數(shù)據(jù)庫字符集utf8和utf8mb4的詳細(xì)區(qū)別
1.MySQL的“utf8mb4”是真正的“UTF-8”。2.MySQL的“utf8”是一種“專屬的編碼”，它能夠編碼的Unicode字符并不多。我要在這里澄清一下：所有在使用“utf8”的MySQL和MariaDB用戶都應(yīng)該改用“utf8mb4”，盡量不要再使用“utf8”。
那么什么是編碼？什么是UTF-8？我們都知道，計(jì)算機(jī)使用0和1來存儲(chǔ)文本。比如字符“C”被存成“01000011”，那么計(jì)算機(jī)在顯示這個(gè)字符時(shí)需要經(jīng)過兩個(gè)步驟：
1.計(jì)算機(jī)讀取“01000011”，得到數(shù)字67，因?yàn)?7被編碼成“01000011”。
2.計(jì)算機(jī)在Unicode字符集中查找67，找到了“C”。
同樣的：
1.我的電腦將“C”映射成Unicode字符集中的67。
2.我的電腦將67編碼成“01000011”，并發(fā)送給Web服務(wù)器。幾乎所有的網(wǎng)絡(luò)應(yīng)用都使用了Unicode字符集，因?yàn)闆]有理由使用其他字符集。
Unicode字符集包含了上百萬個(gè)字符。最簡(jiǎn)單的編碼是UTF-32，每個(gè)字符使用32位。這樣做最簡(jiǎn)單，因?yàn)橐恢币詠?，?jì)算機(jī)將32位視為數(shù)字，而計(jì)算機(jī)最在行的就是處理數(shù)字。但問題是，這樣太浪費(fèi)空間了。
UTF-8可以節(jié)省空間，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。一篇類似本文這樣的文章，如果使用UTF-8編碼，占用的空間只有UTF-32的四分之一左右。
MySQL的“utf8”字符集與其他程序不兼容，它所謂的“”，可能真的是一坨……
總結(jié)如果你在使用MySQL或MariaDB，不要用“utf8”編碼，改用“utf8mb4”。這里提供了一個(gè)指南用于將現(xiàn)有數(shù)據(jù)庫的字符編碼從“utf8”轉(zhuǎn)成“utf8mb4”
應(yīng)用與拓展
MySQL簡(jiǎn)史為什么MySQL開發(fā)者會(huì)讓“utf8”失效？我們或許可以從提交日志中尋找答案。
MySQL從4.1版本開始支持UTF-8，也就是2003年，而今天使用的UTF-8標(biāo)準(zhǔn)（RFC 3629）是隨后才出現(xiàn)的。
舊版的UTF-8標(biāo)準(zhǔn)（RFC 2279）最多支持每個(gè)字符6個(gè)字節(jié)。2002年3月28日，MySQL開發(fā)者在第一個(gè)MySQL 4.1預(yù)覽版中使用了RFC 2279。
同年9月，他們對(duì)MySQL源代碼進(jìn)行了一次調(diào)整：“UTF8現(xiàn)在最多只支持3個(gè)字節(jié)的序列”。
是誰提交了這些代碼？他為什么要這樣做？這個(gè)問題不得而知。在遷移到Git后（MySQL最開始使用的是BitKeeper），MySQL代碼庫中的很多提交者的名字都丟失了。2003年9月的郵件列表中也找不到可以解釋這一變更的線索。
不過我可以試著猜測(cè)一下。
2002年，MySQL做出了一個(gè)決定：如果用戶可以保證數(shù)據(jù)表的每一行都使用相同的字節(jié)數(shù)，那么MySQL就可以在性能方面來一個(gè)大提升。為此，用戶需要將文本列定義為“CHAR”，每個(gè)“CHAR”列總是擁有相同數(shù)量的字符。如果插入的字符少于定義的數(shù)量，MySQL就會(huì)在后面填充空格，如果插入的字符超過了定義的數(shù)量，后面超出部分會(huì)被截?cái)唷?/p>
MySQL開發(fā)者在最開始嘗試UTF-8時(shí)使用了每個(gè)字符6個(gè)字節(jié)，CHAR(1)使用6個(gè)字節(jié)，CHAR(2)使用12個(gè)字節(jié)，并以此類推。
應(yīng)該說，他們最初的行為才是正確的，可惜這一版本一直沒有發(fā)布。但是文檔上卻這么寫了，而且廣為流傳，所有了解UTF-8的人都認(rèn)同文檔里寫的東西。
不過很顯然，MySQL開發(fā)者或廠商擔(dān)心會(huì)有用戶做這兩件事：
1.使用CHAR定義列（在現(xiàn)在看來，CHAR已經(jīng)是老古董了，但在那時(shí)，在MySQL中使用CHAR會(huì)更快，不過從2005年以后就不是這樣子了）。2.將CHAR列的編碼設(shè)置為“utf8”。我的猜測(cè)是MySQL開發(fā)者本來想幫助那些希望在空間和速度上雙贏的用戶，但他們搞砸了“utf8”編碼。
所以結(jié)果就是沒有贏家。那些希望在空間和速度上雙贏的用戶，當(dāng)他們?cè)谑褂谩皍tf8”的CHAR列時(shí)，實(shí)際上使用的空間比預(yù)期的更大，速度也比預(yù)期的慢。而想要正確性的用戶，當(dāng)他們使用“utf8”編碼時(shí)，卻無法保存像“”這樣的字符。
在這個(gè)不合法的字符集發(fā)布了之后，MySQL就無法修復(fù)它，因?yàn)檫@樣需要要求所有用戶重新構(gòu)建他們的數(shù)據(jù)庫。最終，MySQL在2010年重新發(fā)布了“utf8mb4”來支持真正的UTF-8。
為什么這件事情會(huì)讓人如此抓狂因?yàn)檫@個(gè)問題，我整整抓狂了一個(gè)禮拜。我被“utf8”愚弄了，花了很多時(shí)間才找到這個(gè)bug。但我一定不是唯一的一個(gè)，網(wǎng)絡(luò)上幾乎所有的文章都把“utf8”當(dāng)成是真正的UTF-8。
“utf8”只能算是個(gè)專有的字符集，它給我們帶來了新問題，卻一直沒有得到解決。
在使用MySQL工具的時(shí)候我們經(jīng)常會(huì)遇到亂碼問題，其實(shí)這是由于編碼導(dǎo)致的。下面就介紹下Mysql的編碼問題
查看數(shù)據(jù)庫編碼
show variables like 'char%';
我們可以看到
| Variable_name | Value |
|---|---|
| character_set_client | utf8mb4 |
| character_set_connection | utf8mb4 |
| character_set_results | utf8mb4 |
| character_set_server | utf8mb4 |
| character_set_database | utf8 |
| character_set_system | utf8 |
| character_sets_dir | C:\Program Files\MySQL\MySQL Server 8.0\share\charsets\ |
| character_set_filesystem | binary |
- character_set_client
主要用來設(shè)置客戶端使用的字符集。通俗的講就是mysql把客戶端傳遞過來的數(shù)據(jù)都當(dāng)成是utf8mb4 - character_set_connection
主要用來設(shè)置連接數(shù)據(jù)庫時(shí)的字符集，如果程序中沒有指明連接數(shù)據(jù)庫使用的字符集類型則按照這個(gè)字符集設(shè)置。 - character_set_database
主要用來設(shè)置默認(rèn)創(chuàng)建數(shù)據(jù)庫的編碼格式，如果在創(chuàng)建數(shù)據(jù)庫時(shí)沒有設(shè)置編碼格式，就按照這個(gè)格式設(shè)置。 - character_set_filesystem
文件系統(tǒng)的編碼格式，把操作系統(tǒng)上的文件名轉(zhuǎn)化成此字符集，即把 character_set_client轉(zhuǎn)換character_set_filesystem， 默認(rèn)binary是不做任何轉(zhuǎn)換的。 - character_set_results
數(shù)據(jù)庫給客戶端返回時(shí)使用的編碼格式，如果沒有指明，使用服務(wù)器默認(rèn)的編碼格式。通俗的講就是mysql發(fā)送個(gè)客戶端的數(shù)據(jù)是utf8mb4的 - character_set_server
服務(wù)器安裝時(shí)指定的默認(rèn)編碼格式，這個(gè)變量建議由系統(tǒng)自己管理，不要人為定義。 - character_set_system
數(shù)據(jù)庫系統(tǒng)使用的編碼格式，這個(gè)值一直是utf8，不需要設(shè)置，它是為存儲(chǔ)系統(tǒng)元數(shù)據(jù)的編碼格式。 - character_sets_dir
這個(gè)變量是字符集安裝的目錄。
Mysql的字符集內(nèi)部處理
1.mysql Server收到請(qǐng)求時(shí)將請(qǐng)求數(shù)據(jù)從 character_set_client 轉(zhuǎn)換為 character_set_connection
2.進(jìn)行內(nèi)部操作前將請(qǐng)求數(shù)據(jù)從 character_set_connection 轉(zhuǎn)換為內(nèi)部操作字符集,步驟如下
A. 使用每個(gè)數(shù)據(jù)字段的 CHARACTER SET 設(shè)定值；
B. 若上述值不存在，則使用對(duì)應(yīng)數(shù)據(jù)表的字符集設(shè)定值
C. 若上述值不存在，則使用對(duì)應(yīng)數(shù)據(jù)庫的字符集設(shè)定值；
D. 若上述值不存在，則使用 character_set_server 設(shè)定值。
3.最后將操作結(jié)果從內(nèi)部操作字符集轉(zhuǎn)換為 character_set_results
到這里大家應(yīng)該知道怎么處理mysql UI工具的各種亂碼問題了吧！
文章參考：
關(guān)于MySQL中的8個(gè) character_set 變量說明
數(shù)據(jù)庫字符集utf8和utf8mb4的詳細(xì)區(qū)別
