default_chanakah |
| default_hsunan   |
| default_kourin1  |
| default_zzz      |
+------------------+
5 rows in set (0.00 sec)

两种排序规则的核心差异 #

MySQL排序规则命名遵循字符集_版本_属性的格式，先拆解共性部分：

• utf8mb4：支持完整Unicode的字符集（包含4字节字符如emoji）
• 0900：基于Unicode 9.0.0版本的排序算法
• as：区分重音（Accent-Sensitive）
• cs：区分大小写（Case-Sensitive）

两者的关键区别在于规则类型：

• utf8mb4_0900_as_cs：标准Unicode排序规则，严格遵循Unicode 9.0的字典序逻辑，字符比较权重符合通用认知（如a < c < h < k < z），所以测试中得到的是符合预期的排序结果。
• utf8mb4_cs_0900_as_cs：属于兼容型排序规则，这类规则是为了适配旧系统或特定兼容场景设计的，会对部分字符的权重分配做非标准调整。从测试结果可以看到，default_hsunan排在了default_chanakah前面，就是因为这类规则没有严格遵循标准字典序，而是采用了特殊的比较逻辑，导致排序结果偏离预期。

建议 #

在MySQL 8.0及以上版本中，优先使用utf8mb4_0900_as_cs这类标准Unicode排序规则，它的排序行为更符合通用预期；仅在需要适配旧系统遗留行为时，才考虑使用utf8mb4_cs_0900_as_cs这类兼容规则。

内容的提问来源于stack exchange，提问作者LDevelop