記得去年我在往 MySQL 存入 emoji 😲😳表情時，一直出錯，沒法導入。後來找到辦法，經過把 utf8 改爲 utf8mb4 就能夠了，當時並無深究。前端
一年後，我看到一篇文章講到 emoji 文字佔 4 個字節，一般要用 utf-8 去接收才行，其餘編碼可能會出錯。
java
我忽然想到去年操做 MySQL 把 utf8 改爲 utf8mb4 的事兒。python
嗯？他自己不就是 utf8 編碼麼！那我當時還改個錘子？難道，MySQL 的 utf8 不是真正的 UTF-8 編碼嗎？？! 臥槽，這 MySQL 有 Bug！程序員
帶着疑問查詢了不少相關材料，才發現這居然是 MySQL 的一個歷史遺留問題。我笑了，沒想到這麼牛 B 的 MySQL 也會有這段往事。web
報錯回顧面試
INSERT INTO `csjdemo`.`student` (`ID`, `NAME`, `SEX`, `AGE`, `CLASS`, `GRADE`, `HOBBY`)
VALUES ('20', '陳哈哈😓', '男', '20', '181班', '9年級', '看片兒');
[Err] 1366 - Incorrect string value: '\xF0\x9F\x98\x93' for column 'NAME' at row 1
改了數據庫編碼、系統編碼以及表字段的編碼格式→utf8mb4 以後，就能夠了：數據庫
INSERT INTO `student` (`ID`, `NAME`, `SEX`, `AGE`, `CLASS`, `GRADE`, `HOBBY`)
VALUES (null, '陳哈哈😓😓', '男', '20', '181班', '9年級', '看片兒');
MySQL 中 utf8 的趣事小程序
MySQL 的「utf8」實際上不是真正的 UTF-8。
緩存
在 MySQL 中，「utf8」編碼只支持每一個字符最多三個字節，而真正的 UTF-8 是每一個字符最多四個字節。
服務器
在 utf8 編碼中，中文是佔 3 個字節，其餘數字、英文、符號佔一個字節。
如上圖中所示，這是編碼改爲 utf8mb4 後入庫的數據，你們能夠清晰的對比一下所佔的字符數、字節數。
MySQL 一直沒有修復這個 Bug，他們在 2010 年發佈了一個叫做「utf8mb4」的字符集，巧妙的繞過了這個問題。
固然，他們並無對新的字符集廣而告之（多是由於這個 Bug 讓他們以爲很尷尬），以至於如今網絡上仍然在建議開發者使用「utf8」，但這些建議都是錯誤的。
utf8mb4 纔是真正的UTF-8
是的，MySQL 的「utf8mb4」纔是真正的「UTF-8」。
MySQL 的「utf8」是一種「專屬的編碼」，它可以編碼的 Unicode 字符並很少。
那麼什麼是編碼？什麼是 UTF-8？咱們都知道，計算機使用 0 和 1 來存儲文本，好比字符「C」被存成「01000011」。
那麼計算機在顯示這個字符時須要通過兩個步驟：
計算機讀取「01000011」，獲得數字 67，由於 67 被編碼成「01000011」。
計算機在 Unicode 字符集中查找 67，找到了「C」。
一樣的：
個人電腦將「C」映射成 Unicode 字符集中的 67。
個人電腦將 67 編碼成「01000011」，併發送給 Web 服務器。
幾乎全部的網絡應用都使用了 Unicode 字符集，由於沒有理由使用其餘字符集。
Unicode 字符集包含了上百萬個字符。最簡單的編碼是 UTF-32，每一個字符使用 32 位。
這樣作最簡單，由於一直以來，計算機將 32 位視爲數字，而計算機最在行的就是處理數字。但問題是，這樣太浪費空間了。
UTF-8 能夠節省空間，在 UTF-8 中，字符「C」只須要 8 位，一些不經常使用的字符，好比「😓」須要 32 位。其餘的字符可能使用 16 位或 24 位。
一篇相似本文這樣的文章，若是使用 UTF-8 編碼，佔用的空間只有 UTF-32 的四分之一左右。
utf8 的簡史
爲何 MySQL 開發者會讓「utf8」失效？咱們或許能夠從 MySQL 版本提交日誌中尋找答案。
MySQL 從 4.1 版本開始支持 UTF-8，也就是 2003 年，而今天使用的 UTF-8 標準（RFC 3629）是隨後纔出現的。
舊版的 UTF-8 標準（RFC 2279）最多支持每一個字符 6 個字節。2002 年 3 月 28 日，MySQL 開發者在第一個 MySQL 4.1 預覽版中使用了 RFC 2279。
同年 9 月，他們對 MySQL 源代碼進行了一次調整：「UTF8 如今最多隻支持 3 個字節的序列」。
是誰提交了這些代碼？他爲何要這樣作？這個問題不得而知。
在遷移到 Git 後（MySQL 最開始使用的是 BitKeeper），MySQL 代碼庫中的不少提交者的名字都丟失了。2003 年 9 月的郵件列表中也找不到能夠解釋這一變動的線索。
不過咱們能夠試着猜想一下：2002 年，MySQL 作出了一個決定：若是用戶能夠保證數據表的每一行都使用相同的字節數，那麼 MySQL 就能夠在性能方面來一個大提高。
爲此，用戶須要將文本列定義爲「CHAR」，每一個「CHAR」列老是擁有相同數量的字符。
若是插入的字符少於定義的數量，MySQL 就會在後面填充空格，若是插入的字符超過了定義的數量，後面超出部分會被截斷。
MySQL 開發者在最開始嘗試 UTF-8 時使用了每一個字符 6 個字節，CHAR(1) 使用 6 個字節，CHAR(2) 使用 12 個字節，並以此類推。
不過很顯然，MySQL 開發者或廠商擔憂會有用戶作這兩件事：
使用 CHAR 定義列（在如今看來，CHAR 已是老古董了，但在那時，在 MySQL 中使用 CHAR 會更快，不過從 2005 年之後就不是這樣子了）。
將 CHAR 列的編碼設置爲「utf8」。
個人猜想是 MySQL 開發者原本想幫助那些但願在空間和速度上共贏的用戶，但他們搞砸了「utf8」編碼。
因此結果就是沒有贏家。那些但願在空間和速度上共贏的用戶，當他們在使用「utf8」的 CHAR 列時，實際上使用的空間比預期的更大，速度也比預期的慢。
而想要正確性的用戶，當他們使用「utf8」編碼時，卻沒法保存像「😓」這樣的字符，由於「😓」是 4 個字節的。
在這個不合法的字符集發佈了以後，MySQL 就沒法修復它，由於這樣須要要求全部用戶從新構建他們的數據庫。
最終，MySQL 在 2010 年從新發布了「utf8mb4」來支持真正的 UTF-8。
總結
主要是目前網絡上幾乎全部的文章都把 「utf8」 當成是真正的 UTF-8，包括以前我寫的文章以及作的項目（捂臉）；所以但願更多的朋友可以看到這篇文章。
相信還有不少跟我在同一條船上的人，這是必然的。
因此，你們之後再搭建 MySQL、MariaDB 數據庫時，記得將數據庫相應編碼都改成 utf8mb4。
終有一天，接你班兒的程序員發或你的領導現這個問題後，必定會在內心默默感到你的技術牛 B。
在公衆號菜單中可自行獲取專屬架構視頻資料，包括不限於 java架構、python系列、人工智能系列、架構系列，以及最新面試、小程序、大前端均無私奉獻，你會感謝個人哈
往期熱門文章：
1，架構的本質：如何打造一個有序的系統？
2，
分佈式高可靠之負載均衡，今天看了你確定會
3，
分佈式數據之緩存技術，一塊兒來揭開其神祕面紗
4，分佈式數據複製技術，今天就教你真正分身術
5，
數據分佈方式之哈希與一致性哈希，我就是個神算子
6
，分佈式存儲系統三要素，掌握這些就離成功不遠了
7
，想要設計一個好的分佈式系統，必須搞定這個理論
8
，
分佈式通訊技術之發佈訂閱，乾貨滿滿
9，
分佈式通訊技術之遠程調用：RPC
10
，秒殺系統每秒上萬次下單請求，咱們該怎麼去設計
本文分享自微信公衆號 - 架構師修煉（jiagouxiulian）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。