MySQL 中的 utf8 vs utf8mb4 区别

目录

• • 核心区别
  • 详细对比
  • • [1. **编码范围不同**](#1. 编码范围不同)
    • [2. **历史背景**](#2. 历史背景)
    • [3. **实际影响最明显的场景**](#3. 实际影响最明显的场景)
    • [4. **存储空间差异**](#4. 存储空间差异)
    • [5. **性能差异**](#5. 性能差异)
  • 关键限制
  • • **索引长度限制**
  • 实际使用建议
  • • [1. **新项目一律使用utf8mb4**](#1. 新项目一律使用utf8mb4)
    • [2. **现有系统迁移步骤**](#2. 现有系统迁移步骤)
    • [3. **连接配置**](#3. 连接配置)
    • [4. **排序规则选择**](#4. 排序规则选择)
  • 兼容性考虑
  • • **向下兼容性**
    • **客户端兼容性**
  • 验证当前设置
  • 总结建议

核心区别

utf8在MySQL中是一个"不完整"的UTF-8实现 ，而utf8mb4才是真正的UTF-8实现。

详细对比

1. 编码范围不同

字符集	最大字节数	支持的Unicode范围	备注
utf8	3字节	BMP平面（U+0000 ~ U+FFFF）	不支持4字节字符
utf8mb4	4字节	所有Unicode字符（包括Supplementary Planes）	完整UTF-8支持

2. 历史背景

• utf8 (utf8mb3) : MySQL早期实现的"阉割版"UTF-8
  • 2003年引入，当时认为3字节足够表示所有字符
  • 实际是UTF-8的一个子集，后来更名为utf8mb3
• utf8mb4 : MySQL 5.5.3引入
  • 完整的UTF-8实现
  • "mb4" = "multi-byte 4"

3. 实际影响最明显的场景

-- 这些字符在utf8下会出错，在utf8mb4下正常
-- 表情符号（Emoji）
INSERT INTO users (name) VALUES ('小明😊开心');  -- 需要utf8mb4

-- 部分生僻汉字
INSERT INTO text (content) VALUES ('𠀀𪚥𪚨');  -- 需要utf8mb4

-- 某些数学符号、音乐符号等
INSERT INTO symbols (symbol) VALUES ('𝄞𝄢');  -- 需要utf8mb4

4. 存储空间差异

-- 创建表对比
CREATE TABLE test_utf8 (
    id INT,
    text VARCHAR(100) CHARACTER SET utf8  -- 最大300字节
);

CREATE TABLE test_utf8mb4 (
    id INT,
    text VARCHAR(100) CHARACTER SET utf8mb4  -- 最大400字节
);

-- 注意：VARCHAR(100)对于utf8最多存储100个字符（但可能占用最多300字节）
-- 对于utf8mb4最多存储100个字符（但可能占用最多400字节）

5. 性能差异

方面	utf8	utf8mb4	说明
存储空间	较小	较大	utf8mb4可能多用约33%空间
索引长度	较短	较长	索引长度限制以字节为单位
排序性能	稍快	稍慢	差异通常不明显

关键限制

索引长度限制

-- utf8: 最大索引长度 767字节
-- utf8mb4: 最大索引长度 3072字节（MySQL 5.7+）

-- 但在早期版本中，InnoDB对utf8mb4的索引限制：
-- utf8: VARCHAR(255) 可以建索引 (255×3=765 < 767)
-- utf8mb4: VARCHAR(255) 不能建索引 (255×4=1020 > 767)
-- 需要改为 VARCHAR(191) (191×4=764 < 767)

-- 解决办法：修改innodb_large_prefix设置
SET GLOBAL innodb_large_prefix = ON;
SET GLOBAL innodb_file_format = Barracuda;

实际使用建议

1. 新项目一律使用utf8mb4

-- 数据库级别
CREATE DATABASE mydb CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

-- 表级别
CREATE TABLE mytable (
    id INT PRIMARY KEY,
    content TEXT
) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

-- 列级别
ALTER TABLE mytable MODIFY content VARCHAR(255) 
CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

2. 现有系统迁移步骤

-- 1. 备份数据
-- 2. 修改数据库默认字符集
ALTER DATABASE database_name CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

-- 3. 修改表字符集
ALTER TABLE table_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

-- 4. 修改连接配置
-- 在my.cnf中：
[client]
default-character-set = utf8mb4

[mysql]
default-character-set = utf8mb4

[mysqld]
character-set-server = utf8mb4
collation-server = utf8mb4_unicode_ci

-- 5. 验证修改
SHOW VARIABLES LIKE 'character_set%';
SHOW VARIABLES LIKE 'collation%';

3. 连接配置

# 命令行连接
mysql -u root -p --default-character-set=utf8mb4

# 应用程序连接示例
# Python (PyMySQL)
conn = pymysql.connect(charset='utf8mb4')

# PHP (PDO)
$pdo = new PDO('mysql:host=localhost;dbname=test;charset=utf8mb4', $user, $pass);

# Java (JDBC)
jdbc:mysql://localhost:3306/db?characterEncoding=utf8mb4

4. 排序规则选择

-- 常用排序规则
utf8mb4_unicode_ci      -- 基于Unicode标准排序，支持多语言（推荐）
utf8mb4_general_ci      -- 旧的排序规则，性能稍好但准确性较差
utf8mb4_bin             -- 二进制排序，区分大小写和重音
utf8mb4_0900_ai_ci      -- MySQL 8.0默认，基于Unicode 9.0标准

-- 查看所有utf8mb4排序规则
SHOW COLLATION LIKE 'utf8mb4%';

兼容性考虑

向下兼容性

• utf8mb4完全兼容utf8（utf8mb3）存储的数据
• 反向不兼容：utf8mb4的数据可能无法在utf8中正常显示

客户端兼容性

• 所有现代客户端都支持utf8mb4
• 确保客户端连接时也使用utf8mb4字符集

验证当前设置

-- 查看数据库、表、列的字符集
SELECT 
    TABLE_SCHEMA,
    TABLE_NAME,
    COLUMN_NAME,
    CHARACTER_SET_NAME,
    COLLATION_NAME
FROM information_schema.COLUMNS
WHERE TABLE_SCHEMA = 'your_database'
  AND CHARACTER_SET_NAME IS NOT NULL;

-- 查看当前连接的字符集
SHOW VARIABLES WHERE Variable_name LIKE 'character_set_%' OR Variable_name LIKE 'collation%';

总结建议

1. 始终使用utf8mb4，不要使用utf8
2. 排序规则使用utf8mb4_unicode_ci（或MySQL 8.0的utf8mb4_0900_ai_ci）
3. 注意索引长度限制，必要时调整字段长度
4. 确保应用程序连接字符串也使用utf8mb4
5. MySQL 8.0已将utf8mb4作为默认字符集

-- MySQL 8.0默认设置
mysql> SELECT @@character_set_database, @@collation_database;
+--------------------------+------------------------+
| @@character_set_database | @@collation_database   |
+--------------------------+------------------------+
| utf8mb4                  | utf8mb4_0900_ai_ci     |
+--------------------------+------------------------+

重要提示 ：MySQL未来版本中，utf8可能会被重新定义为真正的UTF-8（目前utf8是utf8mb3的别名），建议明确使用utf8mb4以避免不确定性。