Яка різниця між utf8 та utf8mb4?

Працюючи з базами даних MySQL, ви можете зіткнутися з кодуваннями символів utf8 і utf8mb4, які на перший погляд можуть здатися схожими. Однак вони мають суттєві відмінності, які можуть вплинути на те, як зберігаються та відображаються ваші дані, особливо коли ви маєте справу з різноманітними символами та емодзі. Розуміння відмінностей між utf8 і utf8mb4 має вирішальне значення для вибору правильного набору символів для вашої бази даних і забезпечення правильного зберігання ваших даних.

У цій статті ми розглянемо відмінності між utf8 і utf8mb4 в MySQL, чому було запроваджено utf8mb4 і як перевести базу даних на використання utf8mb4, якщо це необхідно.

Що таке utf8 в MySQL?

В MySQL набір символів utf8 історично використовувався для зберігання даних в кодуванні Unicode. Він мав підтримувати всі символи Unicode, що робило його придатним для більшості текстових даних, включаючи багато мов і спеціальних символів. Однак реалізація utf8 в MySQL підтримує лише підмножину повного стандарту UTF-8.

Скільки байт використовує utf8?

Набір символів utf8 в MySQL кодує символи, використовуючи від 1 до 3 байт на символ. Це означає, що він не може представляти символи, які вимагають 4 байти, такі як деякі емодзі та деякі менш поширені китайські, японські та корейські (CJK) символи. Якщо ви спробуєте зберегти такі 4-байтові символи в стовпці utf8, MySQL поверне помилку, що призведе до збоїв при вставці даних.

Приклад непідтримуваних символів в utf8:

• Емодзі, такі як ?, ? та ❤️.
• Деякі рідкісні символи CJK.
• Математичні символи та інші спеціалізовані символи Unicode.

Це обмеження призвело до впровадження utf8mb4 в MySQL.

Що таке utf8mb4 в MySQL?

Набір символів utf8mb4 в MySQL є справжньою реалізацією повного стандарту UTF-8. Він підтримує від 1 до 4 байт на символ, що дозволяє використовувати весь діапазон символів Unicode. Це включає всі символи, які підтримує utf8, а також додаткові 4-байтові символи, яких utf8 не підтримує.

Чому було створено utf8mb4?

MySQL представила utf8mb4 для усунення недоліків utf8. За допомогою utf8mb4 ви можете зберігати будь-який допустимий символ Unicode, включаючи смайлики, музичні ноти, математичні символи і весь набір символів CJK. Це робить utf8mb4 найкращим набором символів для сучасних програм, які повинні підтримувати широкий спектр текстових даних.

Основні відмінності між utf8 і utf8mb4

1. Довжина в байтах

Найважливішою відмінністю між utf8 і utf8mb4 є кількість байт, яку вони використовують для зберігання символів. utf8 підтримує до 3 байт, тоді як utf8mb4 підтримує до 4 байт. Як результат, utf8mb4 може зберігати ширший діапазон символів Unicode.

2. Емодзі та спеціальні символи

Якщо вам потрібно зберігати емодзі або будь-які спеціальні символи, що займають 4 байти, utf8mb4 є єдиним прийнятним варіантом. У utf8 спроба зберегти 4-байтовий символ призведе до помилки, що спричинить потенційну втрату даних або збої в роботі додатків.

3. Сумісність з базами даних

utf8 була стандартним набором символів для багатьох старих інсталяцій MySQL, що робить її сумісною із застарілими системами. Однак для нових проектів і додатків, які повинні підтримувати глобальну аудиторію з різними наборами символів, рекомендовано використовувати utf8mb4.

Чому варто використовувати utf8mb4 замість utf8?

З огляду на обмеження utf8, використання utf8mb4 зазвичай є кращим вибором для сучасних програм. Ось кілька причин, чому слід надавати перевагу utf8mb4:

• Повна підтримка Unicode: utf8mb4 дозволяє зберігати всі символи Unicode, включаючи емодзі, які стають все більш поширеними у користувацькому контенті.
• Перспективність: Коли до стандарту Unicode додаються нові символи, utf8mb4 гарантує, що ваша база даних зможе їх обробляти.
• Глобальна сумісність: З utf8mb4 вам не потрібно турбуватися про сумісність наборів символів для різних мов і спеціальних символів.

Коли все ж варто використовувати utf8?

Існує кілька сценаріїв, в яких utf8 все ще може розглядатися:

• Місце для зберігання даних: Оскільки utf8mb4 використовує до 4 байт на символ, це може призвести до дещо більшого розміру бази даних порівняно з utf8. Однак, ця різниця часто є незначною для більшості додатків.
• Застарілі системи: Якщо у вас є програма або база даних, яка використовує utf8, і вам не потрібно зберігати 4-байтові символи, перемикання може не знадобитися.

Як перетворити базу даних з utf8 в utf8mb4

Якщо ви вирішили перенести існуючу базу даних MySQL з utf8 на utf8mb4, необхідно виконати кілька кроків для забезпечення плавного переходу. Ось загальний посібник з конвертації бази даних для використання utf8mb4.

Крок 1: Створіть резервну копію бази даних

Перш ніж вносити будь-які зміни, завжди створюйте резервну копію бази даних, щоб запобігти втраті даних:

Крок 2: Зміна набору символів і зіставлення

Виконайте наступні команди SQL, щоб змінити набір символів і зіставлення вашої бази даних, таблиць і стовпців на utf8mb4:

Для кожної таблиці виконайте:

Це змінить набір символів і зіставлення для вказаної таблиці та її стовпців.

Крок 3: Оновлення файлу конфігурації

Щоб переконатися, що нові таблиці і стовпці за замовчуванням використовують кодування utf8mb4, оновіть файл конфігурації MySQL (my.cnf або my.ini) з наступними налаштуваннями:

Перезапустіть MySQL, щоб застосувати зміни:

Крок 4: Перевірте зміни

Переконайтеся, що набір символів було успішно оновлено:

На виході ви маєте отримати utf8mb4 як набір символів для вашої бази даних.