为什么不建议在 MySQL 中使用 UTF-8?
点击上方“方志朋”,选择“设为星标”
回复”666“获取新整理的面试文章
_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');
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,是吧(大潘摊手)。
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,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。
热门内容:为什么阿里巴巴要禁用 Executors 创建线程池?
Spring的Controller是单例还是多例?怎么保证并发的安全一款直击痛点的优秀http框架,让我超高效率完成了和第三方接口的对接
Spring Boot 中的 RestTemplate不好用?试试 Retrofit !为什么建议大家使用 Linux 开发?爽(外加七个感叹号)最近面试BAT,整理一份面试资料《Java面试BAT通关手册》,覆盖了Java核心技术、JVM、Java并发、SSM、微服务、数据库、数据结构等等。获取方式:点“在看”,关注公众号并回复 666 领取,更多内容陆续奉上。
明天见(。・ω・。)ノ
为什么不建议在 MySQL 中使用 UTF-8?相关推荐
- mysql 2003报错_为什么不建议在 MySQL 中使用 UTF-8?
正文 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 ...
- 为什么不建议在MySQL中使用 utf8?
MySQL 字符编码集中有两套 UTF-8 编码实现:utf8 和 utf8mb4. 如果使用 utf8 的话,存储 emoji 符号和一些比较复杂的汉字.繁体字就会出错. 为什么会这样呢?这篇文章可 ...
- 为什么不建议在MySQL中使用 utf8 ?
往期热门文章: 1.编写Spring MVC控制器的14个技巧!涨知识了! 2.日志打印的15个建议!血泪啊! 3.List中remove()方法的陷阱,被坑惨了! 4.Facebook 全球宕机 6 ...
- mysql 书籍 知乎_知乎面试官:为什么不建议在 MySQL 中使用 UTF-8?
INSERTINTO`csjdemo`. `student`( `ID`, `NAME`, `SEX`, `AGE`, `CLASS`, `GRADE`, `HOBBY`) VALUES( '20', ...
- MySQL中的二进制类型
文章目录 1 MySQL中的二进制类型 1.1 二进制类型概览 1.2 binary和varbinary类型 1.3 bit类型 1.4 blob类型 1.5 实战建议 1 MySQL中的二进制类型 ...
- 编码utf-8的不可映射字符_建议永远不要在MySQL中使用UTF8
点击上方蓝色字体,选择"置顶公众号" 优质文章,第一时间送达 译文:http://suo.im/4zBuvs 来自:http://ju.outofmemory.cn 最近我遇到了一 ...
- md5后得到的32位字符串存储到mysql中太占空间了_面试官:你对MySQL高性能优化有什么规范建议?...
推荐阅读:吊打面试官!MySQL灵魂100问,你能答出多少? 文章篇幅较长,建议先收藏再找个合适的时间阅读 数据库命令规范 所有数据库对象名称必须使用小写字母并用下划线分割 所有数据库对象名称禁止使用 ...
- php mysql utf 8_PHP+MySQL中对UTF-8,UTF8(utf8),set names gbk 的理解
问题一:在我们进行数据库操作时会发现,数据库中表的编码用的是utf-8,但是在进行dos命令是要使用set names gbk (一)Mysql中默认字符集设置有四级:服务器级,数据库级,表级,和字段 ...
- 【建议收藏】MySQL中的自增id超出上限的问题
在mysql中有多种自增id,除了我们日常开发中经常使用的自增主键外,还有一些其他的自增id,主要是mysql内部为了辅助其正常运行而使用的. 这些自增id,都是定义了初始值,然后不停的累加步长.对于 ...
最新文章
- 深度学习核心技术精讲100篇(六十六)- 基于LXD的GPU算力虚拟化(附解决方案代码)
- OpenCASCADE:使用扩展数据交换 XDE之自定义注释note
- Trustdata:映客直播站稳行业第一梯队 用户粘性增长明显
- 收藏 | 一文看懂注意力机制
- 苹果高通虽已和解 但5G iPhone最快仍要明年才能推出
- dotnetbar 5.8.0.3
- 记录一次.net 4.7.2安装失败解决情况
- 易语言编写影视大全的整体思路及ACF浏览器和cheni纯组件列表灵活运用
- css3参考手册在线和下载
- 浙江大学计算机学院足球队,校三好杯 | 海洋学院足球队:再创佳绩
- java cap是什么_分布式CAP是什么?它的原理是什么?
- html5 undefined,JS中typeof() !== undefined'是什么意思
- linux设置字符编码gbk,CentOS修改默认字符编码为GBK
- Xposed原理分析
- android夜间模式监控
- 判断手机号码vue_判断手机号运营商
- 使用python制作爬虫_使用Python的urllib和urllib2模块制作爬虫的实例教程
- html四张图片拼图,js实现html滑动图片拼图验证
- android 播放器 sma,SMA测评app
- Emacs_快捷键列表