16.12.2024

No categories

MySQL utf8 vs utf8mb4: у чому різниця між utf8 і utf8mb4?

Під час роботи 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 зберігання та відображення даних, особливо під час роботи з різноманітними символами та emojis. Розуміння відмінностей між utf8 і utf8mb4 має вирішальне значення для вибору правильного набору символів для вашої бази даних і забезпечення правильного зберігання даних.

У цій статті ми розглянемо відмінності між utf8 і utf8mb4 в MySQL, причини появи utf8mb4 і способи міграції вашої бази даних на utf8mb4, якщо це необхідно.

Що таке utf8 у MySQL?

У MySQL набір символів utf8 історично використовувався для зберігання даних Unicode. Він був призначений для підтримки всіх символів Unicode, що робить його придатним для більшості текстових даних, включно з багатьма мовами та спеціальними символами. Однак реалізація utf8 у MySQL підтримує тільки підмножину повного стандарту UTF-8.

Скільки байт використовує utf8?

Набір символів utf8 у MySQL кодує символи, використовуючи від 1 до 3 байт на символ. Це означає, що він не може представляти символи, які потребують 4 байти, як-от деякі смайлики 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 під час вставки даних.

Приклад непідтримуваних символів в utf8:

Емодзі, такі як 😊, 🚀 і ❤️.
Деякі рідкісні символи CJK.
Математичні символи та інші спеціалізовані символи Unicode.

Це обмеження призвело до впровадження utf8mb4 у MySQL.

Що таке utf8mb4 у MySQL?

Набір символів utf8mb4 в MySQL є справжньою реалізацією повного стандарту UTF-8. Він підтримує від 1 до 4 байт на символ, що дає змогу використовувати весь набір символів Unicode. Сюди входять усі символи, які підтримує utf8, а також додаткові 4-байтові символи, які utf8 не підтримує.

Чому було представлено utf8mb4?

MySQL представила utf8mb4, щоб усунути недоліки utf8. За допомогою utf8mb4 ви можете зберігати будь-які допустимі символи Unicode, включно з емодзі, музичними нотами, математичними символами і всім набором символів CJK. Це робить utf8mb4 кращим набором символів для сучасних додатків, яким потрібна підтримка широкого спектра текстових даних.

Основні відмінності між utf8 і utf8mb4

Характеристика	utf8	utf8mb4
Байт на символ	1-3	1-4
Охоплення Юнікоду	Часткове (виключає 4-байтові символи)	Повне (підтримує весь Юнікод)
Підтримка емодзі	Ні	Так
Символи CJK	Більшість, але не всі	Усі
Сумісність	Застарілі бази даних	Рекомендується для нових проєктів

1. Довжина байта

Найсуттєвіша відмінність між utf8 і utf8mb4 полягає в кількості байтів, які використовуються для зберігання символів. utf8 підтримує до 3 байтів, а utf8mb4 – до 4 байтів. У результаті utf8mb4 може зберігати ширший діапазон символів Юнікоду.

2. Емодзі та спеціальні символи

Якщо вам потрібно зберігати емодзі або будь-які спеціальні символи, що вимагають 4 байти, utf8mb4 – єдиний прийнятний варіант. При використанні utf8 спроба зберегти 4-байтовий символ призведе до помилки, що може призвести до втрати даних або збоїв у роботі додатків.

3. Сумісність із базами даних

utf8 був набором символів за замовчуванням для багатьох старих інсталяцій MySQL, що робить його сумісним із застарілими системами. Однак для нових проєктів і додатків, які повинні підтримувати глобальну аудиторію з різними наборами символів, тепер рекомендується використовувати utf8mb4.

Чому варто використовувати utf8mb4 замість utf8?

З огляду на обмеження utf8, використання utf8mb4 загалом є найкращим вибором для сучасних додатків. Ось кілька причин віддати перевагу utf8mb4:

Повна підтримка Юнікоду: utf8mb4 дає змогу зберігати всі символи Юнікоду, включно з смайликами, які стають дедалі більш поширеними в користувацькому контенті.
Перспективність: У міру додавання нових символів у стандарт Unicode, 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 слід використовувати utf8?

Є кілька сценаріїв, у яких utf8 все ж варто використовувати:

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 для більшості додатків ця різниця часто незначна.
Успадковані системи: Якщо у вас є наявний додаток або база даних, що використовує utf8, і вам не потрібно зберігати 4-байтові символи, перемикання може не знадобитися.

Як перетворити базу даних з utf8 на utf8mb4

Якщо ви вирішили перевести наявну базу даних MySQL з utf8 на utf8mb4, це передбачає кілька кроків для забезпечення плавного переходу. Ось загальний посібник із конвертації бази даних в utf8mb4.

Крок 1: Резервне копіювання бази даних

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

mysqldump -u username -p database_name > database_backup.sql

Крок 2: Змініть набір символів і колляцію

Виконайте такі SQL-команди, щоб змінити набір символів і коляцію вашої бази даних, таблиць і стовпців на utf8mb4:

ALTER DATABASE database_name CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci;

Для кожної таблиці виконайте команду:

ALTER TABLE table_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

Це змінить набір символів і колізію для зазначеної таблиці та її стовпців.

Крок 3: Оновлення файлу конфігурації

Щоб нові таблиці та стовпці за замовчуванням використовували utf8mb4, оновіть конфігураційний файл MySQL (my.cnf або my.ini) з такими налаштуваннями:

[client]

default-character-set = utf8mb4

[mysql]

набір символів за замовчуванням = utf8mb4

[mysqld]

character-set-server = utf8mb4

collation-server = utf8mb4_unicode_ci

Перезапустіть MySQL, щоб застосувати зміни:

sudo service mysql restart

Крок 4: Перевірте зміни

Перевірте, що набір символів було успішно оновлено:

SHOW VARIABLES LIKE 'character_set%';

SHOW VARIABLES LIKE 'collation%';

У результаті ви повинні побачити utf8mb4 як набір символів для вашої бази даних.

Висновок

Вибір між utf8 і utf8mb4 в MySQL може істотно вплинути на спосіб зберігання даних і типи символів, які ви можете підтримувати. Хоча utf8 широко використовувався в старих версіях MySQL, його можливості обмежені тим, що він не може зберігати 4-байтові символи, такі як смайлики. З іншого боку, utf8mb4 забезпечує повну підтримку Unicode, що робить його рекомендованим варіантом для нових баз даних і додатків, які потребують підтримки різних символів і знаків.

Використовуючи utf8mb4, ви гарантуєте, що ваша база даних готова до сучасного текстового контенту, включно з емодзі та складними багатомовними символами. Якщо ви підтримуєте наявну базу даних utf8, подумайте про перехід на utf8mb4, щоб захистити свій застосунок у майбутньому й уникнути потенційних проблем зі зберіганням даних.

Чітко розуміючи відмінності між utf8 і utf8mb4, ви зможете ухвалити виважене рішення і переконатися, що ваші бази даних MySQL відповідають потребам вашого застосунку та його користувачів. Щасливого кодування!