Jaka jest różnica między utf8mb4i utf8zestawami znaków w MySQL ?
Wiem już o kodowaniach ASCII , UTF-8 , UTF-16 i UTF-32 ; ale jestem ciekawy, jaka jest różnica między utf8mb4grupą kodowań a innymi typami kodowania zdefiniowanymi w MySQL Server .
Czy są jakieś szczególne korzyści / proponuje użycia utf8mb4zamiast utf8?
Odpowiedzi:
UTF-8 jest kodowaniem o zmiennej długości. W przypadku UTF-8 oznacza to, że przechowywanie jednego punktu kodowego wymaga jednego do czterech bajtów. Jednak kodowanie MySQL o nazwie „utf8” (alias „utf8mb3”) przechowuje maksymalnie trzy bajty na punkt kodowy.
Zestaw znaków „utf8” / „utf8mb3” nie może przechowywać wszystkich punktów kodu Unicode: obsługuje tylko zakres od 0x000 do 0xFFFF, który nazywa się „ podstawową płaszczyzną wielojęzyczną ”. Zobacz także Porównanie kodowań Unicode .
Oto co mówi (poprzednia wersja tej samej strony) dokumentacja MySQL :
Zestaw znaków o nazwie utf8 [/ utf8mb3] wykorzystuje maksymalnie trzy bajty na znak i zawiera tylko znaki BMP. Począwszy od MySQL 5.5.3, zestaw znaków utf8mb4 używa maksymalnie czterech bajtów na znak i obsługuje znaki uzupełniające:
W przypadku znaku BMP utf8 [/ utf8mb3] i utf8mb4 mają identyczne cechy pamięci: te same wartości kodu, to samo kodowanie, ta sama długość.
W przypadku znaku uzupełniającego utf8 [/ utf8mb3] nie może w ogóle przechowywać znaku , podczas gdy utf8mb4 wymaga czterech bajtów do jego przechowywania. Ponieważ utf8 [/ utf8mb3] w ogóle nie może przechowywać znaku, nie masz żadnych dodatkowych znaków w kolumnach utf8 [/ utf8mb3] i nie musisz się martwić konwertowaniem znaków lub utratą danych podczas aktualizacji danych utf8 [/ utf8mb3] ze starszych wersji MySQL.
Jeśli więc chcesz, aby kolumna obsługiwała przechowywanie znaków leżących poza BMP (i zazwyczaj tego chcesz), takich jak emoji , użyj „utf8mb4”. Zobacz także Jakie są najczęściej używane znaki Unicode inne niż BMP? .
Zestaw utf8mb4znaków jest przydatny, ponieważ obecnie potrzebujemy wsparcia do przechowywania nie tylko znaków językowych, ale także symboli, nowo wprowadzonych emotikonów i tak dalej.
Miły artykuł na temat sposobu obsługi pełnego Unicode w bazach danych MySQL autorstwa Mathiasa Bynensa również może rzucić nieco światła na ten temat.
Na podstawie podręcznika MySQL 8.0 :
utf8mb4: Kodowanie UTF-8 zestawu znaków Unicode przy użyciu jednego do czterech bajtów na znak.
utf8mb3: Kodowanie UTF-8 zestawu znaków Unicode przy użyciu jednego do trzech bajtów na znak.
W MySQL utf8 jest obecnie alias, utf8mb3który jest przestarzały i zostanie usunięty w przyszłej wersji MySQL . W tym momencie utf8 stanie się odniesieniem do utf8mb4 .
Niezależnie od tego aliasu możesz świadomie ustawić sobie utf8mb4kodowanie.
Aby uzupełnić odpowiedź, chciałbym dodać komentarz @ WilliamEntriken poniżej (również zaczerpnięty z instrukcji):
Aby uniknąć dwuznaczności co do znaczenia
utf8, rozważutf8mb4wyraźne określenie odwołań do zestawu znaków zamiastutf8.