了解 MySQL 中的 utf8 和 utf8mb4

Dec 26, 2019

UTF-8 使用一至六个 字节 为每个字符编码（尽管如此，2003年11月UTF-8被RFC 3629重新规范，只能使用原来Unicode定义的区域，U+0000到U+10FFFF，也就是说最多 四个字节 ）。然而在MySQL的utf8编码的每个符号最多 三个字节 ，所以它的别名也叫 utf8mb3 ，它支持的范围只有U+000000到U+00FFFF，当我们存入一个正常UTF-8编码的字符但有超过MySQL的utf8字符编码范围的内容时就会有问题了，例如Emoji表情。

我们要清楚的知道，MySQL的utf8是不能等同于我们一般认为的UTF-8的，它不能提供完整的Unicode支持，所以是有可能导致数据丢失或安全性问题。

MySQL在5.5.3之后提供了一个新的编码方式── utf8mb4 ，它支持正常的UTF-8和完整的Unicode，甚至是星座符号，例如♈，哈哈，是不是强大了不少。因此，我们在使用MySQL时，最好使用utf8mb4这个编码方式。

查看当前MySQL字符集

mysql> SHOW VARIABLES WHERE Variable_name LIKE 'character\_set\_%' OR Variable_name LIKE 'collation%';

+--------------------------+--------------------+
| Variable_name            | Value              |
+--------------------------+--------------------+
| character_set_client     | utf8mb4            |
| character_set_connection | utf8mb4            |
| character_set_database   | utf8mb4            |
| character_set_filesystem | binary             |
| character_set_results    | utf8mb4            |
| character_set_server     | utf8mb4            |
| character_set_system     | utf8               |
| collation_connection     | utf8mb4_unicode_ci |
| collation_database       | utf8mb4_unicode_ci |
| collation_server         | utf8mb4_unicode_ci |
+--------------------------+--------------------+

10 rows in set (0.00 sec)

上面展示的参数还是很多的，它们是什么意思，相互之间又有什么关系呢？

MySQL有两个字符集概念：一个就是字符集本身（character开头的），一个是字符集校验规则（collation开头的）。字符集影响数据在传输和存储过程中的处理方式，而字符集校验则影响ORDER BY和GROUP BY这些排序方式。

如果你的数据库还不是5.5.3+版本，请先升级你的MySQL。当然升级前备份一下你的数据库啦，以防万一。

修改databases，tables和columns字符集的方法

# For each database:
ALTER DATABASE database_name CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci;
# For each table:
ALTER TABLE table_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
# For each column:
ALTER TABLE table_name CHANGE column_name column_name VARCHAR(191) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
# (Don’t blindly copy-paste this! The exact statement depends on the column type, maximum length, and other properties. The above line is just an example for a \`VARCHAR\` column.)

还有一点要注意的是 utf8mb4 是向下兼容 utf8 的，所以也不用担心改变字符集导致数据丢失的问题。

修改连接，客户端和服务器字符集

在代码中可以通过简单的 SET NAMES utf8mb4 来完成更换。当使用 SET NAMES utf8mb4 时，其实就是执行了下面三句：

SET character_set_client = utf8mb4;
SET character_set_results = utf8mb4;
SET character_set_connection = utf8mb4;

而服务器的字符集一般是在启动配置 /etc/my.cnf 中配置的，例如：

[client]
default-character-set = utf8mb4
[mysql]
default-character-set = utf8mb4
[mysqld]
character-set-client-handshake = FALSE
character-set-server = utf8mb4
collation-server = utf8mb4_unicode_ci

总而言之，从现在开始，我们 尽量在MySQL中使用 utf8mb4 而不要再使用 utf8 啦！！！

参考资料