用MySQL的朋友们请不要使用"utf8"，请使用"utf8mb4"
今天我试图把UTF-8编码的字符串插入使用“utf8”编码的MariaDB数据库中，Rails抛出一个古怪的异常:
Incorrect string value: ‘\xF0\x9F\x98\x83 <…’ for column ‘summary’ at row 1
我用的是 UTF-8 编码的客户端，服务器也是 UTF-8 编码的，数据库也是，就连要保存的这个字符串 "😃 ..." 也是合法的 UTF-8。
问题的症结在于，MySQL 的 "utf8" 实际上不是真正的 UTF-8。
MySQL中的“utf8”编码
MySQL 中的 “utf8” 编码每个字符最大只支持3字节。真正的大家正在使用的 UTF-8 编码，每个字符最大支持4字节。
MySQL 一直没有修复这个 bug，他们在 2010 年发布了一个叫作 "utf8mb4" 的字符集，绕过了这个问题。
当然，他们并没有对新的字符集广而告之（可能是因为这个 bug 让他们觉得很尴尬），以致于现在网络上仍然在建议开发者使用 "utf8"，但这些建议都是错误的。
简单的说:
MySQL 中的 “utf8mb4” 才是 真正意义上的 “UTF-8”。
MySQL 中的 “utf8” 是个 “特殊的字符编码”。这种编码很多 Unicode 字符保存不了。
我强烈建议 MySQL 和 MariaDB 用户使用 “utf8mb4” 而不是 “utf8”。
什么是编码？什么是 UTF-8？
我们都知道，计算机使用 0 和 1 来存储文本。比如字符 "C",被存成"01000011"，那么计算机在显示这个字符时需要经过两个步骤：
-
计算机读取 "01000011"，得到数字 67，因为 67 被编码成 "01000011"。
-
计算机在 Unicode 字符集中查找 67，找到了 "C"。
同样的：
-
我的电脑将 "C" 映射成 Unicode 字符集中的 67。
-
我的电脑将 67 编码成 "01000011"，并发送给 Web 服务器。
几乎所有的网络应用都使用了 Unicode 字符集，因为没有理由使用其他字符集。Unicode 字符集包含了上百万个字符。最简单的编码是 UTF-32，每个字符使用 32 位。这样做最简单，但问题是，这样太浪费空间了。
UTF-8 可以节省空间，在 UTF-8 中，字符 "C" 只需要 8 位，一些不常用的字符，比如 “💩” 需要 32 位。其他的字符可能使用 16 位或 24 位。一篇类似本文这样的文章，如果使用 UTF-8 编码，占用的空间只有 UTF-32 的四分之一左右。
MySQL 的 "utf8" 字符集与其他程序不兼容，它所谓的“💩”，可能真的是一坨......
一点关于MySQL的历史
为什么MySQL开发了一个奇怪的“utf8”。我们或许可以从提交日志中寻找答案。
MySQL 从 4.1 版本开始支持 UTF-8，也就是 2003 年，而今天使用的 UTF-8 标准（RFC 3629）是随后才出现的。 旧版的 UTF-8 标准（RFC 2279）最多支持每个字符 6 个字节。
2002 年 3 月 28 日，MySQL 开发者在第一个 MySQL 4.1 预览版中使用了 RFC 2279，然后在9月出现了一个神秘的代码调整——“UTF8 now works with up to3 byte sequences only.”（UTF8 现在最多只支持 3 个字节序列）
是谁提交了这次更新？为什么？我不知道 在2003年9月前后的邮件列表中没有任何内容可以解释这一更改。
2003年11月 RFC 2279 被宣布作废，RFC 3629 取代 RFC 2279 成为 UTF-8 最新标准。
不过我可以试着猜测一下。
2002 年，MySQL 做出了一个决定：如果用户可以保证数据表的每一行都使用相同的字节数，那么 MySQL就可以在性能方面来一个大提升。为此，用户需要将文本列定义为 "CHAR"，每个"CHAR"列总是拥有相同数量的字符。如果插入的字符少于定义的数量，MySQL就会在后面填充空格，如果插入的字符超过了定义的数量，后面超出部分会被截断。
MySQL 开发者在最开始尝试 UTF-8 时使用了每个字符 6 个字节，CHAR(1) 使用 6 个字节，CHAR(2) 使用 12 个字节，并以此类推， 按照当时的 RFC 2279 规范,这样做是正确的，可惜这一版本一直没有发布。
我猜测 MySQL 开发人员打破了他们的 “utf8” 编码规范，可能是想帮助那些希望在空间和速度上双赢的用户，但他们搞砸， 那些想要更快性能，更小空间的用户，得到的反而是比他们曾经使用版本更大更慢的实现，而那些想要正确存储“utf8”的人得到的是个“💩”都存储不了的实现。
MySQL发布了这个错误的版本后，再也没有修复它：因为那样很多使用者将被迫重建他们的数据库。MySQL最终在2010年更新了一个以“utf8mb4”命名的UTF-8实现。
为什么这件事情会让人如此抓狂
因为这个问题，我整整抓狂了一个礼拜。我被 "utf8" 愚弄了，花了很多时间才找到这个 bug。但我一定不是唯一的一个，网络上几乎所有的文章都把 "utf8" 当成是真正的 UTF-8。
"utf8" 只能算是个专有的字符集，它给我们带来了新问题，却一直没有得到解决。
总结 如果你在使用 MySQL 或 MariaDB，不要用 "utf8" 编码，改用 "utf8mb4"。 mathiasbynens.be/notes/mysql… 提供了一个指南用于将现有数据库的字符编码从"utf8" 转成"utf8mb4"。
