记住：永远不要在MySQL中使用UTF-8
|
最近我碰着了一个bug，我试着通过Rails在以“utf8”编码的MariaDB中生涯一个UTF-8字符串，然后呈现了一个怪僻的错误：
我用的是UTF-8编码的客户端，处事器也是UTF-8编码的，数据库也是，就连要生涯的这个字符串“ <…”也是正当的UTF-8。 题目的症结在于，MySQL的“utf8”现实上不是真正的UTF-8。 “utf8”只支持每个字符最多三个字节，而真正的UTF-8是每个字符最多四个字节。 MySQL一向没有修复这个bug，他们在2010年宣布了一个叫作“utf8mb4”的字符集，绕过了这个题目。 虽然，他们并没有对新的字符集广而告之(也许是由于这个bug让他们认为很忧伤)，甚至于此刻收集上如故在提议开拓者行使“utf8”，但这些提议都是错误的。 简朴归纳综合如下： 1.MySQL的“utf8mb4”是真正的“UTF-8”。 2.MySQL的“utf8”是一种“专属的编码”，它可以或许编码的Unicode字符并不多。 我要在这里澄清一下：全部在行使“utf8”的MySQL和MariaDB用户都应该改用“utf8mb4”，永久都不要再行使“utf8”。 那么什么是编码?什么是UTF-8? 我们都知道，计较机行使0和1来存储文本。好比字符“C”被存成“01000011”，那么计较机在表现这个字符时必要颠末两个步调： 1.计较机读取“01000011”，获得数字67，由于67被编码成“01000011”。 2.计较机在Unicode字符齐集查找67，找到了“C”。 同样的： 1.我的电脑将“C”映射成Unicode字符齐集的67。 2.我的电脑将67编码成“01000011”，并发送给Web处事器。 险些全部的收集应用都行使了Unicode字符集，由于没有来由行使其他字符集。 Unicode字符集包括了上百万个字符。最简朴的编码是UTF-32，每个字符行使32位。这样做最简朴，由于一向以来，计较机将32位视为数字，而计较机最在行的就是处理赏罚数字。但题目是，这样太挥霍空间了。 UTF-8可以节减空间，在UTF-8中，字符“C”只必要8位，一些不常用的字符，好比“”必要32位。其他的字符也许行使16位或24位。一篇相同本文这样的文章，假如行使UTF-8编码，占用的空间只有UTF-32的四分之一阁下。 MySQL的“utf8”字符集与其他措施不兼容，它所谓的“”，也许真的是一坨…… MySQL简史 为什么MySQL开拓者会让“utf8”失效?我们或者可以从提交日记中探求谜底。 MySQL从4.1版本开始支持UTF-8，也就是2003年，目前天行使的UTF-8尺度(RFC 3629)是随后才呈现的。 旧版的UTF-8尺度(RFC 2279)最多支持每个字符6个字节。2002年3月28日，MySQL开拓者在第一个MySQL 4.1预览版中行使了RFC 2279。 同年9月，他们对MySQL源代码举办了一次调解：“UTF8此刻最多只支持3个字节的序列”。 是谁提交了这些代码?他为什么要这样做?这个题目不得而知。在迁徙到Git后(MySQL最开始行使的是BitKeeper)，MySQL代码库中的许多提交者的名字都丢失了。2003年9月的邮件列表中也找不到可以表明这一改观的线索。 不外我可以试着揣摩一下。 2002年，MySQL做出了一个抉择：假如用户可以担保数据表的每一行都行使沟通的字节数，那么MySQL就可以在机能方面来一个大晋升。为此，用户必要将文本列界说为“CHAR”，每个“CHAR”列老是拥有沟通数目的字符。假如插入的字符少于界说的数目，MySQL就会在后头添补空格，假如插入的字符高出了界说的数目，后头超出部门会被截断。 MySQL开拓者在最开始实行UTF-8时行使了每个字符6个字节，CHAR(1)行使6个字节，CHAR(2)行使12个字节，并以此类推。 应该说，他们最初的举动才是正确的，痛惜这一版本一向没有宣布。可是文档上却这么写了，并且广为传播，全部相识UTF-8的人都认同文档里写的对象。 不外很显然，MySQL开拓者或厂商担忧会有效户做这两件事： 1.行使CHAR界说列(在此刻看来，CHAR已经是老骨董了，但在当时，在MySQL中行使CHAR会更快，不外从2005年往后就不是这样子了)。 2.将CHAR列的编码配置为“utf8”。 我的揣摩是MySQL开拓者原来想辅佐那些但愿在空间和速率上双赢的用户，但他们搞砸了“utf8”编码。 以是功效就是没有赢家。那些但愿在空间和速率上双赢的用户，当他们在行使“utf8”的CHAR列时，现实上行使的空间比预期的更大，速率也比预期的慢。而想要正确性的用户，当他们行使“utf8”编码时，却无法生涯像“”这样的字符。 在这个不正当的字符集宣布了之后，MySQL就无法修复它，由于这样必要要求全部用户从头构建他们的数据库。最终，MySQL在2010年从头宣布了“utf8mb4”来支持真正的UTF-8。 为什么这件工作会让人云云抓狂 由于这个题目，我整整抓狂了一个星期。我被“utf8”愚弄了，花了许多时刻才找到这个bug。但我必然不是独一的一个，收集上险些全部的文章都把“utf8”当成是真正的UTF-8。 “utf8”只能算是个专有的字符集，它给我们带来了新题目，却一向没有获得办理。 总结 假如你在行使MySQL或MariaDB，不要用“utf8”编码，改用“utf8mb4”。这里( https://mathiasbynens.be/notes/mysql-utf8mb4#utf8-to-utf8mb4 )提供了一个指南用于将现稀有据库的字符编码从“utf8”转成“utf8mb4”。 【编辑保举】
点赞 0 （编辑：河北网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
