Qual é a diferença entre utf8mb4e utf8charsets no MySQL ?
Eu já sei sobre codificações ASCII , UTF-8 , UTF-16 e UTF-32 ; mas estou curioso para saber qual é a diferença do utf8mb4grupo de codificações com outros tipos de codificação definidos no MySQL Server .
Existem benefícios / propostas especiais de uso em utf8mb4vez de utf8?
Respostas:
UTF-8 é uma codificação de comprimento variável. No caso de UTF-8, isso significa que o armazenamento de um ponto de código requer de um a quatro bytes. No entanto, a codificação do MySQL chamada "utf8" (alias de "utf8mb3") armazena apenas um máximo de três bytes por ponto de código.
Portanto, o conjunto de caracteres "utf8" / "utf8mb3" não pode armazenar todos os pontos de código Unicode: ele suporta apenas o intervalo de 0x000 a 0xFFFF, que é chamado de " Plano multilíngue básico ". Consulte também Comparação de codificações Unicode .
Isto é o que (uma versão anterior da mesma página em) a documentação do MySQL tem a dizer sobre isso:
O conjunto de caracteres nomeado utf8 [/ utf8mb3] usa no máximo três bytes por caractere e contém apenas caracteres BMP. No MySQL 5.5.3, o conjunto de caracteres utf8mb4 usa no máximo quatro bytes por caractere que suporta caracteres suplementares:
Para um caractere BMP, utf8 [/ utf8mb3] e utf8mb4 têm características de armazenamento idênticas: mesmos valores de código, mesma codificação, mesmo comprimento.
Para um caractere suplementar, utf8 [/ utf8mb3] não pode armazenar o caractere , enquanto utf8mb4 requer quatro bytes para armazená-lo. Como utf8 [/ utf8mb3] não pode armazenar o caractere, você não possui caracteres suplementares nas colunas utf8 [/ utf8mb3] e não precisa se preocupar com a conversão de caracteres ou com a perda de dados ao atualizar dados utf8 [/ utf8mb3] de versões mais antigas MySQL.
Portanto, se você deseja que sua coluna suporte o armazenamento de caracteres fora do BMP (e geralmente o deseja), como emoji , use "utf8mb4". Consulte também Quais são os caracteres Unicode não BMP mais comuns em uso real? .
O utf8mb4conjunto de caracteres é útil porque hoje em dia precisamos de suporte para armazenar não apenas caracteres do idioma, mas também símbolos, emojis recém-introduzidos e assim por diante.
Uma boa leitura sobre Como suportar Unicode completo nos bancos de dados MySQL de Mathias Bynens também pode esclarecer isso.
Retirado do Manual de Referência do MySQL 8.0 :
utf8mb4: Uma codificação UTF-8 do conjunto de caracteres Unicode usando um a quatro bytes por caractere.
utf8mb3: Uma codificação UTF-8 do conjunto de caracteres Unicode usando um a três bytes por caractere.
No MySQL, utf8 atualmente, existe um alias utf8mb3que está obsoleto e será removido em uma versão futura do MySQL . Nesse ponto, utf8 será uma referência a utf8mb4 .
Portanto, independentemente desse alias, você pode definir conscientemente uma utf8mb4codificação.
Para completar a resposta, gostaria de adicionar o comentário do @ WilliamEntriken abaixo (também retirado do manual):
Para evitar ambiguidade sobre o significado de
utf8, considere especificarutf8mb4explicitamente para referências ao conjunto de caracteres em vez deutf8.