一、

为什么说"别在

UTF-8"？

这个说法听起来有点耸人听闻，但它精准地指出了

MySQL

长久以来存在的一个大问题：MySQL

"utf8"

"utf8mb4"：一字之差，天壤之别

• MySQL

  "utf8"

  utf8mb3)：这是一种"专属编码"，它只支持每个字符最多3

  UTF-8

  中的基本多文种平面（BMP）的字符。

• 真正的

  UTF-8

  个字节进行编码。

• MySQL

  "utf8mb4"：这才是真正的

  UTF-8

  问题的根源：一个无法挽回的历史错误

  为什么

  MySQL

  字节编码的字符。

  为了追求存储空间和性能的极致优化，MySQL

  的设计者们决定创造一种自己的"utf8"，硬性限制为

  Unicode

  的发展，越来越多的生僻字、特殊符号以及如今无处不在的Emoji

  表情符号（如😂👍🏻）被纳入标准，它们都需要

  个字节进行存储。

  当用户尝试将这些字符插入到"utf8"编码的列中时，MySQL

  />Incorrect

  终于意识到这个问题的严重性，但已经无法回头了。

  如果直接修改"utf8"的定义，将会导致所有现有用户的数据损坏或需要重构数据库。

  因此，他们选择了一个折中方案：新推出一个名为

  "utf8mb4"

  utf8mb4

  理解了问题的根源，解决方案就非常清晰了：所有还在使用

  "utf8"

  "utf8mb4"。

  2.1

  基础设置：从源头抓起

  最好的方式是在一开始创建数据库和表时就指定正确的字符集。

  • 创建数据库时指定：

    sql

    CREATE
    DATABASE
    utf8mb4_unicode_ci;

  • 创建表时指定：

    sql

    CREATE
    TABLE
    utf8mb4_unicode_ci;

  2.2

  (COLLATION)

  字符集之外，排序规则也至关重要。

  针对utf8mb4，常见的排序规则有以下几种：

  • utf8mb4_general_ci：

    • 特点：比较和排序速度快

      。

    • 缺点：对某些语言的排序规则支持不够精确，比如德语、法语中的一些特殊字符排序可能不符合当地习惯。

  • utf8mb4_unicode_ci：

    • 特点：基于标准的

      Unicode

      排序规则算法，支持多语言，排序结果更准确

      。

    • 缺点：相比general_ci，性能会稍有损耗，但在绝大多数场景下可以忽略不计。

  • utf8mb4_0900_ai_ci（MySQL

    8.0+

    默认）：

    • 特点：基于

      Unicode

      标准，是unicode_ci的升级版，提供了更准确的排序，并且ai表示不区分重音（Accent

      Insensitive），ci表示不区分大小写（Case

      Insensitive）。

    • 建议：如果你的

      MySQL

      。

  最佳实践建议：如果不确定选哪个，直接使用

  MySQL

  默认的utf8mb4_0900_ai_ci。

  如果你的版本较低（5.5.3

  以上），推荐使用utf8mb4_unicode_ci，在准确性和性能上取得了很好的平衡

  修改现有数据库、表和列

  如果你的项目已经存在，需要将旧的utf8数据迁移到utf8mb4。

  • 修改数据库的默认字符集：

    sql

    ALTER
    DATABASE
    utf8mb4_unicode_ci;

    注意：这只会修改新表的默认字符集，不会改变现有表和列。

  • 修改表和列的字符集（推荐方法）：

    />使用CONVERT

    utf8mb4_unicode_ci;

    ⚠️

    警告：对于大表，这个操作可能会非常耗时，并会对数据库造成较大压力，建议在业务低峰期进行，并提前做好备份

    配置文件和服务端的统一

    仅仅修改数据库还不够，需要确保从客户端到服务端的整个链路字符集都是统一的

    MySQL

    通常是/etc/my.cnf或/etc/mysql/my.cnf，Windows

    是my.ini），在对应区域添加或修改如下配置

    ：

    ini

    [client]
    =
    可选，但推荐：防止客户端连接时覆盖服务端设置
    skip-character-set-client-handshake

    修改完成后，重启

    MySQL

    应用层连接的设置

    最后，应用程序在连接数据库时，也需要指定使用utf8mb4字符集

    SQL

    命令（连接后执行）：

    sql

    SET
    NAMES
    'utf8mb4';

  • 在

    JDBC

    中设置characterEncoding=utf8mb4。

    并且可以移除旧的characterEncoding=utf-8设置。

    text

    jdbc:mysql://localhost:3306/my_database?useUnicode=true&characterEncoding=utf8mb4&serverTimezone=UTC

  • 在

    Python

    PyMySQL）中指定：

    />在建立连接时，传入charset="utf8mb4"参数

    总结与展望

    MySQL

    字符集是一个历史遗留的"坑"，它并不是真正的

    Emoji

    表情和生僻汉字，确保数据的完整性和未来的兼容性，必须使用

    "utf8mb4"

    ---