在现代 Web 应用程序世界中，支撑多种语言和字符集变得越来越重要。跟着全球化的兴起，存储和处理多语言数据的需求变得至关重要。MySQL 作为最盛行的联系数据库办理系统之一，认识到了这一需求，并在其 8.0 版别中引入了 utf8mb4。在这篇文章中，咱们将通过实践示例讨论 utf8mb4 及其在 MySQL 8 中的优势。

作者：Arunjith Aravindan

本文原文：www.percona.com/blog/the-po…

本文约 2000 字，预计阅读需求 7 分钟。

了解 utf8mb4

在深入讨论 utf8mb4 的优点之前，咱们先弄清一下 utf8mb4 代表什么。在 MySQL 中，“utf8”是指支撑 Unicode 字符集的字符编码，每个字符最多运用三个字节。可是，MySQL 中原始的 utf8 完成并没有包括一切 Unicode 字符。另一方面，utf8mb4 是 utf8 的修改版别，它支撑完好的 Unicode 字符集，包括表情符号和其他弥补字符，每个字符最多运用四个字节。

MySQL 中原始的 utf8 完成仅支撑根本多文种平面（BMP）中的字符，大约占一切 Unicode 字符的 90%。另一方面，utf8mb4 支撑整个 Unicode 字符集，包括表情符号和其他弥补字符。它通过每个字符最多运用四个字节而不是 utf8 运用的三个字节来完成此目的。

下表显示了 utf8 和 utf8mb4 之间的差异：

特征	UTF8	utf8mb3	utf8mb4
每个字符的最大字节数	3	3	4
支撑的字符	根本多文种平面 (BMP)	BMP	BMP 辅佐平面
MySQL 默许	Yes	Yes	Yes（MySQL 8.0 开始)
状况	已弃用	已弃用	未弃用

注意：历史上，MySQL 运用字符集 utf8 作为 utf8mb3 的别名。可是，从 MySQL 8.0.28 开始，utf8mb3 仅在 SHOW 句子的输出和信息架构表中引证该字符集时运用。未来，utf8 有望成为 utf8mb4 的参阅。为了避免任何歧义，主张在引证该字符集时显式指定 utf8mb4。

如您所见，utf8、utf8mb3 和 utf8mb4 之间的主要差异在于每个字符的最大字节数。 utf8 和 utf8mb3 只能存储 BMP 中的字符，而 utf8mb4 还能够存储弥补平面（Supplementary Plane）中的字符。这意味着 utf8mb4 能够支撑更广泛的字符，包括表情符号、数学符号和其他特别字符。

这三个字符集之间的另一个差异是它们在 MySQL 中的默许状况。utf8 是 MySQL 5.7 及更早版别中的默许字符集，而 utf8mb3 是 MySQL 8.0 中的默许字符集。可是，utf8mb4 是 MySQL 8.0.28 及更高版别中的默许字符集。

终究，MySQL 8.0 中已弃用 utf8 和 utf8mb3。这意味着它们终究将从 MySQL 中删除，因而主张运用 utf8mb4 代替。

因而，如果您需求存储一切 Unicode 字符，包括表情符号和其他弥补字符，那么您应该运用 utf8mb4。可是，如果您只需求存储 BMP 中的字符，那么 utf8 可能就足够了。

以下是运用 MySQL 表和查询对 utf8 和 utf8mb4 进行比较的示例：

比照示例

MySQL 5.7

mysql> select version();
 ----------- 
| version() |
 ----------- 
| 5.7.42-46 |
 -----------

Table

mysql> CREATE TABLE users (
  id INT AUTO_INCREMENT PRIMARY KEY,
  name VARCHAR(255) CHARACTER SET utf8,
  email VARCHAR(255) CHARACTER SET utf8
);
Query OK, 0 rows affected (0.03 sec)

mysql> show create table usersG
*************************** 1. row ***************************
       Table: users
Create Table: CREATE TABLE `users` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(255) CHARACTER SET utf8 DEFAULT NULL,
  `email` varchar(255) CHARACTER SET utf8 DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1
1 row in set (0.01 sec)

在用户表中刺进三行数据，包括 emoji 表情符号。

mysql> INSERT INTO users (name, email) VALUES
('Arun Jith', 'arunjith@example.com'),
('Jane Doe', 'janedoe@example.com'),
('', 'emoji@example.com');
ERROR 1366 (HY000): Incorrect string value: 'xF0x9Dx8Cx86' for column 'name' at row 3
mysql>

遇到的过错音讯 ERROR 1366 (HY000): Incorrect string value: ‘xF0x9Dx8Cx86’ for column ‘name’ at row 3, 第 3 行的 name 字段的字符编码存在问题。用户表测验将 Unicode 字符刺进 name 字段时产生过错。

mysql> INSERT INTO users (name, email) VALUES
('Arun Jith', 'arunjith@example.com'),
('Jane Doe', 'janedoe@example.com')
;
Query OK, 2 rows affected (0.00 sec)
Records: 2  Duplicates: 0  Warnings: 0

MySQL 8.0

mysql> select version();
 ------------------------- 
| version()               |
 ------------------------- 
| 8.0.33-0ubuntu0.22.04.2 |
 -------------------------

Table

CREATE TABLE users (
  id INT AUTO_INCREMENT PRIMARY KEY,
  name VARCHAR(255) CHARACTER SET utf8,
  email VARCHAR(255) CHARACTER SET utf8
);

mysql> show create table usersG
*************************** 1. row ***************************
       Table: users
Create Table: CREATE TABLE `users` (
  `id` int NOT NULL AUTO_INCREMENT,
  `name` varchar(255) CHARACTER SET utf8mb3 COLLATE utf8mb3_general_ci DEFAULT NULL,
  `email` varchar(255) CHARACTER SET utf8mb3 COLLATE utf8mb3_general_ci DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci
1 row in set (0.00 sec)

该表的 name 和 email 字段均运用 utf8mb3 字符集。这意味着该表能够存储 BMP 中的一切字符，但不能存储表情符号或其他弥补字符。

Query

INSERT INTO users (name, email) VALUES
('Arun Jith', 'arunjith@example.com'),
('Jane Doe', 'janedoe@example.com'),
('', 'emoji@example.com');

与前面的示例一样的过错（ ERROR 1366 (HY000): Incorrect string value: ‘xF0x9Dx8Cx86’ for column ‘name’ at row 3, ）。

mysql> INSERT INTO users (name, email) VALUES
    -> ('Arun Jith', 'arunjith@example.com'),
    -> ('Jane Doe', 'janedoe@example.com'),
    -> ('', 'emoji@example.com');
ERROR 1366 (HY000): Incorrect string value: 'xF0x9Dx8Cx86' for column 'name' at row 3

mysql> INSERT INTO users (name, email) VALUES
    -> ('Arun Jith', 'arunjith@example.com'),
    -> ('Jane Doe', 'janedoe@example.com')
    -> ;
Query OK, 2 rows affected (0.00 sec)
Records: 2  Duplicates: 0  Warnings: 0

此查询将前两行数据刺进用户表中。前两行包括简单的文本数据，而第三行包括emoji 表情符号。表情符号将无法正确存储在数据库中，由于 utf8 字符集无法存储 emoji 表情符号。

Output

mysql> SELECT * FROM users;
 ---- ----------- ---------------------- 
| id | name      | email                |
 ---- ----------- ---------------------- 
|  4 | Arun Jith | arunjith@example.com |
|  5 | Jane Doe  | janedoe@example.com  |
 ---- ----------- ---------------------- 
2 rows in set (0.00 sec)

此查询将从用户表中选择两行。查询的输出将是用户表中一切行的列表，包括每个用户的 ID、name、email。第三行有表情符号的无法存储，刺进时犯错，由于 utf8 字符集无法存储表情符号。

Table

为了保证正确存储表情符号，让咱们运用 utf8mb4 字符集创立表列。之后，咱们能够持续检查表情符号刺进是否正确。

mysql> CREATE TABLE users (
    ->   id INT AUTO_INCREMENT PRIMARY KEY,
    ->   name VARCHAR(255) CHARACTER SET utf8mb4,
    ->   email VARCHAR(255) CHARACTER SET utf8mb4
    -> );
Query OK, 0 rows affected (0.03 sec)

mysql> show create table usersG
*************************** 1. row ***************************
Table: users
Create Table: CREATE TABLE `users` (
`id` int NOT NULL AUTO_INCREMENT,
`name` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL,
`email` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci
1 row in set (0.00 sec)

Query

INSERT INTO users (name, email) VALUES
('Arun Jith', 'arunjith@example.com'),
('Jane Doe', 'janedoe@example.com'),
('', 'emoji@example.com');

mysql> INSERT INTO users (name, email) VALUES
    -> ('Arun Jith', 'arunjith@example.com'),
    -> ('Jane Doe', 'janedoe@example.com'),
    -> ('', 'emoji@example.com');
Query OK, 3 rows affected (0.01 sec)
Records: 3  Duplicates: 0  Warnings: 0

该表对 name 和 email 列均运用 utf8mb4 字符集。这意味着该表能够存储完好 Unicode 字符会集的一切字符，包括 emoji 表情符号和其他弥补字符。

此查询将三行数据刺进用户表中。前两行包括简单的文本数据，而第三行包括表情符号。表情符号将正确存储在数据库中，由于 utf8mb4 字符集能够存储表情符号。

Output

mysql> SELECT * FROM users;
 ---- ----------- ---------------------- 
| id | name      | email                |
 ---- ----------- ---------------------- 
|  1 | Arun Jith | arunjith@example.com |
|  2 | Jane Doe  | janedoe@example.com  |
|  3 |          | emoji@example.com    |
 ---- ---------- ----------------------- 
3 rows in set (0.00 sec)

此查询将从用户表中选择一切行。查询的输出将是用户表中一切行的列表，包括每个用户的 ID、name、email。表情符号将被存储为表情符号，由于 utf8mb4 字符集能够存储表情符号。

总结

如您所见，utf8mb4 字符集能够存储完好 Unicode 字符会集的一切字符，包括表情符号和其他弥补字符。这使得它成为存储杂乱文本数据、文本搜索和比较的不错选择。另一方面，utf8 字符集只能存储 BMP 中的字符。这意味着它无法存储表情符号或其他弥补字符。

一般来说，主张一切新应用程序都运用 utf8mb4。这将保证您的数据能够正确存储和处理，不管它包括什么字符。

更多技术文章，请拜访：opensource.actionsky.com/

关于 SQLE

SQLE 是一款全方位的 SQL 质量办理平台，掩盖开发至生产环境的 SQL 审核和办理。支撑干流的开源、商业、国产数据库，为开发和运维提供流程自动化能力，提升上线功率，进步数据质量。

MySQL 8 中 utf8mb4 的强大：释放多语言数据的潜力

了解 utf8mb4

比照示例

MySQL 5.7

Table

MySQL 8.0

Table

Query

Output

Table

Query

Output

总结

关于 SQLE

作者信息

MySQL 8 中 utf8mb4 的强大：释放多语言数据的潜力

了解 utf8mb4

比照示例

MySQL 5.7

Table

MySQL 8.0

Table

Query

Output

Table

Query

Output

总结

关于 SQLE

相关文章

Android JNI 学习实践

摸鱼的功夫偷偷学了一手pinia

关于语义分割的亿点思考

【从0-1 千万级直播项目实战】MQ选型 | 为什么是RocketMQ而不是Kafka？

作者信息