一、字符集utf8mb4和utf8
在MySQL中，字符集utf8mb4和utf8（实际为utf8mb3）的主要区别在于编码范围、存储空间、兼容性以及应用场景。以下是两者的具体对比：
1. 编码范围
utf8（utf8mb3）： 仅支持基本多语言平面（BMP）的字符，即Unicode码点范围为U+0000到U+FFFF。 无法存储需要4字节编码的字符，例如部分表情符号（Emoji）、罕见汉字、新增Unicode字符等。 utf8mb4： 支持完整的Unicode字符集，包括所有17个平面，码点范围为U+0000到U+10FFFF。 可以存储Emoji、罕见汉字、古代文字等特殊字符。
2. 存储空间
utf8（utf8mb3）：
- 每个字符使用1-3字节编码。
- 存储常见字符（如英文、中文）时空间效率较高。
utf8mb4：
- 每个字符使用1-4字节编码。
- 存储4字节字符（如Emoji）时占用更多空间。例如： CHAR(10)字段在utf8下需预留103=30字节。 在utf8mb4下需预留104=40字节。
3. 兼容性
utf8（utf8mb3）：
- 兼容性更广，几乎所有系统和编程语言均支持。
- 适合与其他系统（尤其是旧系统）交换数据。
utf8mb4：
- 需要MySQL 5.5.3及以上版本支持。
- 应用程序和数据库驱动需明确支持utf8mb4，否则可能报错或乱码。
4. 应用场景
优先选utf8（utf8mb3）： 仅存储英文、中文等常见字符。 对存储空间敏感，或需兼容旧系统。 优先选utf8mb4： 存储用户生成内容（如评论、社交动态），可能包含Emoji或特殊符号。 开发国际化应用，需支持多语言和罕见字符。 未来扩展性强，避免后续字符集升级麻烦。
5. 排序规则（Collation）差异
utf8_general_ci： 比较字符串时不区分大小写和重音，但仅支持BMP字符。 utf8mb4_unicode_ci： 基于Unicode标准排序，支持所有字符，准确性更高。 例如：在utf8mb4_unicode_ci下，a和A的比较更符合语言习惯。
6. 安全性
utf8（utf8mb3）： 存在潜在安全风险，如UTF-8编码注入攻击（利用4字节字符拆分绕过安全检查）。
utf8mb4： 严格校验4字节字符，可防止此类攻击。
设置建议 新建数据库/表时： CREATE DATABASE mydb CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
CREATE TABLE mytable ( id INT PRIMARY KEY, content TEXT ) DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;
连接字符串中指定字符集（以JDBC为例）： jdbc:mysql://localhost:3306/mydb?useUnicode=true&characterEncoding=utf8mb4
总结
建议优先使用utf8mb4，除非明确只需存储BMP字符且需极致压缩空间。
