知乎面试官：为什么不建议在 MySQL 中使用 UTF-8？

电玩女神 2023-01-08 02:30 149阅读 0赞

点击上方蓝色“java大数据修炼之道”, 选择“设为星标”

每晚九点: 技术干货 ???? 必定奉上![format_png][]

![format_png 1][]

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 2][]

##  ##

**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 3][]

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 4][]

MySQL 一直没有修复这个 bug，他们在 2010 年发布了一个叫做“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。

![format_png 5][]

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，接你班儿的程序员或你的领导发现这个问题后，一定会在心里默默感到你的技术牛B。

> 来源：https://urlify.cn/E7Zr2e

推荐阅读：
    1、Docker从入门到干活，看这一篇足矣
    2、用了几年的postman，原来只用了皮毛~
    3、SpringCloud网上商城系统（附源码及教程）
    4、SpringBoot 项目模板：摆脱步步搭建
    5、万字总结：学习MySQL优化原理，这一篇就够了！
    6、面试官：Mybatis里的设计模式有哪些？脱口而出8种
    - END -
    
    最近整理一份资料《程序员学习手册》，覆盖了 Java技术、面试题精选、操作系统基础知识、计算机基础知识、Linux教程、计算机网络等等。获取方式：点“ 在看，关注公众号 Java大数据修炼之道 并回复 PDF 领取，更多内容陆续奉上。
    长按识别下方二维码关注后回复关键字: PDF 领取
    关注 java大数据修炼之道
    每天学习java技术，你想学的Java知识这里都有!
    微信扫描二维码，关注我的公众号
    写留言

![format_png 6][]

点个赞呗![format_png 7][]

[format_png]: /images/20221119/fd9773860eb642048c7a6ea26924b9e1.png
[format_png 1]: /images/20221119/9fc61a1afb5242fe9000e8ff9ee5c5e3.png
[format_png 2]: /images/20221119/0bd7bab0d12048d08dba1711b0efa3ee.png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9vVEtIYzZGOHRzalU3dTFGbE9ONHNMZXJNdFg1Z3R3VXMxWWpFaWNBMkt4YjdRdmUzaWE4aWJKZm0yRk44VUxDajBpYmpGTEVjbVN3WEU1QkpybHkxRjM5U0EvNjQw?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2dpZi9SNWljMWljeU5CTmQ3V1hnWWNpYXdlaWJHOWljR3kxYlYzc2xpYVpuMmliQkwxQmhYMEtsYjZld0JlcG1FZlp0NkxPODBpYlI0Z00xc3JjcW1Kdk05VWlhczBESHlpYncvNjQw?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy80dlpIaWI2a0RxaGU3cGo0TzU2aWI2WjlMcWx4MUo2bDZZYzMwVTVEQUx5WDFlV2tpYjd2c2ljakRIWlRxTzlueG9CTHVuU0JnaWF0SmliUWc0WW5Wa3VqeGJ1US82NDA?x-oss-process=image/format,png
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy96b2E2RFhxY3VVOTRRUGswcnVpYzBPV2Q5eDdOS3p5bWIzTkRvTXlOaWJPNVFhWVBpYmwzclFlMXlZNTI2M1hndFdhZEdVb3BDNWRTa0ZxNW50cUlsZ2ZTQS82NDA?x-oss-process=image/format,png
[format_png 7]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9DMXVETURxam4xOXd0dVFwSzNqbUpXM2JGR1dJOFl6NkZSMTd0bDFNRjhWZnFZeFB4OTkwa3YySjc0THZxd2liMjZLYXlIZE9YZDZlYnpycVlpYmJUand3LzY0MA?x-oss-process=image/format,png