当前位置：首页 > news >正文

求求你，别在 MySQL 中使用 UTF-8了！

news 2026/3/26 18:24:37

一、为什么说"别在 MySQL 中使用 UTF-8"？

这个说法听起来有点耸人听闻，但它精准地指出了 MySQL 长久以来存在的一个大问题：MySQL 中的 "utf8" 实际上不是真正的 UTF-8 编码。

1.1 "utf8" vs. "utf8mb4"：一字之差，天壤之别

MySQL 的 "utf8" (别名 utf8mb3)：这是一种"专属编码"，它只支持每个字符最多3 个字节的 UTF-8 字符。这意味着，它只能编码 Unicode 中的基本多文种平面（BMP）的字符。
真正的 UTF-8 编码：标准的 UTF-8 编码是变长的，每个字符使用 1 到4 个字节进行编码。
MySQL 的 "utf8mb4"：这才是真正的 UTF-8 编码，支持每个字符最多4 个字节，能够编码所有 Unicode 字符。

1.2 问题的根源：一个无法挽回的历史错误

为什么 MySQL 会犯这样的错误？这要从历史说起。在 MySQL 最早开发时，Unicode 还处于早期阶段，当时的确没有需要 4 字节编码的字符。为了追求存储空间和性能的极致优化，MySQL 的设计者们决定创造一种自己的"utf8"，硬性限制为 3 字节。

然而，随着 Unicode 的发展，越来越多的生僻字、特殊符号以及如今无处不在的Emoji 表情符号（如😂👍🏻）被纳入标准，它们都需要 4 个字节进行存储。当用户尝试将这些字符插入到"utf8"编码的列中时，MySQL 就会报错，例如：
Incorrect string value: '\xF0\x9F\x98\x82' for column 'name' at row 1

到了 2010 年，MySQL 终于意识到这个问题的严重性，但已经无法回头了。如果直接修改"utf8"的定义，将会导致所有现有用户的数据损坏或需要重构数据库。因此，他们选择了一个折中方案：新推出一个名为 "utf8mb4" 的字符集来真正支持完整的 UTF-8 编码，并让它作为真正的 UTF-8 标准。

二、我们应该怎么做？全面拥抱 utf8mb4

理解了问题的根源，解决方案就非常清晰了：所有还在使用 "utf8" 的用户，都应该立即改用 "utf8mb4"。

2.1 基础设置：从源头抓起

最好的方式是在一开始创建数据库和表时就指定正确的字符集。

创建数据库时指定：

sql

CREATE DATABASE my_database CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci;

创建表时指定：

sql

CREATE TABLE my_table ( id INT PRIMARY KEY AUTO_INCREMENT, content TEXT ) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

2.2 如何选择正确的排序规则 (COLLATION)

字符集之外，排序规则也至关重要。针对utf8mb4，常见的排序规则有以下几种：

utf8mb4_general_ci：
- 特点：比较和排序速度快。
- 缺点：对某些语言的排序规则支持不够精确，比如德语、法语中的一些特殊字符排序可能不符合当地习惯。
utf8mb4_unicode_ci：
- 特点：基于标准的 Unicode 排序规则算法，支持多语言，排序结果更准确。
- 缺点：相比general_ci，性能会稍有损耗，但在绝大多数场景下可以忽略不计。
utf8mb4_0900_ai_ci（MySQL 8.0+ 默认）：
- 特点：基于 Unicode 9.0 标准，是unicode_ci的升级版，提供了更准确的排序，并且ai表示不区分重音（Accent Insensitive），ci表示不区分大小写（Case Insensitive）。
- 建议：如果你的 MySQL 版本是 8.0 或更高，强烈推荐使用这个默认规则。

最佳实践建议：如果不确定选哪个，直接使用 MySQL 8.0 默认的utf8mb4_0900_ai_ci。如果你的版本较低（5.5.3 以上），推荐使用utf8mb4_unicode_ci，在准确性和性能上取得了很好的平衡。

2.3 修改现有数据库、表和列

如果你的项目已经存在，需要将旧的utf8数据迁移到utf8mb4。

修改数据库的默认字符集：
sql
```
ALTER DATABASE database_name CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci;
```
注意：这只会修改新表的默认字符集，不会改变现有表和列。
修改表和列的字符集（推荐方法）：
使用CONVERT TO CHARACTER SET可以一次性转换表和所有列的字符集。
sql
```
ALTER TABLE table_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
```
⚠️ 警告：对于大表，这个操作可能会非常耗时，并会对数据库造成较大压力，建议在业务低峰期进行，并提前做好备份。

2.4 配置文件和服务端的统一

仅仅修改数据库还不够，需要确保从客户端到服务端的整个链路字符集都是统一的。

编辑 MySQL 的配置文件（Linux 通常是/etc/my.cnf或/etc/mysql/my.cnf，Windows 是my.ini），在对应区域添加或修改如下配置：

ini

[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 # MySQL 8.0 可以使用默认的 utf8mb4_0900_ai_ci # collation-server = utf8mb4_0900_ai_ci # 可选，但推荐：防止客户端连接时覆盖服务端设置 skip-character-set-client-handshake

修改完成后，重启 MySQL 服务使配置生效。

2.5 应用层连接的设置

最后，应用程序在连接数据库时，也需要指定使用utf8mb4字符集。

使用 SQL 命令（连接后执行）：
sql
```
SET NAMES 'utf8mb4';
```
在 JDBC 连接 URL 中指定（Java 应用）：
确保 URL 中设置characterEncoding=utf8mb4。并且可以移除旧的characterEncoding=utf-8设置。
text
```
jdbc:mysql://localhost:3306/my_database?useUnicode=true&characterEncoding=utf8mb4&serverTimezone=UTC
```
在 Python （MySQLdb/ PyMySQL）中指定：
在建立连接时，传入charset="utf8mb4"参数。