MySQL巨坑：永远不要在MySQL中使用UTF-8！！
最近我遇到了一个bug，我试着通过rails在以“utf8”编码的mariadb中保存一个utf-8字符串，然后出现了一个离奇的错误：
incorrect string value: ‘ð <…’ for column ‘summary’ at row 1
我用的是utf-8编码的客户端，服务器也是utf-8编码的，数据库也是，就连要保存的这个字符串“ <…”也是合法的utf-8。
问题的症结在于，mysql的“utf8”实际上不是真正的utf-8。
“utf8”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。
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，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。
简单概括如下：
mysql的“utf8mb4”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。
我要在这里澄清一下：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。
mysql的“utf8”字符集与其他程序不兼容，它所谓的“”，可能真的是一坨……
mysql简史 为什么mysql开发者会让“utf8”失效？我们或许可以从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。
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。
为什么这件事情会让人如此抓狂 因为这个问题，我整整抓狂了一个礼拜。我被“utf8”愚弄了，花了很多时间才找到这个bug。但我一定不是唯一的一个，网络上几乎所有的文章都把“utf8”当成是真正的utf-8。
“utf8”只能算是个专有的字符集，它给我们带来了新问题，却一直没有得到解决。
总结 如果你在使用mysql或mariadb，不要用“utf8”编码，改用“utf8mb4”。这里（ https://mathiasbynens.be/notes/mysql-utf8mb4#utf8-to-utf8mb4 ）提供了一个指南用于将现有数据库的字符编码从“utf8”转成“utf8mb4”。
程序创业项目未来趋势与展望!OMO入口项目有红利
克劳斯突破传统思维，填补单芯片清洗的空白
互锁或非锁或自锁什么区别
芯鼎科技与普诺飞思合作开发Metavision传感器应用方案
新能源汽车产销“半年考”：旺盛需求给配套部件材料带来新商机
MySQL巨坑：永远不要在MySQL中使用UTF-8！！
特斯拉正在柏林建造超级工厂
LLC变压器设计需特别注意的4方面问题
高通发起价格战，消费市场低迷持续挑战
物联网正在走向边缘化 安全顾虑是普及的首要阻碍因素
三种主流投影仪技术类型
中兴通讯发布名为《坚定信心 力争更短时间解决问题》的内部员工信
pci接口是干什么用的
2016国产销量第一oppo又来 OPPO Find9 无边框+835+8GB内存
下游应用驱动，晶振市场回暖
根据生产制造标准和工作条件来明确澳托克执行器的方式
纯电动汽车在未来真的能够满足长途驾驶吗
关于OPA0基准模式你知道多少？
流行国内外的5款简单易用电路图软件大全
各种5G黑科技让生活越来越便利
incorrect string value: ‘ð <…’ for column ‘summary’ at row 1
我用的是utf-8编码的客户端，服务器也是utf-8编码的，数据库也是，就连要保存的这个字符串“ <…”也是合法的utf-8。
问题的症结在于，mysql的“utf8”实际上不是真正的utf-8。
“utf8”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。
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，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。
简单概括如下：
mysql的“utf8mb4”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。
我要在这里澄清一下：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。
mysql的“utf8”字符集与其他程序不兼容，它所谓的“”，可能真的是一坨……
mysql简史 为什么mysql开发者会让“utf8”失效？我们或许可以从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。
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。
为什么这件事情会让人如此抓狂 因为这个问题，我整整抓狂了一个礼拜。我被“utf8”愚弄了，花了很多时间才找到这个bug。但我一定不是唯一的一个，网络上几乎所有的文章都把“utf8”当成是真正的utf-8。
“utf8”只能算是个专有的字符集，它给我们带来了新问题，却一直没有得到解决。
总结 如果你在使用mysql或mariadb，不要用“utf8”编码，改用“utf8mb4”。这里（ https://mathiasbynens.be/notes/mysql-utf8mb4#utf8-to-utf8mb4 ）提供了一个指南用于将现有数据库的字符编码从“utf8”转成“utf8mb4”。
程序创业项目未来趋势与展望!OMO入口项目有红利
克劳斯突破传统思维，填补单芯片清洗的空白
互锁或非锁或自锁什么区别
芯鼎科技与普诺飞思合作开发Metavision传感器应用方案
新能源汽车产销“半年考”：旺盛需求给配套部件材料带来新商机
MySQL巨坑：永远不要在MySQL中使用UTF-8！！
特斯拉正在柏林建造超级工厂
LLC变压器设计需特别注意的4方面问题
高通发起价格战，消费市场低迷持续挑战
物联网正在走向边缘化 安全顾虑是普及的首要阻碍因素
三种主流投影仪技术类型
中兴通讯发布名为《坚定信心 力争更短时间解决问题》的内部员工信
pci接口是干什么用的
2016国产销量第一oppo又来 OPPO Find9 无边框+835+8GB内存
下游应用驱动，晶振市场回暖
根据生产制造标准和工作条件来明确澳托克执行器的方式
纯电动汽车在未来真的能够满足长途驾驶吗
关于OPA0基准模式你知道多少？
流行国内外的5款简单易用电路图软件大全
各种5G黑科技让生活越来越便利