Collation

Una collation define las reglas para comparar y ordenar caracteres dentro de un character set. Determina si 'a' y 'A' son iguales, si 'ñ' va después de 'n' o después de 'o', y si 'café' y 'cafe' coinciden en una búsqueda. Cada character set tiene una collation por defecto, pero puede tener varias disponibles.

Convenciones de nombres

Las collations siguen un patrón que indica su comportamiento:

charset_idioma_modificadores

Los sufijos indican la sensibilidad:

Ejemplos de collations comunes:

Ver collations disponibles

-- Todas las collations para utf8mb4
SHOW COLLATION WHERE Charset = 'utf8mb4';

Hay muchas. Para ver solo las más usadas:

SELECT COLLATION_NAME, IS_DEFAULT
FROM information_schema.COLLATIONS
WHERE CHARACTER_SET_NAME = 'utf8mb4'
  AND COLLATION_NAME LIKE '%0900%'
ORDER BY COLLATION_NAME
LIMIT 10;

utf8mb4_0900_ai_ci es la collation por defecto de MySQL 8.0. El 0900 hace referencia a Unicode 9.0.

Efecto en comparaciones

La collation afecta directamente cómo funcionan WHERE, ORDER BY, DISTINCT y los índices:

CREATE TABLE test_collation (
    texto VARCHAR(100) COLLATE utf8mb4_0900_ai_ci
);
 
INSERT INTO test_collation VALUES ('café'), ('Cafe'), ('CAFÉ'), ('cafe');
 
-- Con collation ai_ci (accent insensitive, case insensitive)
SELECT texto FROM test_collation WHERE texto = 'cafe';

Las cuatro filas coinciden porque la collation ai_ci ignora mayúsculas y acentos.

-- Comparar con collation as_cs (accent sensitive, case sensitive)
SELECT texto FROM test_collation WHERE texto = 'cafe' COLLATE utf8mb4_0900_as_cs;

Solo coincide la escritura exacta.

Efecto en ordenamiento

CREATE TABLE test_orden (
    nombre VARCHAR(100) COLLATE utf8mb4_0900_ai_ci
);
 
INSERT INTO test_orden VALUES ('ñandú'), ('naranja'), ('oliva'), ('nuez');
 
-- Ordenamiento con collation por defecto
SELECT nombre FROM test_orden ORDER BY nombre;

Con utf8mb4_0900_ai_ci, la ñ se ordena correctamente entre la n y la o, siguiendo las reglas Unicode.

-- Comparar con collation binaria
SELECT nombre FROM test_orden ORDER BY nombre COLLATE utf8mb4_bin;

Con la collation binaria, ñ va al final porque su valor en bytes (0xC3B1) es mayor que el de o (0x6F).

Collation español

MySQL incluye una collation específica para español:

CREATE TABLE test_espanol (
    palabra VARCHAR(100)
);
 
INSERT INTO test_espanol VALUES ('carro'), ('casa'), ('chico'), ('cielo');
 
-- Con collation general
SELECT palabra FROM test_espanol ORDER BY palabra COLLATE utf8mb4_0900_ai_ci;

-- Con collation española tradicional
SELECT palabra FROM test_espanol ORDER BY palabra COLLATE utf8mb4_es_trad_0900_ai_ci;

La collation utf8mb4_es_trad_0900_ai_ci (español tradicional) trata ch como una letra separada que va después de c. La collation estándar la trata como c + h.

En la práctica, la mayoría de las aplicaciones en español usan utf8mb4_0900_ai_ci (la collation por defecto), que sigue las reglas de la RAE modernas donde ch y ll no son letras separadas.

Collation en tienda_mysql

SELECT TABLE_NAME, TABLE_COLLATION
FROM information_schema.TABLES
WHERE TABLE_SCHEMA = 'tienda_mysql';

Todas usan la collation por defecto, lo que significa que las búsquedas en texto son case-insensitive y accent-insensitive:

-- Buscar "maria" encuentra "María"
SELECT nombre, apellidos FROM clientes WHERE nombre = 'maria';

-- Buscar sin acento encuentra con acento
SELECT nombre FROM productos WHERE nombre LIKE '%electronica%';

Esta consulta no devuelve resultados porque LIKE con la collation ai_ci no ignora acentos dentro de LIKE en todas las versiones. Para búsquedas insensibles a acentos, es mejor usar la collation explícitamente o normalizar los datos.

COLLATE en consultas

Puedes usar COLLATE en cualquier expresión para cambiar la collation temporalmente:

-- Búsqueda case-sensitive
SELECT nombre, precio
FROM productos
WHERE nombre COLLATE utf8mb4_0900_as_cs = 'iphone 15 pro';

Esta consulta no devuelve resultados porque el nombre real es iPhone 15 Pro (con mayúsculas).

-- Búsqueda case-sensitive correcta
SELECT nombre, precio
FROM productos
WHERE nombre COLLATE utf8mb4_0900_as_cs = 'iPhone 15 Pro';

Cambiar collation de una columna

ALTER TABLE mi_tabla
MODIFY nombre VARCHAR(100) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_as_cs;

Cambiar la collation de una columna con datos existentes puede ser una operación costosa en tablas grandes, ya que MySQL debe reconstruir los índices.

Collation y UNIQUE

La collation afecta las restricciones UNIQUE. Con ai_ci, valores que difieren solo en mayúsculas o acentos se consideran duplicados:

CREATE TABLE test_unique (
    email VARCHAR(100) UNIQUE COLLATE utf8mb4_0900_ai_ci
);
 
INSERT INTO test_unique VALUES ('user@email.com');
 
-- Esto falla: duplicado por collation ci
-- INSERT INTO test_unique VALUES ('User@Email.com');
-- Error: Duplicate entry

Esto es generalmente el comportamiento deseado para emails, pero si necesitas distinguir mayúsculas:

CREATE TABLE test_unique_cs (
    codigo VARCHAR(50) UNIQUE COLLATE utf8mb4_0900_as_cs
);
 
INSERT INTO test_unique_cs VALUES ('abc');
INSERT INTO test_unique_cs VALUES ('ABC');
 
SELECT * FROM test_unique_cs;

Con collation as_cs, 'abc' y 'ABC' son valores diferentes y ambos se aceptan.

Collation y ORDER BY

SELECT nombre, precio
FROM productos
WHERE categoria_id = 6
ORDER BY nombre COLLATE utf8mb4_0900_ai_ci;

-- Ordenamiento binario (por valor de bytes)
SELECT nombre, precio
FROM productos
WHERE categoria_id = 6
ORDER BY nombre COLLATE utf8mb4_bin;

Con collation binaria, iPhone va al final porque la i minúscula (0x69) tiene un valor mayor que las mayúsculas G (0x47), S (0x53) y X (0x58).

Recomendaciones

Limpieza

DROP TABLE IF EXISTS test_collation;
DROP TABLE IF EXISTS test_orden;
DROP TABLE IF EXISTS test_espanol;
DROP TABLE IF EXISTS test_unique;
DROP TABLE IF EXISTS test_unique_cs;

Con esto completamos la sección de conjuntos de caracteres. En la siguiente sección exploraremos los índices en MySQL, una herramienta fundamental para optimizar el rendimiento de las consultas.