記得去年我在往 MySQL 存入 emoji 😲😳表情時，一直出錯，無法導入。後來找到辦法，通過把 utf8 改成 utf8mb4 就可以了，當時並沒有深究。
圖片來自 Pexels一年後，我看到一篇文章講到 emoji 文字佔 4 個字節，通常要用 utf-8 去接收才行，其他編碼可能會出錯。
我突然想到去年操作 MySQL 把 utf8 改成 utf8mb4 的事兒。
嗯？他本身不就是 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！
帶著疑問查詢了很多相關材料，才發現這竟然是 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。
將 emoji 文字直接寫入 SQL 中，執行 insert 語句報錯 ：
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改了資料庫編碼、系統編碼以及表欄位的編碼格式→utf8mb4 之後，就可以了：
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 的「utf8」實際上不是真正的 UTF-8。
在 MySQL 中，「utf8」編碼只支持每個字符最多三個字節，而真正的 UTF-8 是每個字符最多四個字節。
在 utf8 編碼中，中文是佔 3 個字節，其他數字、英文、符號佔一個字節。
但 emoji 符號佔 4 個字節，一些較複雜的文字、繁體字也是 4 個字節。所以導致寫入失敗，應該改成 utf8mb4。
如上圖中所示，這是編碼改成 utf8mb4 後入庫的數據，大家可以清晰的對比一下所佔的字符數、字節數。
正因如此，4 字節的內容往 utf8 編碼中插入，肯定是不行的，插不進去啊，是吧（大潘攤手）。
MySQL 一直沒有修復這個 Bug，他們在 2010 年發布了一個叫作「utf8mb4」的字符集，巧妙的繞過了這個問題。
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），以致於現在網絡上仍然在建議開發者使用「utf8」，但這些建議都是錯誤的。
是的，MySQL 的「utf8mb4」才是真正的「UTF-8」。
MySQL 的「utf8」是一種「專屬的編碼」，它能夠編碼的 Unicode 字符並不多。
在這裡 Mark 一下： 所有在使用「utf8」的 MySQL 和 MariaDB 用戶都應該改用「utf8mb4」，永遠都不要再使用「utf8」。
那麼什麼是編碼？什麼是 UTF-8？我們都知道，計算機使用 0 和 1 來存儲文本，比如字符「C」被存成「01000011」。
那麼計算機在顯示這個字符時需要經過兩個步驟 ：
計算機讀取「01000011」，得到數字 67，因為 67 被編碼成「01000011」。計算機在 Unicode 字符集中查找 67，找到了「C」。同樣的 ：
我的電腦將「C」映射成 Unicode 字符集中的 67。我的電腦將 67 編碼成「01000011」，並發送給 Web 伺服器。幾乎所有的網絡應用都使用了 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符。最簡單的編碼是 UTF-32，每個字符使用 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。
一篇類似本文這樣的文章，如果使用 UTF-8 編碼，佔用的空間只有 UTF-32 的四分之一左右。
為什麼 MySQL 開發者會讓「utf8」失效？我們或許可以從 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）是隨後才出現的。
舊版的 UTF-8 標準（RFC 2279）最多支持每個字符 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 原始碼進行了一次調整：「UTF8 現在最多只支持 3 個字節的序列」。
是誰提交了這些代碼？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 代碼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。
不過我們可以試著猜測一下：2002 年，MySQL 做出了一個決定：如果用戶可以保證數據表的每一行都使用相同的字節數，那麼 MySQL 就可以在性能方面來一個大提升。
為此，用戶需要將文本列定義為「CHAR」，每個「CHAR」列總是擁有相同數量的字符。
如果插入的字符少於定義的數量，MySQL 就會在後面填充空格，如果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。
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。但是文檔上卻這麼寫了，而且廣為流傳，所有了解 UTF-8 的人都認同文檔裡寫的東西。
不過很顯然，MySQL 開發者或廠商擔心會有用戶做這兩件事 ：
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）。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用戶，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，卻無法保存像「😓」這樣的字符，因為「😓」是 4 個字節的。
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用戶重新構建他們的資料庫。
最終，MySQL 在 2010 年重新發布了「utf8mb4」來支持真正的 UTF-8。
主要是目前網絡上幾乎所有的文章都把 「utf8」 當成是真正的 UTF-8，包括之前我寫的文章以及做的項目（捂臉）；因此希望更多的朋友能夠看到這篇文章。
相信還有很多跟我在同一條船上的人，這是必然的。
所以，大家以後再搭建 MySQL、MariaDB 資料庫時，記得將資料庫相應編碼都改為 utf8mb4。
終有一天，接你班兒的程式設計師發或你的領導現這個問題後，一定會在心裡默默感到你的技術牛 B。