Jaka jest różnica między utf8 a utf8mb4?

Podczas pracy z bazami danych MySQL można napotkać kodowanie znaków utf8 i utf8mb4, które na pierwszy rzut oka mogą wydawać się podobne. Mają one jednak znaczące różnice, które mogą wpływać na sposób przechowywania i wyświetlania danych, zwłaszcza w przypadku różnorodnych znaków i emotikonów. Zrozumienie różnic między utf8 i utf8mb4 ma kluczowe znaczenie dla wyboru odpowiedniego zestawu znaków dla bazy danych i zapewnienia prawidłowego przechowywania danych.

W tym artykule zbadamy różnice między utf8 i utf8mb4 w MySQL, dlaczego wprowadzono utf8mb4 i jak w razie potrzeby zmigrować bazę danych do korzystania z utf8mb4.

Czym jest utf8 w MySQL?

W MySQL zestaw znaków utf8 był historycznie używany do przechowywania danych Unicode. Miał on obsługiwać wszystkie znaki Unicode, dzięki czemu był odpowiedni dla większości danych tekstowych, w tym wielu języków i znaków specjalnych. Jednak implementacja utf8 w MySQL obsługuje tylko podzbiór pełnego standardu UTF-8.

Ile bajtów wykorzystuje utf8?

Zestaw znaków utf8 MySQL koduje znaki przy użyciu od 1 do 3 bajtów na znak. Oznacza to, że nie może reprezentować znaków, które wymagają 4 bajtów, takich jak niektóre emotikony i niektóre rzadziej używane znaki chińskie, japońskie i koreańskie (CJK). Jeśli spróbujesz przechowywać takie 4-bajtowe znaki w kolumnie utf8, MySQL zwróci błąd, powodując awarie wstawiania danych.

Przykład nieobsługiwanych znaków w utf8:

• Emoji takie jak 😊, 🚀 i ❤️.
• Niektóre rzadkie znaki CJK.
• Symbole matematyczne i inne specjalistyczne symbole Unicode.

Ograniczenie to doprowadziło do wprowadzenia utf8mb4 w MySQL.

Czym jest utf8mb4 w MySQL?

Zestaw znaków utf8mb4 w MySQL jest prawdziwą implementacją pełnego standardu UTF-8. Obsługuje od 1 do 4 bajtów na znak, pozwalając na pełny zakres znaków Unicode. Obejmuje to wszystkie znaki obsługiwane przez utf8, a także dodatkowe 4-bajtowe znaki, których utf8 nie obsługuje.

Dlaczego wprowadzono utf8mb4?

MySQL wprowadził utf8mb4, aby zaradzić niedociągnięciom utf8. Dzięki utf8mb4 można przechowywać dowolny prawidłowy znak Unicode, w tym emotikony, nuty, symbole matematyczne i cały zestaw znaków CJK. To sprawia, że utf8mb4 jest preferowanym zestawem znaków dla nowoczesnych aplikacji, które muszą obsługiwać szeroki zakres danych tekstowych.

Kluczowe różnice między utf8 i utf8mb4

1. Długość bajtu

Najważniejszą różnicą między utf8 i utf8mb4 jest liczba bajtów używanych do przechowywania znaków. utf8 obsługuje do 3 bajtów, podczas gdy utf8mb4 obsługuje do 4 bajtów. W rezultacie utf8mb4 może przechowywać szerszy zakres znaków Unicode.

2. Emoji i znaki specjalne

Jeśli musisz przechowywać emoji lub jakiekolwiek znaki specjalne, które wymagają 4 bajtów, utf8mb4 jest jedyną realną opcją. W przypadku utf8 próba zapisania 4-bajtowego znaku spowoduje błąd, powodując potencjalną utratę danych lub awarie aplikacji.

3. Kompatybilność z bazami danych

utf8 był domyślnym zestawem znaków dla wielu starszych instalacji MySQL, dzięki czemu był kompatybilny ze starszymi systemami. Jednak w przypadku nowych projektów i aplikacji, które muszą obsługiwać globalną publiczność z różnymi zestawami znaków, utf8mb4 jest obecnie zalecanym wyborem.

Dlaczego warto używać utf8mb4 zamiast utf8?

Biorąc pod uwagę ograniczenia utf8, użycie utf8mb4 jest ogólnie lepszym wyborem dla nowoczesnych aplikacji. Oto kilka powodów, dla których warto wybrać utf8mb4:

• Pełna obsługa Unicode: utf8mb4 umożliwia przechowywanie wszystkich znaków Unicode, w tym emoji, które stają się coraz bardziej powszechne w treściach generowanych przez użytkowników.
• Zabezpieczenie na przyszłość: W miarę dodawania nowych znaków do standardu Unicode, utf8mb4 zapewnia, że baza danych może je obsłużyć.
• Globalna kompatybilność: Dzięki utf8mb4 nie musisz martwić się o kompatybilność zestawu znaków dla różnych języków i symboli specjalnych.

Kiedy należy używać utf8?

Istnieją pewne scenariusze, w których utf8 może być nadal brane pod uwagę:

• Przestrzeń dyskowa: Ponieważ utf8mb4 używa do 4 bajtów na znak, może to skutkować nieco większymi rozmiarami bazy danych w porównaniu do utf8. Różnica ta jest jednak często nieistotna dla większości aplikacji.
• Starsze systemy: Jeśli masz istniejącą aplikację lub bazę danych, która używa utf8 i nie musisz przechowywać 4-bajtowych znaków, zmiana może nie być konieczna.

Jak przekonwertować bazę danych z utf8 na utf8mb4

Jeśli zdecydujesz się na migrację istniejącej bazy danych MySQL z utf8 do utf8mb4, wymaga to kilku kroków, aby zapewnić płynne przejście. Oto ogólny przewodnik dotyczący konwersji bazy danych na utf8mb4.

Krok 1: Utwórz kopię zapasową bazy danych

Przed wprowadzeniem jakichkolwiek zmian należy zawsze wykonać kopię zapasową bazy danych, aby zapobiec utracie danych:

Krok 2: Zmiana zestawu znaków i sortowania

Uruchom następujące polecenia SQL, aby zmienić zestaw znaków i sortowanie bazy danych, tabel i kolumn na utf8mb4:

Dla każdej tabeli uruchom:

Spowoduje to zmianę zestawu znaków i sortowania dla określonej tabeli i jej kolumn.

Krok 3: Aktualizacja pliku konfiguracyjnego

Aby upewnić się, że nowe tabele i kolumny domyślnie używają utf8mb4, zaktualizuj plik konfiguracyjny MySQL (my.cnf lub my.ini) z następującymi ustawieniami:

Uruchom ponownie MySQL, aby zastosować zmiany:

Krok 4: Zweryfikuj zmiany

Sprawdź, czy zestaw znaków został pomyślnie zaktualizowany:

Dane wyjściowe powinny wyświetlać utf8mb4 jako zestaw znaków dla bazy danych.