为什么不建议在 MySQL 中使用 UTF-8？

谁借莪１个温暖的怀抱￠ 2021-09-01 04:10 362阅读 0赞

点击上方 [Java后端][Java]，选择 设为星标

优质文章，及时送达

--------------------

\_陈哈哈|https://sourl.cn/kKbzpH

记得去年我在往MySQL存入emoji表情????????时，一直出错，无法导入。后来找到办法 -- 通过把 **utf8** 改成 **utf8mb4** 就可以了，并没有深究。

一年后，我看到一篇文章讲到emoji文字占4个字节，通常要用utf-8去接收才行，其他编码可能会出错。我突然想到去年操作MySQL把utf8改成utf8mb4的事儿。

嗯？他本身不就是utf8编码么！那我当时还改个锤子？

难道，MySQL的utf8不是真正的UTF-8编码吗？？! 卧槽这。。MySQL有bug！

带着疑问查询了很多相关材料，才发现这竟然是MySQL的一个历史遗留问题~~ 我笑了，没想到这么牛B的MySQL也会有这段往事。

##  ##

一、报错回顾

将emoji文字直接写入SQL中，执行 insert 语句报错；

INSERT INTO `csjdemo`.`student` (`ID`, `NAME`, `SEX`, `AGE`, `CLASS`, `GRADE`, `HOBBY`)
    VALUES ('20', '陈哈哈????', '男', '20', '181班', '9年级', '看片儿');

> \[Err\] 1366 - Incorrect string value: '\\xF0\\x9F\\x98\\x93' for column 'NAME' at row 1

改了数据库编码、系统编码以及表字段的编码格式 →  **utf8mb4** 之后，就可以了：

INSERT INTO `student` (`ID`, `NAME`, `SEX`, `AGE`, `CLASS`, `GRADE`, `HOBBY`)
    VALUES (null, '陈哈哈????????', '男', '20', '181班', '9年级', '看片儿');

![format_png][]

##  ##

二、MySQL中utf8的趣事

**MySQL 的“utf8”实际上不是真正的 UTF-8。**

> **在MySQL中，“utf8”编码只支持每个字符最多三个字节，而真正的 UTF-8 是每个字符最多四个字节。**

在utf8编码中，中文是占3个字节，其他数字、英文、符号占一个字节。

但emoji符号占4个字节，一些较复杂的文字、繁体字也是4个字节。所以导致写入失败，应该改成**utf8mb4。**

![format_png 1][]

如上图中所示，这是编码改成utf8mb4后入库的数据，大家可以清晰的对比一下所占的字符数、字节数。正因如此，4字节的内容往utf8编码中插入，肯定是不行的，插不进去啊，是吧（大潘摊手）。

![format_png 2][]

MySQL 一直没有修复这个 bug，他们在 2010 年发布了一个叫作“utf8mb4”的字符集，巧妙的绕过了这个问题。

当然，他们并没有对新的字符集广而告之（可能是因为这个 bug 让他们觉得很尴尬），以致于现在网络上仍然在建议开发者使用“utf8”，但这些建议都是错误的。

### 1. utf8mb4 才是真正的UTF-8 ###

**是的，MySQL 的“utf8mb4”才是真正的“UTF-8”。**

MySQL 的“utf8”是一种“专属的编码”，它能够编码的 Unicode 字符并不多。

在这里Mark一下：**所有在使用“utf8”的 MySQL 和 MariaDB 用户都应该改用“utf8mb4”，永远都不要再使用“utf8”。**

那么什么是编码？什么是 UTF-8？

我们都知道，计算机使用 0 和 1 来存储文本。比如字符“C”被存成“01000011”，那么计算机在显示这个字符时需要经过两个步骤：

1.  计算机读取“01000011”，得到数字 67，因为 67 被编码成“01000011”。
2.  计算机在 Unicode 字符集中查找 67，找到了“C”。

同样的：

1.  我的电脑将“C”映射成 Unicode 字符集中的 67。
2.  我的电脑将 67 编码成“01000011”，并发送给 Web 服务器。

几乎所有的网络应用都使用了 Unicode 字符集，因为没有理由使用其他字符集。

Unicode 字符集包含了上百万个字符。最简单的编码是 UTF-32，每个字符使用 32 位。这样做最简单，因为一直以来，计算机将 32 位视为数字，而计算机最在行的就是处理数字。但问题是，这样太浪费空间了。

UTF-8 可以节省空间，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。一篇类似本文这样的文章，如果使用 UTF-8 编码，占用的空间只有 UTF-32 的四分之一左右。

### 2. utf8 的简史 ###

**为什么 MySQL 开发者会让“utf8”失效？** 我们或许可以从MySQL版本提交日志中寻找答案。

MySQL 从 4.1 版本开始支持 UTF-8，也就是 2003 年，而今天使用的 UTF-8 标准（RFC 3629）是随后才出现的。

旧版的 UTF-8 标准（RFC 2279）最多支持每个字符 6 个字节。2002 年 3 月 28 日，MySQL 开发者在第一个 MySQL 4.1 预览版中使用了 RFC 2279。

同年 9 月，他们对 MySQL 源代码进行了一次调整：“UTF8 现在最多只支持 3 个字节的序列”。

是谁提交了这些代码？他为什么要这样做？这个问题不得而知。在迁移到 Git 后（MySQL 最开始使用的是 BitKeeper），MySQL 代码库中的很多提交者的名字都丢失了。2003 年 9 月的邮件列表中也找不到可以解释这一变更的线索。

不过我们可以试着猜测一下：

2002年，MySQL做出了一个决定：如果用户可以保证数据表的每一行都使用相同的字节数，那么 MySQL 就可以在性能方面来一个大提升。为此，用户需要将文本列定义为“CHAR”，每个“CHAR”列总是拥有相同数量的字符。如果插入的字符少于定义的数量，MySQL 就会在后面填充空格，如果插入的字符超过了定义的数量，后面超出部分会被截断。

MySQL 开发者在最开始尝试 UTF-8 时使用了每个字符6个字节，CHAR(1) 使用6个字节，CHAR(2)使用12个字节，并以此类推。

应该说，他们最初的行为才是正确的，可惜这一版本一直没有发布。但是文档上却这么写了，而且广为流传，所有了解 UTF-8 的人都认同文档里写的东西。

不过很显然，MySQL 开发者或厂商担心会有用户做这两件事：

*  使用 CHAR 定义列（在现在看来，CHAR 已经是老古董了，但在那时，在 MySQL 中使用 CHAR 会更快，不过从 2005 年以后就不是这样子了）。
 *  将 CHAR 列的编码设置为“utf8”。

我的猜测是 MySQL 开发者本来想帮助那些希望在空间和速度上双赢的用户，但他们搞砸了“utf8”编码。

所以结果就是没有赢家。那些希望在空间和速度上双赢的用户，当他们在使用“utf8”的 CHAR 列时，实际上使用的空间比预期的更大，速度也比预期的慢。而想要正确性的用户，当他们使用“utf8”编码时，却无法保存像“????”这样的字符，因为“????”是4个字节的。

在这个不合法的字符集发布了之后，MySQL 就无法修复它，因为这样需要要求所有用户重新构建他们的数据库。最终，**MySQL 在 2010 年重新发布了“utf8mb4”来支持真正的 UTF-8。**

##  ##

三、总结

主要是目前网络上几乎所有的文章都把 “utf8” 当成是真正的 UTF-8，包括之前我写的文章以及做的项目（捂脸）；因此希望更多的朋友能够看到这篇文章。

相信还有很多跟我在同一条船上的人，这是必然的。

所以，**大家以后再搭建MySQL、MariaDB数据库时，记得将数据库相应编码都改为utf8mb4。**终有一天，接你班儿的程序员发或你的领导现这个问题后，一定会在心里默默感到你的技术牛B。

**- END -**

最近整理一份面试资料**《Java技术栈学习手册》**，覆盖了Java技术、面试题精选、Spring全家桶、Nginx、SSM、微服务、数据库、数据结构、架构等等。

获取方式：点“ **在看**，关注公众号 **Java后端** 并回复 **777** 领取，更多内容陆续奉上。

**推****荐****阅****读 **

***1.*** [DataGrip 上手体验，真香！][DataGrip]

***2. ***[谈谈几个 Spring Cloud 常见面试题及答案][Spring Cloud]

***3.*** [15000 字的 SQL 语句大全][15000 _ SQL]

***4.*** [IDEA 2020.2 重磅发布][IDEA 2020.2]

***5.*** [解决  IDEA 让你觉得不爽的一些问题][_IDEA]

![format_png 3][]

**喜****欢****文****章****，****点****个****在看 **![format_png 4][]

[Java]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0da17bf97a286df119047a25b7de51621fe542816673bb4aa3ebd8ab97b09a86ed7db2e2ee&idx=3&mid=2247489272&scene=21&sn=ce74938072fc73a808d83ccb474db46d#wechat_redirect
[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9vVEtIYzZGOHRzalU3dTFGbE9ONHNMZXJNdFg1Z3R3VXM4Mm9nZ2JkYVF6cWNlbGxGR0FXcFBjRVFINTZpYnJkT29NOEZtRTNNWHd3TFpFMGdDUDllWncvNjQw?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9vVEtIYzZGOHRzalU3dTFGbE9ONHNMZXJNdFg1Z3R3VXMxWWpFaWNBMkt4YjdRdmUzaWE4aWJKZm0yRk44VUxDajBpYmpGTEVjbVN3WEU1QkpybHkxRjM5U0EvNjQw?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9pYUlkUWZFcmljOVR4V2lhUlJPMHcyb1JVZHo5RkFXNk1pYWlidnBXUnBneG5laWI3UFNZbERBS2lhSm9Pbk1pYkpmNVRCdUpvcWtleGhaR05ZTHp1dUtXYnpLZjdRLzY0MA?x-oss-process=image/format,png
[DataGrip]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e4c73f979c565704003100a1f556f4203757373df1e469f865352a6b5e03f2c7865ad8385&idx=2&mid=2247498736&scene=21&sn=38f2f9d05a64882448cc0065723842b1#wechat_redirect
[Spring Cloud]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e4c73f979c5653758d41f7372117cb85bb6ba8e781933ef58695e1394912b7d9427345878&idx=4&mid=2247498736&scene=21&sn=ec9afd8f3ff174cb4c40067e90d4968c#wechat_redirect
[15000 _ SQL]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e4ca6f979c5b0ccf6f2944a0d63b966e9d65f862cbe38ca91b256760a7cffb491206004fc&idx=1&mid=2247498533&scene=21&sn=3cd9b05080bfff3d3e0481eb2410c92d#wechat_redirect
[IDEA 2020.2]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e4d61f979c47717d34f0a551750110d273091046346eb9511c0d10016acae7c3c29985032&idx=1&mid=2247498466&scene=21&sn=2ea3fe6546ffe48b9311b2e5f0cce09e#wechat_redirect
[_IDEA]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e4d35f979c423db63b2503830f2badeb4dbfd1efdcc21d064f4e986aa32827afb5ebb518e&idx=4&mid=2247498422&scene=21&sn=d775834ee540a88e3a7a0de5ccfad803#wechat_redirect
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9vVEtIYzZGOHRzaGlhRVQyZVMwU2NnRXM5ejl6dTdpYU9EWjRiYkxmRUkwNmQ3ZE5RaWNTalR4YjFGWWNaUVVWcm9saWJXRE41WWliMWliUXZ6NnFCaWNEOGJJeXcvNjQw?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9DMXVETURxam4xOXd0dVFwSzNqbUpXM2JGR1dJOFl6NkZSMTd0bDFNRjhWZnFZeFB4OTkwa3YySjc0THZxd2liMjZLYXlIZE9YZDZlYnpycVlpYmJUand3LzY0MA?x-oss-process=image/format,png