為什么 MySQL 引入 utf8mb4 數據類型？

mysql 中 utf8mb4 的存儲性質

在知乎的討論中，有人提出 MySQL 引入 utf8mb4 數據類型的原因。本文將探討 utf8mb4 的存儲特性，以回答此問題。

utf8mb3 與 utf8mb4 的存儲

MySQL 中原本的 utf8mb3 存儲字符集最多三個字節一個字符，而 utf8mb4 支持四個字節的存儲。

在之前，由于 MyISAM 存儲引擎是默認引擎，其具有靜態表格特性，使得 utf8mb3 的存儲長度固定為最長三個字節。然而，在 InnoDB 成為默認引擎后，此特性不再適用。因此，在所有引擎中，utf8mb4 的存儲長度都是可變的。

BMP 字符的存儲

在 Unicode 中，BMP（基本多語言平面）包含了絕大多數常見語言的常見字符。對于 BMP 字符，utf8mb3 和 utf8mb4 具有相同的存儲特性，長度為一到三個字節。這意味著在存儲 BMP 字符時，utf8mb4 并不會占據額外的存儲空間。

補充字符的存儲

除了 BMP 字符之外，Unicode 還包含一些補充字符，這些字符位于 BMP 之外。utf8mb3 無法存儲補充字符，而 utf8mb4 則可以。當將 utf8mb3 列轉換為 utf8mb4 列時，這些補充字符不會被轉換，因為 utf8mb3 中原本就不存在這些字符。

因此，utf8mb4 的存儲長度取決于存儲的字符集。對于 BMP 字符，它與 utf8mb3 長度相同。對于補充字符，它則需要四個字節的存儲空間。