那么什么是編碼？什么是 UTF-8？
MySQL 簡史
為什么這件事情會讓人如此抓狂
總結

最近我遇到了一個 bug，我試著通過 Rails 在以“utf8”編碼的 MariaDB 中保存一個 UTF-8 字串，然后出現了一個離奇的錯誤：

Incorrect string value: ‘\xF0\x9F\x98\x83 <…’ for column ‘summary’ at row 1

我用的是 UTF-8 編碼的客戶端，服務器也是 UTF-8 編碼的，資料庫也是，就連要保存的這個字串“ <…”也是合法的 UTF-8，

問題的癥結在于，MySQL 的“utf8”實際上不是真正的 UTF-8，

“utf8”只支持每個字符最多三個位元組，而真正的 UTF-8 是每個字符最多四個位元組，

MySQL 一直沒有修復這個 bug，他們在 2010 年發布了一個叫作“utf8mb4”的字符集，繞過了這個問題，

當然，他們并沒有對新的字符集廣而告之（可能是因為這個 bug 讓他們覺得很尷尬），以致于現在網路上仍然在建議開發者使用“utf8”，但這些建議都是錯誤的，

簡單概括如下：

MySQL 的“utf8mb4”是真正的“UTF-8”，
MySQL 的“utf8”是一種“專屬的編碼”，它能夠編碼的 Unicode 字符并不多，

我要在這里澄清一下：所有在使用“utf8”的 MySQL 和 MariaDB 用戶都應該改用“utf8mb4”，永遠都不要再使用“utf8”，

那么什么是編碼？什么是 UTF-8？

我們都知道，計算機使用 0 和 1 來存盤文本，比如字符“C”被存成“01000011”，那么計算機在顯示這個字符時需要經過兩個步驟：

計算機讀取“01000011”，得到數字 67，因為 67 被編碼成“01000011”，
計算機在 Unicode 字符集中查找 67，找到了“C”，

同樣的：

我的電腦將“C”映射成 Unicode 字符集中的 67，
我的電腦將 67 編碼成“01000011”，并發送給 Web 服務器，

幾乎所有的網路應用都使用了 Unicode 字符集，因為沒有理由使用其他字符集，

Unicode 字符集包含了上百萬個字符，最簡單的編碼是 UTF-32，每個字符使用 32 位，這樣做最簡單，因為一直以來，計算機將 32 位視為數字，而計算機最在行的就是處理數字，但問題是，這樣太浪費空間了，

UTF-8 可以節省空間，在 UTF-8 中，字符“C”只需要 8 位，一些不常用的字符，比如“”需要 32 位，其他的字符可能使用 16 位或 24 位，一篇類似本文這樣的文章，如果使用 UTF-8 編碼，占用的空間只有 UTF-32 的四分之一左右，

MySQL 的“utf8”字符集與其他程式不兼容，它所謂的“”，可能真的是一坨……

MySQL 簡史

為什么 MySQL 開發者會讓“utf8”失效？我們或許可以從提交日志中尋找答案，

MySQL 從 4.1 版本開始支持 UTF-8，也就是 2003 年，而今天使用的 UTF-8 標準（RFC 3629）是隨后才出現的，

舊版的 UTF-8 標準（RFC 2279）最多支持每個字符 6 個位元組，2002 年 3 月 28 日，MySQL 開發者在第一個 MySQL 4.1 預覽版中使用了 RFC 2279，

同年 9 月，他們對 MySQL 源代碼進行了一次調整：“UTF8 現在最多只支持 3 個位元組的序列”，

是誰提交了這些代碼？他為什么要這樣做？這個問題不得而知，在遷移到 Git 后（MySQL 最開始使用的是 BitKeeper），MySQL 代碼庫中的很多提交者的名字都丟失了，2003 年 9 月的郵件串列中也找不到可以解釋這一變更的線索，

不過我可以試著猜測一下，

2002 年，MySQL 做出了一個決定：如果用戶可以保證資料表的每一行都使用相同的位元組數，那么 MySQL 就可以在性能方面來一個大提升，為此，用戶需要將文本列定義為“CHAR”，每個“CHAR”列總是擁有相同數量的字符，如果插入的字符少于定義的數量，MySQL 就會在后面填充空格，如果插入的字符超過了定義的數量，后面超出部分會被截斷，

MySQL 開發者在最開始嘗試 UTF-8 時使用了每個字符 6 個位元組，CHAR(1) 使用 6 個位元組，CHAR(2) 使用 12 個位元組，并以此類推，

應該說，他們最初的行為才是正確的，可惜這一版本一直沒有發布，但是檔案上卻這么寫了，而且廣為流傳，所有了解 UTF-8 的人都認同檔案里寫的東西，

不過很顯然，MySQL 開發者或廠商擔心會有用戶做這兩件事：

使用 CHAR 定義列（在現在看來，CHAR 已經是老古董了，但在那時，在 MySQL 中使用 CHAR 會更快，不過從 2005 年以后就不是這樣子了），
將 CHAR 列的編碼設定為“utf8”，

我的猜測是 MySQL 開發者本來想幫助那些希望在空間和速度上雙贏的用戶，但他們搞砸了“utf8”編碼，

所以結果就是沒有贏家，那些希望在空間和速度上雙贏的用戶，當他們在使用“utf8”的 CHAR 列時，實際上使用的空間比預期的更大，速度也比預期的慢，而想要正確性的用戶，當他們使用“utf8”編碼時，卻無法保存像“”這樣的字符，

在這個不合法的字符集發布了之后，MySQL 就無法修復它，因為這樣需要要求所有用戶重新構建他們的資料庫，最終，MySQL 在 2010 年重新發布了“utf8mb4”來支持真正的 UTF-8，

為什么這件事情會讓人如此抓狂

因為這個問題，我整整抓狂了一個禮拜，我被“utf8”愚弄了，花了很多時間才找到這個 bug，但我一定不是唯一的一個，網路上幾乎所有的文章都把“utf8”當成是真正的 UTF-8，

“utf8”只能算是個專有的字符集，它給我們帶來了新問題，卻一直沒有得到解決，

總結

如果你在使用 MySQL 或 MariaDB，不要用“utf8”編碼，改用“utf8mb4”，這里（https://mathiasbynens.be/notes/mysql-utf8mb4#utf8-to-utf8mb4）提供了一個指南用于將現有資料庫的字符編碼從“utf8”轉成“utf8mb4”，

英文原文：https://medium.com/@adamhooper/in-mysql-never-use-utf8-use-utf8mb4-11761243e434

以上就是良許教程網為各位朋友分享的在MySQL 中使用 UTF-8，

本文由博客一文多發平臺 OpenWrite 發布！

轉載請註明出處，本文鏈接：https://www.uj5u.com/caozuo/253787.html

標籤：其他

上一篇：Linux 后臺開發常用除錯工具

下一篇：Linux系統擴展oracle資料庫所在的磁區