** 正文 **
報(bào)錯(cuò)回顧
將emoji文字直接寫入SQL中歉摧，執(zhí)行insert語句報(bào)錯(cuò)灿意；
INSERT INTO `csjdemo`.`student` (`ID`, `NAME`, `SEX`, `AGE`, `CLASS`, `GRADE`, `HOBBY`) VALUES ('20', '陳哈哈??', '男', '20', '181班', '9年級(jí)', '看片兒');
[Err] 1366 - Incorrect string value: '\xF0\x9F\x98\x93' for column 'NAME' at row 1
改了數(shù)據(jù)庫編碼牡彻、系統(tǒng)編碼以及表字段的編碼格式 → utf8mb4 之后扫沼，就可以了：
INSERT INTO `student` (`ID`, `NAME`, `SEX`, `AGE`, `CLASS`, `GRADE`, `HOBBY`) VALUES (null, '陳哈哈????', '男', '20', '181班', '9年級(jí)', '看片兒');
MySQL中utf8的趣事
MySQL 的“utf8”實(shí)際上不是真正的 UTF-8。
在MySQL中庄吼，“utf8”編碼只支持每個(gè)字符最多三個(gè)字節(jié)缎除，而真正的 UTF-8 是每個(gè)字符最多四個(gè)字節(jié)。
在utf8編碼中总寻，中文是占3個(gè)字節(jié)器罐，其他數(shù)字、英文渐行、符號(hào)占一個(gè)字節(jié)轰坊。
但emoji符號(hào)占4個(gè)字節(jié)，一些較復(fù)雜的文字祟印、繁體字也是4個(gè)字節(jié)肴沫。所以導(dǎo)致寫入失敗，應(yīng)該改成utf8mb4蕴忆。
如上圖中所示颤芬，這是編碼改成utf8mb4后入庫的數(shù)據(jù)，大家可以清晰的對(duì)比一下所占的字符數(shù)套鹅、字節(jié)數(shù)站蝠。正因如此，4字節(jié)的內(nèi)容往utf8編碼中插入卓鹿，肯定是不行的菱魔，插不進(jìn)去啊，是吧（大潘攤手）吟孙。另外豌习，搜索公眾號(hào)GitHub猿后臺(tái)回復(fù)“理財(cái)”存谎，獲取一份驚喜禮包。
MySQL 一直沒有修復(fù)這個(gè) bug肥隆，他們?cè)?2010 年發(fā)布了一個(gè)叫作“utf8mb4”的字符集既荚，巧妙的繞過了這個(gè)問題。
當(dāng)然栋艳，他們并沒有對(duì)新的字符集廣而告之（可能是因?yàn)檫@個(gè) bug 讓他們覺得很尷尬）恰聘，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(cuò)誤的吸占。
1. utf8mb4 才是真正的UTF-8
是的晴叨，MySQL 的“utf8mb4”才是真正的“UTF-8”。
MySQL 的“utf8”是一種“專屬的編碼”矾屯，它能夠編碼的 Unicode 字符并不多兼蕊。
在這里Mark一下：所有在使用“utf8”的 MySQL 和 MariaDB 用戶都應(yīng)該改用“utf8mb4”，永遠(yuǎn)都不要再使用“utf8”件蚕。
那么什么是編碼孙技？什么是 UTF-8？
我們都知道排作，計(jì)算機(jī)使用 0 和 1 來存儲(chǔ)文本牵啦。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：
- 計(jì)算機(jī)讀取“01000011”妄痪，得到數(shù)字 67哈雏，因?yàn)?67 被編碼成“01000011”。
- 計(jì)算機(jī)在 Unicode 字符集中查找 67衫生，找到了“C”裳瘪。
同樣的：
- 我的電腦將“C”映射成 Unicode 字符集中的 67。
- 我的電腦將 67 編碼成“01000011”罪针，并發(fā)送給 Web 服務(wù)器盹愚。
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站故。
Unicode 字符集包含了上百萬個(gè)字符。最簡(jiǎn)單的編碼是 UTF-32毅舆，每個(gè)字符使用 32 位西篓。這樣做最簡(jiǎn)單，因?yàn)橐恢币詠肀锘睿?jì)算機(jī)將 32 位視為數(shù)字岂津，而計(jì)算機(jī)最在行的就是處理數(shù)字。但問題是悦即，這樣太浪費(fèi)空間了吮成。
UTF-8 可以節(jié)省空間橱乱，在 UTF-8 中，字符“C”只需要 8 位粱甫，一些不常用的字符泳叠，比如“??”需要 32 位。其他的字符可能使用 16 位或 24 位茶宵。一篇類似本文這樣的文章危纫，如果使用 UTF-8 編碼，占用的空間只有 UTF-32 的四分之一左右乌庶。
2. utf8 的簡(jiǎn)史
為什么 MySQL 開發(fā)者會(huì)讓“utf8”失效种蝶？我們或許可以從MySQL版本提交日志中尋找答案。
MySQL 從 4.1 版本開始支持 UTF-8瞒大，也就是 2003 年螃征，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)透敌。2002 年 3 月 28 日盯滚，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 月拙泽，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”淌山。
是誰提交了這些代碼？他為什么要這樣做顾瞻？這個(gè)問題不得而知泼疑。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荷荤。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退渗。
不過我們可以試著猜測(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)蕴纳，那么 MySQL 就可以在性能方面來一個(gè)大提升会油。為此，用戶需要將文本列定義為“CHAR”古毛，每個(gè)“CHAR”列總是擁有相同數(shù)量的字符翻翩。如果插入的字符少于定義的數(shù)量，MySQL 就會(huì)在后面填充空格稻薇，如果插入的字符超過了定義的數(shù)量嫂冻，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)塞椎，CHAR(2)使用12個(gè)字節(jié)桨仿，并以此類推。
應(yīng)該說案狠，他們最初的行為才是正確的服傍，可惜這一版本一直沒有發(fā)布钱雷。但是文檔上卻這么寫了，而且廣為流傳吹零，所有了解 UTF-8 的人都認(rèn)同文檔里寫的東西罩抗。
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：
- 使用 CHAR 定義列（在現(xiàn)在看來瘪校，CHAR 已經(jīng)是老古董了澄暮，但在那時(shí)，在 MySQL 中使用 CHAR 會(huì)更快阱扬，不過從 2005 年以后就不是這樣子了）泣懊。
- 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麻惶，但他們搞砸了“utf8”編碼馍刮。
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窃蹋，當(dāng)他們?cè)谑褂谩皍tf8”的 CHAR 列時(shí)卡啰，實(shí)際上使用的空間比預(yù)期的更大，速度也比預(yù)期的慢警没。而想要正確性的用戶匈辱，當(dāng)他們使用“utf8”編碼時(shí)，卻無法保存像“??”這樣的字符杀迹，因?yàn)椤??”是4個(gè)字節(jié)的亡脸。
在這個(gè)不合法的字符集發(fā)布了之后，MySQL 就無法修復(fù)它树酪，因?yàn)檫@樣需要要求所有用戶重新構(gòu)建他們的數(shù)據(jù)庫浅碾。最終，MySQL 在 2010 年重新發(fā)布了“utf8mb4”來支持真正的 UTF-8续语。
總結(jié)
主要是目前網(wǎng)絡(luò)上幾乎所有的文章都把 “utf8” 當(dāng)成是真正的 UTF-8垂谢，包括之前我寫的文章以及做的項(xiàng)目（捂臉）；因此希望更多的朋友能夠看到這篇文章疮茄。
相信還有很多跟我在同一條船上的人滥朱，這是必然的。
所以力试，大家以后再搭建MySQL徙邻、MariaDB數(shù)據(jù)庫時(shí)，記得將數(shù)據(jù)庫相應(yīng)編碼都改為utf8mb4懂版。終有一天，接你班兒的程序員發(fā)或你的領(lǐng)導(dǎo)現(xiàn)這個(gè)問題后躏率，一定會(huì)在心里默默感到你的技術(shù)牛B躯畴。
