为什么在MySQL中不建议使用UTF-8

为什么在MySQL中不建议使用UTF-8？

在MySQL的过去版本中，UTF-8被实现为最多需要3个字节来存储一个字符。然而，UTF-8的标准规范允许每个字符最多使用4个字节的存储空间。由于MySQL的实现方式是固定为最多使用3个字节存储一个字符，这意味着当存储需要4字节的字符时，MySQL会强制使用2个UTF-8字符来存储该字符，这被称为“UTF-8代理对”。

UTF-8代理对可能会导致以下问题：

1. 存储空间限制：使用UTF-8代理对可能会使存储空间变得更加有限，因为相同数量的字符需要更多的字节数来存储。这可能导致性能问题。

2. 兼容性问题：使用UTF-8代理对可能导致与其他的应用程序出现兼容性问题。例如，如果你使用一个只支持基本UTF-8的应用程序来读取一个包含UTF-8代理对的MySQL数据表，这可能导致读取错误。

3. 查询性能下降：使用UTF-8代理对也可能导致查询性能下降，因为MySQL不支持直接使用正则表达式来搜索代理对。

安全地使用UTF-8

如果你仍然想使用UTF-8，可以考虑以下两个选项：

1. 使用UTF-8MB4字符集：这是MySQL 5.5.3及更高版本中的一个新功能，允许使用4字节的UTF-8字符编码。与标准的UTF-8不同，UTF-8MB4在MySQL中可以正确地存储超出3个字节的字符。使用UTF-8MB4的缺点是存储空间会更多。

2. 使用其他字符集：如果你不想使用UTF-8，可以考虑使用其他字符集。例如，Latin1字符集可以存储欧洲语言的所有字符，并且使用更少的存储空间。

示例说明

以下示例展示了使用UTF-8代理对时可能遇到的一些问题：

1. 数据库中存储超出3个字节的字符：

假设你尝试将一个包含4字节字符的字符串存储到一个UTF-8字符集的MySQL数据表中：

CREATE TABLE utf8_test (
   id INT(11) NOT NULL AUTO_INCREMENT,
   value VARCHAR(255) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL,
   PRIMARY KEY (id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

INSERT INTO utf8_test (value) VALUES ('?');

当你执行INSERT语句时，MySQL将强制将这个4字节的字符转换成UTF8代理对，并存储2个3字节的字符。当你尝试检索该数据时，你会发现返回的字符串并不是你之前插入的4字节字符，而是代理对。

SELECT * FROM utf8_test;
+----+------+
| id | value|
+----+------+
| 1  | ?  |
+----+------+

1. 使用正则表达式搜索代理对：

假设你需要在数据表中查找包含UTF-8代理对的字符串，你可能使用这样的正则表达式：

SELECT * FROM utf8_test WHERE value REGEXP '[\xEF\xBF\xBD-\xEF\xBF\xBF]';

然而，MySQL无法直接处理这种正则表达式，因为代理对被存储为2个3字节的UTF-8字符，MySQL不能正确地解释该正则表达式。