记住,永远不要在MySQL中使用“utf8”
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: ‘\\xF0\\x9F\\x98\\x83 \u0026lt;…’ 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“ \u0026lt;…”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”。\\t
- 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”。\\t
- 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。\\t
- 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)。\\t
- 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”。
\\
英文原文:https://medium.com/@adamhooper/in-mysql-never-use-utf8-use-utf8mb4-11761243e434
记住,永远不要在MySQL中使用“utf8”相关推荐
- 记住:永远不要在MySQL中使用“utf8”,请使用“utf8mb4” 程序员
记住:永远不要在MySQL中使用"utf8",请使用"utf8mb4" 最近我遇到了一个bug,我试着通过Rails在以"utf8"编码的M ...
- 永远不要在 MySQL 中使用 UTF-8
转载自 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 ...
- 永远不要在MySQL中使用UTF-8
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: Inc ...
- 记住:永远不要在 MySQL 中使用 UTF-8
点击上方"方志朋",选择"设为星标" 回复"666"获取新整理的面试资料 来源:http://t.cn/EIhnOJT 最近我遇到了一个 b ...
- 1 字节的 utf-8 序列的字节 1 无效_记住:永远不要在MySQL中使用UTF8
题外话:欢迎将公众号设置为星标,技术文章第一时间看到.我们将一如既往精选技术好文,提供有价值的阅读.如有读者想要投稿,可以在公众号任意文章下留言,技术博主奖励丰厚. 推荐阅读 1. Java 性能优化 ...
- 记住,永远不要在MySQL中使用“utf8”-转
http://www.infoq.com/cn/articles/in-mysql-never-use-utf8-use-utf8 最近我遇到了一个bug,我试着通过Rails在以"utf8 ...
- 无意看到,当真给力!记住: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: Incorrectstring value: ...
- 低版本mysql utf8mb5_记住: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 ...
- 记住:永远不要在MySQL中使用UTF-8
原文地址:https://dwz.cn/QS4wLyjh 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 ...
最新文章
- 解决Swift中present(uiImagePickerController,animated: true,completion: nil)闪退的问题
- gossip 区块链_源代码: 一个最小化的区块链系统
- 不要62 HDU - 2089【数位dp】
- 重定向 302 与localhost 学习笔记
- DYNAMIC_DOWNCAST STATIC_DOWNCAST IsKindOf
- 网络协议:关于TCP/IP,必须知道的十个知识点
- anaconda的python文件打包失败的问题解决方案
- 电路基础-二阶(second -order) 电路
- iOS远程真机之usbmuxd中iproxy的作用
- 三十一 我在软件园的那些日子里
- SQL 注入速查表大全
- 算法39-快速求次幂运算
- 收藏 40 2 CPD (广告合作方式)
- 例 9.7 有n个结构体变量,内含学生学号、姓名和3门课程的成绩。要求输出平均成绩最高的学生的信息(包括学号、姓名、3门课程成绩和平均成绩)。
- 哈代-温伯格平衡定律(The Hardy-Weinberg Equilibrium)
- 2018武汉理工大学计算机考研真题+复试经验
- python批量整理地籍项目的文件夹
- 【综合应用】基础PLS-SEM模型STATA实战
- Python读取文件路径并移动到指定文件夹
- 八大排序详解-超详细