創(chuàng)新互聯(lián)專注于東鄉(xiāng)族企業(yè)網(wǎng)站建設(shè),響應(yīng)式網(wǎng)站開發(fā),購物商城網(wǎng)站建設(shè)。東鄉(xiāng)族網(wǎng)站建設(shè)公司,為東鄉(xiāng)族等地區(qū)提供建站服務(wù)。全流程定制制作，專業(yè)設(shè)計，全程項目跟蹤，創(chuàng)新互聯(lián)專業(yè)和態(tài)度為您提供的服務(wù)

最近我遇到了一個bug，我試著通過Rails在以“utf8”編碼的MariaDB中保存一個UTF-8字符串，然后出現(xiàn)了一個離奇的錯誤：

Incorrect string value: ‘e??? <…’ for column ‘summary’ at row 1

我用的是UTF-8編碼的客戶端，服務(wù)器也是UTF-8編碼的，數(shù)據(jù)庫也是，就連要保存的這個字符串“????”也是合法的UTF-8。

問題的癥結(jié)在于，MySQL的“utf8”實際上不是真正的UTF-8。

“utf8”只支持每個字符最多三個字節(jié)，而真正的UTF-8是每個字符最多四個字節(jié)。

MySQL一直沒有修復(fù)這個bug，他們在2010年發(fā)布了一個叫作“utf8mb4”的字符集，繞過了這個問題。

當(dāng)然，他們并沒有對新的字符集廣而告之（可能是因為這個bug讓他們覺得很尷尬），以致于現(xiàn)在網(wǎng)絡(luò)上仍然在建議開發(fā)者使用“utf8”，但這些建議都是錯誤的。

簡單概括如下：

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”，永遠都不要再使用“utf8”。

那么什么是編碼？什么是UTF-8？

我們都知道，計算機使用0和1來存儲文本。比如字符“C”被存成“01000011”，那么計算機在顯示這個字符時需要經(jīng)過兩個步驟：

1.計算機讀取“01000011”，得到數(shù)字67，因為67被編碼成“01000011”。

2.計算機在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，因為沒有理由使用其他字符集。

Unicode字符集包含了上百萬個字符。最簡單的編碼是UTF-32，每個字符使用32位。這樣做最簡單，因為一直以來，計算機將32位視為數(shù)字，而計算機最在行的就是處理數(shù)字。但問題是，這樣太浪費空間了。

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……

MySQL簡史

為什么MySQL開發(fā)者會讓“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）最多支持每個字符6個字節(jié)。2002年3月28日，MySQL開發(fā)者在第一個MySQL 4.1預(yù)覽版中使用了RFC 2279。

同年9月，他們對MySQL源代碼進行了一次調(diào)整：“UTF8現(xiàn)在最多只支持3個字節(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一下。

2002年，MySQL做出了一個決定：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大提升。為此，用戶需要將文本列定義為“CHAR”，每個“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，后面超出部分會被截斷。

MySQL開發(fā)者在最開始嘗試UTF-8時使用了每個字符6個字節(jié)，CHAR(1)使用6個字節(jié)，CHAR(2)使用12個字節(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，在MySQL中使用CHAR會更快，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)他們在使用“utf8”的CHAR列時，實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，卻無法保存像“”這樣的字符。

在這個不合法的字符集發(fā)布了之后，MySQL就無法修復(fù)它，因為這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。

為什么這件事情會讓人如此抓狂

因為這個問題，我整整抓狂了一個禮拜。我被“utf8”愚弄了，花了很多時間才找到這個bug。但我一定不是唯一的一個，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。

總結(jié)

如果你在使用MySQL或MariaDB，不要用“utf8”編碼，改用“utf8mb4”。這里（ https://mathiasbynens.be/notes/mysql-utf8mb4#utf8-to-utf8mb4 ）提供了一個指南用于將現(xiàn)有數(shù)據(jù)庫的字符編碼從“utf8”轉(zhuǎn)成“utf8mb4”。

作者：brightwang

原文：https://www.jianshu.com/p/ab9aa8d4df7d

網(wǎng)站欄目：為什么不建議在MySQL中使用UTF-8？-創(chuàng)新互聯(lián)
URL標(biāo)題：http://aaarwkj.com/article2/jsdic.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供微信小程序、商城網(wǎng)站、自適應(yīng)網(wǎng)站、企業(yè)建站、品牌網(wǎng)站建設(shè)、企業(yè)網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)