企业建站为什么在Mysql中不能使用“UFT8”

  • Time:2019-08-22 17:31
  • View:
  • Source:诗华Design
返回
  使用MYSQL的时候经常会遇到一个问题,试着通过Rails在以“utf8”编码的MariaDB中保存一个UTF-8字符串,然后出现了一个特别离奇的错误:
 
  Incorrectstringvalue:‘\xF0\x9F\x98\x83<…’forcolumn‘summary’atrow1
 
  UTF-8编码的客户端,服务器也是UTF-8编码的,数据库也是,就连要保存的这个字符串“<…”也是合法的UTF-8。问题的症结在于,MySQL的“utf8”实际上不是真正的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。原来MySQL一直没有修复这个bug,他们在2010年发布了一个叫作“utf8mb4”的字符集,绕过了这个问题。他们并没有对这个新的字符集广而告之,以致于现在网络上仍然在建议开发者使用“utf8”,但是这些建议都是错误的。
 
  简单概括如下:
 
  (1)MySQL的“utf8mb4”是真正的“UTF-8”。
 
  (2)MySQL的“utf8”只是一种“专属的编码”,它能够编码的Unicode字符并不多。
 
  尚品小编这里建议大家:使用“utf8”的MySQL和MariaDB的用户都应该改用“utf8mb4”,永远都不要再使用“utf8”。
 
  第一、什么是编码?什么是UTF-8?
 
  众所周知,计算机储存的实质是二进制,是使用0和1来存储文本。比如字符“C”被存成“01000011”,那么计算机在显示这个字符时需要经过两个步骤:
 
  我的电脑将“C”映射成Unicode字符集中的67。
 
  我的电脑将67编码成“01000011”,并发送给Web服务器。
 
  相对的:
 
  计算机读取“01000011”,得到数字67,因为67被编码成“01000011”。
 
  计算机在Unicode字符集中查找67,找到了“C”。
 
  几乎所有的网络应用都使用了Unicode字符集,因为没有理由使用其他字符集。
 
  Unicode字符集包含了上百万个字符。最简单的编码是UTF-32,每个字符使用32位。这样做最简单,因为一直以来,计算机将32位视为数字,而计算机最在行的就是处理数字。但问题是,这样太浪费空间了。
 
  UTF-8可以节省空间,在UTF-8中,字符“C”只需要8位,其他的字符可能使用16位或24位。一篇类似本文这样的文章,如果使用UTF-8编码,占用的空间只有UTF-32的四分之一左右。
 
  第二、MySQL简史
 
  为什么MySQL开发者会让“utf8”失效?我们或许可以从提交日志中寻找答案。
 
  MySQL4.1版本支持UTF-8,也就是2003年,而今天使用的UTF-8标准(RFC3629)是随后才出现的。而旧版的UTF-8标准(RFC2279)最多支持每个字符6个字节。2002年3月28日,MySQL开发者在第一个MySQL4.1预览版中使用了RFC2279。同年9月,他们对MySQL源代码进行了一次调整:“UTF8现在最多只支持3个字节的序列”。那么是谁提交了这些代码?他为什么要这样做?这个问题不得而知。在迁移到Git后(MySQL最开始使用的是BitKeeper),MySQL代码库中的很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解释这一变更的线索。
 
  不过可以试着猜测一下。
 
  2002年,MySQL做出了一个决定:如果用户可以保证数据表的每一行都使用相同的字节数,那么MySQL就可以在性能方面来一个大提升。为此,用户需要将文本列定义为“CHAR”,每个“CHAR”列总是拥有相同数量的字符。如果插入的字符少于定义的数量,MySQL就会在后面填充空格,如果插入的字符超过了定义的数量,后面超出部分会被截断。
 
  MySQL开发者在最开始尝试UTF-8时使用了每个字符6个字节,CHAR(1)使用6个字节,CHAR(2)使用12个字节,并以此类推。
 
  可以说,他们最初的版本才是正确的,可惜这一版本一直没有发布。但是文档上却写了,而且广为流传,所有了解UTF-8的人都认同文档里写的东西。
 
  不过很显然,MySQL开发者或厂商担心会有用户做这两件事:
 
  使用CHAR定义列。
 
  将CHAR列的编码设置为“utf8”。
 
  小编猜测应该是MySQL开发者本来想帮助那些希望在空间和速度上双赢的用户,但时他们却搞砸了“utf8”编码。
 
  所以结果就是失败的。那些希望在空间和速度上双赢的用户,当他们在使用“utf8”的CHAR列时,实际上使用的空间比预期的更大,速度也比预期的慢。而想要正确性的用户,当他们使用“utf8”编码时,却无法保存像“”这样的字符。
 
  第三、为什么这个问题很引起人们的注意
 
  关于这个问题,小编曾经花费很多时间才找到这个bug。但是不确定这是唯一的一个,网络上几乎所有的文章都把“utf8”当成是真正的UTF-8。“utf8”只能算是个专有的字符集,它给我们带来了新问题,却一直没有得到解决。