漫話：如何給女朋友解釋為什么不能在MySQL中使用UTF-8編碼

MySQL是一種關(guān)系型數(shù)據(jù)庫，這個大家肯定都不陌生，使用MySQL創(chuàng)建數(shù)據(jù)庫的時候，大家需要指定一種編碼方式。

很多時候，大家基于自己對編碼方式的了解，會認(rèn)為UTF-8是一種通用的編碼方式，所以大多數(shù)時候會默認(rèn)選擇這種編碼方式。

但是，這往往會給你的數(shù)據(jù)庫埋下一個大坑！！！

Unicode字符集，他現(xiàn)在已經(jīng)是計算機(jī)科學(xué)領(lǐng)域里的一項業(yè)界標(biāo)準(zhǔn)，它對世界上大部分的文字系統(tǒng)進(jìn)行了整理、編碼，使得計算機(jī)可以用更為簡單的方式來呈現(xiàn)和處理文字。

為了適應(yīng)不同的數(shù)據(jù)存儲和傳遞需求，人們提出了 Unicode Transformation Format（UTF）系列編碼。這其中包含UTF-8、UTF-16、UTF-32等。

通過查閱MySQL官方文檔（https://dev.mysql.com/doc/refman/8.0/en/charset-unicode.html ），我們可以知道，在MySQL中，主要支持以下字符集：utf8、ucs2、utf8mb3、utf8mb4、utf16、utf16le和utf32

不同的字符集的區(qū)別在于包含的字符情況以及存儲需要的空間。

在MySQL官方文檔中，介紹了支持的編碼方式之后，還有一段醒目的提醒：

翻譯過來是：utf8mb3字符集已被棄用，它在未來的MySQL版本中將會被刪除，請使用utf8mb4代替。在目前的8.0版本中，utf8指的就是utf8mb3，雖然未來可能改成utf8mb4，但是為了避免產(chǎn)生歧義，可以考慮為字符集引用顯式指定utf8mb4，而不是utf8。

也就是說，當(dāng)我們在MySQL 8.0 中指定字符編碼方式為UTF-8的時候，其實使用的是utf8mb3這種編碼方式。

那么，我們先來說說utf8mb3。

utf8mb3字符集是MySQL早期就支持的字符集，他具有以下特征:

1、僅支持BMP字符(不支持補(bǔ)充字符)

2、每個多字節(jié)字符最多需要三個字節(jié)

注意，僅支持BMP字符，那么什么是BMP字符呢？

BMP是Basic Multilingual Plane的縮寫，即碼位在0到65535之間(或者U+0000和U+FFFF)的字符。

BMP中并不包含補(bǔ)充字符，即碼位在U+10000和U+10FFFF之間的的字符。補(bǔ)充字符有哪些呢，如一些生僻的漢字，或者Emoji 表情等都是補(bǔ)充字符。

也就是說，如果在建表的時候，指定的編碼方式是utf8mb3（utf-8），那么對于一些生僻字或者emoji表情都無法表示。

早期的時候，Unicode 只用到了 0~0xFFFF 范圍的數(shù)字編碼，這就是 BMP 字符集。所以，最初MySQL在設(shè)計之初，也就只涉及了包含BMP 字符集的utfmb3(utf-8)，但是隨著文字越來越多，3個字節(jié)肯定無法全部表示，于是Unicode支持的字符就更多了。

所以，早期的utfmb3在有些場景中就不能滿足需求了，于是，MySQL在5.5.3之后增加了utf8mb4的編碼。

utfmb4字符集具有以下特征:

1、支持BMP和補(bǔ)充字符。

2、每個多字節(jié)字符最多需要4個字節(jié)。

utf8mb4與utf8mb3字符集不同，utf8mb3字符集只支持BMP字符，每個字符最多使用三個字節(jié):

對于BMP字符，utf8mb4和utf8mb3具有相同的存儲特征，即相同的編碼值，相同的編碼，相同的長度。

對于補(bǔ)充字符，utf8mb4需要4個字節(jié)來存儲它，而utf8mb3根本不能存儲該字符。所以我們說utf8mb4是utf8mb3的超集。

所以，很多時候，為了考慮到兼容性，建議創(chuàng)建MySQL表的時候，使用utf8mb4，而不是utf8！

utf8mb3和utf8mb4區(qū)別及優(yōu)缺點

前面分別介紹了utf8mb3和utf8mb4字符集，他們的區(qū)別如下:

utf8mb3只支持BMP (Basic Multilingual Plane)的字符。utf8mb4還支持BMP之外的補(bǔ)充字符。

utf8mb3每個字符最多使用3個字節(jié)。Utf8mb4每個字符最多使用4個字節(jié)。

utf8mb4比utf8mb3來說，他能表示更多的補(bǔ)充字符，但是同時占用的空間可能會更大一些。

首先，想要把字符集從utf8mb3轉(zhuǎn)換到utf8mb4，其實是問題不大的:

對于BMP字符，utf8mb4和utf8mb3具有相同的存儲特征:相同的編碼值，相同的編碼，相同的長度。

對于補(bǔ)充字符，utf8mb4需要4個字節(jié)來存儲它，而utf8mb3根本不能存儲該字符。當(dāng)將utf8mb3列轉(zhuǎn)換為utf8mb4時，您不必?fù)?dān)心轉(zhuǎn)換補(bǔ)充字符，因為沒有補(bǔ)充字符。

假設(shè)有一張已知表使用了utf8mb3：

CREATE TABLE t1 (
  col1 CHAR(10) CHARACTER SET utf8 COLLATE utf8_unicode_ci NOT NULL,
  col2 CHAR(10) CHARACTER SET utf8 COLLATE utf8_bin NOT NULL
) CHARACTER SET utf8;

下面的語句將t1轉(zhuǎn)換為utf8mb4:

ALTER TABLE t1
  DEFAULT CHARACTER SET utf8mb4,
  MODIFY col1 CHAR(10)
    CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL,
  MODIFY col2 CHAR(10)
    CHARACTER SET utf8mb4 COLLATE utf8mb4_bin NOT NULL;