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 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 <…’ 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”。
英文原文:https://medium.com/@adamhooper/in-mysql-never-use-utf8-use-utf8mb4-11761243e434
热门内容:
RESTful 架构基础
你太菜了,竟然不知道Code Review...
这样规范写代码,同事直呼“666”
最近面试Java后端开发的感受
8种常见SQL错误用法
分布式 id 生成器
Java 程序员必须清楚的 7 个性能指标
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♡
记住:永远不要在 MySQL 中使用 UTF-8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“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 v ...
- 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
- 记一次EventBus内存泄露导致的项目问题
- Linux内核分析 读书笔记 (第七章)
- 一次服务器CPU占用率高的定位分析
- JavaScript实现离散傅立叶变换DFT算法(附完整源码)
- 预加载显示图片的艺术
- 【C++ 第七章 个人银行账户管理程序案例】
- 深信服上网管理设备恢复控制台密码
- 基于key/value+Hadoop HDFS 设计的存储系统的shell命令接口
- js 时间加减_【JS】550 简单几步让你的 JS 写得更漂亮
- [转]Android 导入v7包常见错误,以及项目引用v7包错误解决
- Aurora-------在 MSOffice 内输入 LaTeX 公式的很好用插件
- 梦幻之旅--深入大规模芯片设计全过程
- 如何卸载twincat3_EtherCAT 基础之TwinCAT3安装
- 现在谁还会LOL钻石网吧特权?
- 关于打造超级产品,初创型企业如何找到巨头的“阿喀琉斯之踵”?
- OpenWRT配置 -- 网络配置network文件
- 网站关键词密度设置与优化
- 调用excel加载项实现多元回归方程求解
- C#命名空间 System.IO思维导图
- Nexus 搭建私有镜像仓库
热门文章
- Linux内核初期内存管理---memblock(转)
- POJ - 3660 Cow Contest(flod)
- SPOJ375(树链剖分)
- 为python安装numpy和scipy(federo)
- 【青少年编程】【一级】舞者凯希
- matlab求解外弹道,基于MATLAB∕Simulink的通用质点外弹道程序设计.pdf
- echarts树图节点垂直间距_矿棉板吊顶标准工艺节点
- 「动手学深度学习」在B站火到没谁,加这个免费实操平台,妥妥天花板!
- 为什么要研究游戏 AI 呢?
- iPhone 13 终于等到了!降价、新颜色、电池续航性能大提升