**：永遠不要在 mysql 中使用「utf8」
最近我遇到了乙個 bug，我試著通過 rails 在以「utf8」編碼的 mariadb 中儲存乙個 utf-8 字串，然後出現了乙個離奇的錯誤：
incorrect string value: 『\xf0\x9f\x98\x83 <…』 for column 『summary』 at row 1
我用的是 utf-8 編碼的客戶端，伺服器也是 utf-8 編碼的，資料庫也是，就連要儲存的這個字串「 <…」也是合法的 utf-8。
問題的癥結在於，mysql 的「utf8」實際上不是真正的 utf-8。
「utf8」只支援每個字元最多三個位元組，而真正的 utf-8 是每個字元最多四個位元組。mysql 一直沒有修復這個 bug，他們在 2010 年發布了乙個叫作「utf8mb4」的字符集，繞過了這個問題。當然，他們並沒有對新的字符集廣而告之（可能是因為這個 bug 讓他們覺得很尷尬），以致於現在網路上仍然在建議開發者使用「utf8」，但這些建議都是錯誤的。
簡單概括如下：
1、mysql 的「utf8mb4」是真正的「utf-8」。
2、mysql 的「utf8」是一種「專屬的編碼」，它能夠編碼的 unicode 字元並不多。
我要在這裡澄清一下：所有在使用「utf8」的 mysql 和 mariadb 使用者都應該改用「utf8mb4」，永遠都不要再使用「utf8」。
什麼是編碼？什麼是 utf-8？
我們都知道，計算機使用 0 和 1 來儲存文字。比如字元「c」被存成「01000011」，那麼計算機在顯示這個字元時需要經過兩個步驟：
1、計算機讀取「01000011」，得到數字 67，因為 67 被編碼成「01000011」。
2、計算機在 unicode 字符集中查詢 67，找到了「c」。
同樣的：
1、我的電腦將「c」對映成 unicode 字符集中的 67。
2、我的電腦將 67 編碼成「01000011」，並傳送給 web 伺服器。
幾乎所有的網路應用都使用了 unicode 字符集，因為沒有理由使用其他字符集。
unicode 字符集包含了上百萬個字元。最簡單的編碼是 utf-32，每個字元使用 32 位。這樣做最簡單，因為一直以來，計算機將 32 位視為數字，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 可以節省空間，在 utf-8 中，字元「c」只需要 8 位，一些不常用的字元，比如「」需要 32 位。其他的字元可能使用 16 位或 24 位。一篇類似本文這樣的文章，如果使用 utf-8 編碼，占用的空間只有 utf-32 的四分之一左右。
mysql 的「utf8」字符集與其他程式不相容，它所謂的字符集，可能真的是一坨……
mysql 簡史
為什麼 mysql 開發者會讓「utf8」失效？我們或許可以從提交日誌中尋找答案。
mysql 從 4.1 版本開始支援 utf-8，也就是 2003 年，而今天使用的 utf-8 標準（rfc 3629）是隨後才出現的。
舊版的 utf-8 標準（rfc 2279）最多支援每個字元 6 個位元組。2002 年 3 月 28 日，mysql 開發者在第乙個 mysql 4.1 預覽版中使用了 rfc 2279。
同年 9 月，他們對 mysql 源**進行了一次調整：「utf8 現在最多隻支援 3 個位元組的序列」。是誰提交了這些**？他為什麼要這樣做？這個問題不得而知。在遷移到 git 後（mysql 最開始使用的是 bitkeeper），mysql **庫中的很多提交者的名字都丟失了。2003 年 9 月的郵件列表中也找不到可以解釋這一變更的線索。
不過我可以試著猜測一下。
2002 年，mysql 做出了乙個決定：如果使用者可以保證資料表的每一行都使用相同的位元組數，那麼 mysql 就可以在效能方面來乙個大提公升。為此，使用者需要將文字列定義為「char」，每個「char」列總是擁有相同數量的字元。如果插入的字元少於定義的數量，mysql 就會在後面填充空格，如果插入的字元超過了定義的數量，後面超出部分會被截斷。
mysql 開發者在最開始嘗試 utf-8 時使用了每個字元 6 個位元組，char(1) 使用 6 個位元組，char(2) 使用 12 個位元組，並以此類推。
應該說，他們最初的行為才是正確的，可惜這一版本一直沒有發布。但是文件上卻這麼寫了，而且廣為流傳，所有了解 utf-8 的人都認同文件裡寫的東西。不過很顯然，mysql 開發者或廠商擔心會有使用者做這兩件事：
1 使用 char 定義列（在現在看來，char 已經是老古董了，但在那時，在 mysql 中使用 char 會更快，不過從 2005 年以後就不是這樣子了）。
2 將 char 列的編碼設定為「utf8」。
我的猜測是 mysql 開發者本來想幫助那些希望在空間和速度上雙贏的使用者，但他們搞砸了「utf8」編碼。
所以結果就是沒有贏家。那些希望在空間和速度上雙贏的使用者，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。而想要正確性的使用者，當他們使用「utf8」編碼時，卻無法儲存像「」這樣的字元。
在這個不合法的字符集發布了之後，mysql 就無法修復它，因為這樣需要要求所有使用者重新構建他們的資料庫。最終，mysql 在 2010 年重新發布了「utf8mb4」來支援真正的 utf-8。
為什麼這件事情會讓人如此抓狂
因為這個問題，我整整抓狂了乙個禮拜。我被「utf8」愚弄了，花了很多時間才找到這個 bug。但我一定不是唯一的乙個，網路上幾乎所有的文章都把「utf8」當成是真正的 utf-8。「utf8」只能算是個專有的字符集，它給我們帶來了新問題，卻一直沒有得到解決。
寫在最後
如果你在使用 mysql 或 mariadb，不要用「utf8」編碼，改用「utf8mb4」。這裡提供了乙個指南用於將現有資料庫的字元編碼從「utf8」轉成「utf8mb4」：
這篇文章的英文原文：
永遠不要在MySQL中使用UTF 8
最近我遇到了乙個bug，我試著通過rails在以 utf8 編碼的mariadb中儲存乙個utf 8字串，然後出現了乙個離奇的錯誤 incorrect string value xf0 x9f x98 x83 for column summary at row 1我用的是utf 8編碼的客戶端，伺服...
記住，永遠不要在MySQL中使用「utf8」
最近我遇到了乙個bug，我試著通過rails在以 utf8 編碼的mariadb中儲存乙個utf 8字串，然後出現了乙個離奇的錯誤 incorrect string value xf0 x9f x98 x83 u0026lt for column summary at row 1 我用的是utf 8...
記住，永遠不要在MySQL中使用「utf8」
最近我遇到了乙個bug，我試著通過rails在以 utf8 編碼的mariadb中儲存乙個utf 8字串，然後出現了乙個離奇的錯誤 incorrect string value xf0 x9f x98 x83 u0026lt for column summary at row 1 我用的是utf 8...