为什么不建议在MySQL中使用UTF-8？
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: 'xf0x9fx98x93' 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');
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。
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。
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：
计算机读取“01000011”，得到数字 67，因为 67 被编码成“01000011”。 计算机在 unicode 字符集中查找 67，找到了“c”。 同样的：
我的电脑将“c”映射成 unicode 字符集中的 67。 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，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。
利用555时基电路制成的低频振荡(闪烁发光电路)电路
三星Galaxy S20系列推送OneUI2.5更新 支持5G SA网络
音诺恒搭载瑞芯微RK3568芯片的高性能安卓主板发布
小米6/荣耀9/一加5都是6月新机你买谁?小米6/荣耀9/一加5区别对比评测
锂电池如何充电以减少损坏并确保性能
为什么不建议在MySQL中使用UTF-8？
寻北仪价格分析及应用介绍
隔离变压器可以抗干扰吗？
硬齿面系列的减速箱更适用于挤出机
华为终端云服务携手华为学堂，送爸妈一节手机安全课！
软通动力助力中国保险行业将迈入高质量发展
USB3.1连接器改善EMI/RFI问题传输率达10Gbit/s
华为云大数据BI解决方案，如何帮助企业精准营销
vr场景的制作方法
物联网安全合规性有多重要
开学数码，学生用蓝牙耳机哪个好？学生蓝牙耳机推荐
直布罗陀正在考虑对加密货币相关的投资基金进行监管
如何选择合适的电源拓扑结构
肖特基二极管特性和应用
国外开发出一款利用电磁波驱蚊的智能手环 能降低近50％的被叮咬概率
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: 'xf0x9fx98x93' 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');
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。
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。
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：
计算机读取“01000011”，得到数字 67，因为 67 被编码成“01000011”。 计算机在 unicode 字符集中查找 67，找到了“c”。 同样的：
我的电脑将“c”映射成 unicode 字符集中的 67。 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，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。
利用555时基电路制成的低频振荡(闪烁发光电路)电路
三星Galaxy S20系列推送OneUI2.5更新 支持5G SA网络
音诺恒搭载瑞芯微RK3568芯片的高性能安卓主板发布
小米6/荣耀9/一加5都是6月新机你买谁?小米6/荣耀9/一加5区别对比评测
锂电池如何充电以减少损坏并确保性能
为什么不建议在MySQL中使用UTF-8？
寻北仪价格分析及应用介绍
隔离变压器可以抗干扰吗？
硬齿面系列的减速箱更适用于挤出机
华为终端云服务携手华为学堂，送爸妈一节手机安全课！
软通动力助力中国保险行业将迈入高质量发展
USB3.1连接器改善EMI/RFI问题传输率达10Gbit/s
华为云大数据BI解决方案，如何帮助企业精准营销
vr场景的制作方法
物联网安全合规性有多重要
开学数码，学生用蓝牙耳机哪个好？学生蓝牙耳机推荐
直布罗陀正在考虑对加密货币相关的投资基金进行监管
如何选择合适的电源拓扑结构
肖特基二极管特性和应用
国外开发出一款利用电磁波驱蚊的智能手环 能降低近50％的被叮咬概率