本节描述了在 utf8mb3
和 utf8mb4
字符集之间转换字符数据时可能遇到的问题。
本讨论主要集中在 utf8mb3
和 utf8mb4
之间的转换,但类似的原则也适用于在 ucs2
字符集和 utf16
或 utf32
等字符集之间的转换。
utf8mb3
和 utf8mb4
字符集的区别如下:
-
utf8mb3
只支持基本多语言平面(BMP)中的字符。utf8mb4
还支持 BMP 之外的补充字符。 -
utf8mb3
每个字符最多使用三个字节。utf8mb4
每个字符最多使用四个字节。
在本讨论中,我们使用 utf8mb3
和 utf8mb4
字符集名称,以明确地指代 3 字节和 4 字节 UTF-8 字符集数据。
从 utf8mb3
转换到 utf8mb4
的一个优点是,这使应用程序能够使用补充字符。一个权衡是,这可能会增加数据存储空间的需求。
在表内容方面,从 utf8mb3
转换到 utf8mb4
不会出现问题:
-
对于 BMP 字符,
utf8mb4
和utf8mb3
具有相同的存储特征:相同的代码值、相同的编码、相同的长度。 -
对于补充字符,
utf8mb4
需要四个字节来存储它,而utf8mb3
无法存储该字符。当将utf8mb3
列转换为utf8mb4
时,不需要担心转换补充字符,因为不存在这样的字符。
在表结构方面,主要的潜在不兼容性是:
因此,要将表从 utf8mb3 转换为 utf8mb4,可能需要更改某些列或索引定义。
可以使用 ALTER TABLE
将表从 utf8mb3 转换为 utf8mb4。假设一个表具有以下定义:
CREATE TABLE t1 (
col1 CHAR(10) CHARACTER SET utf8mb3 COLLATE utf8mb3_unicode_ci NOT NULL,
col2 CHAR(10) CHARACTER SET utf8mb3 COLLATE utf8mb3_bin NOT NULL
) CHARACTER SET utf8mb3;
以下语句将 t1 转换为使用 utf8mb4:
ALTER TABLE t1
DEFAULT CHARACTER SET utf8mb4,
MODIFY col1 CHAR(10)
CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL,
MODIFY col2 CHAR(10)
CHARACTER SET utf8mb4 COLLATE utf8mb4_bin NOT NULL;
从 utf8mb3 转换为 utf8mb4 时需要注意的是,列或索引键的最大长度以字节为单位保持不变。因此,以字符为单位的最大长度变小,因为每个字符的最大长度从 3 字节变为 4 字节。对于 CHAR
、VARCHAR
和 TEXT
数据类型,在转换 MySQL 表时需要注意以下问题:
-
检查所有 utf8mb3 列的定义,确保它们不超过存储引擎的最大长度。
-
检查所有 utf8mb3 列的索引,确保它们不超过存储引擎的最大长度。有时,存储引擎的最大长度可能会因存储引擎的改进而改变。
如果上述条件适用,您必须减少列或索引的定义长度,或者继续使用 utf8mb3 而不是 utf8mb4。
以下是一些可能需要结构性更改的示例:
-
一个
TINYTEXT
列最多可以容纳 255 字节,因此可以容纳最多 85 个 3 字节字符或 63 个 4 字节字符。假设您有一个使用 utf8mb3 的TINYTEXT
列,但需要容纳超过 63 个字符。除非您也将数据类型更改为较长的类型,例如TEXT
,否则无法将其转换为 utf8mb4。同样,一个非常长的
VARCHAR
列可能需要更改为较长的TEXT
类型,如果您想将其从utf8mb3
转换为utf8mb4
。 -
InnoDB
对于使用COMPACT
或REDUNDANT
行格式的表,索引的最大长度为 767 字节,因此对于utf8mb3
或utf8mb4
列,可以索引最多 255 或 191 个字符,分别。如果您当前拥有utf8mb3
列,索引长度超过 191 个字符,必须索引较少的字符数。在使用
COMPACT
或REDUNDANT
行格式的InnoDB
表中,这些列和索引定义是合法的:col1 VARCHAR(500) CHARACTER SET utf8mb3, INDEX (col1(255))
要使用
utf8mb4
,索引必须较小:col1 VARCHAR(500) CHARACTER SET utf8mb4, INDEX (col1(191))
Note对于使用
COMPRESSED
或DYNAMIC
行格式的InnoDB
表,索引键前缀 长度超过 767 字节(最多 3072 字节)是允许的。使用这些行格式创建的表使您能够索引最多 1024 或 768 个字符的utf8mb3
或utf8mb4
列,分别。有关相关信息,请参阅 第 17.21 节,“InnoDB 限制” 和 DYNAMIC 行格式。
前面的更改可能只需要在您拥有非常长的列或索引时进行。否则,您应该能够将表从 utf8mb3
转换为 utf8mb4
,无需问题,使用 ALTER TABLE
,如前所述。
以下项目总结了其他潜在的不兼容性:
-
SET NAMES 'utf8mb4'
导致连接字符集使用 4 字节字符集。只要服务器不发送 4 字节字符,就不会有问题。否则,期望每个字符最多接收三个字节的应用程序可能会出现问题。相反,需要发送 4 字节字符的应用程序必须确保服务器理解它们。 -
对于复制,如果源服务器上使用支持补充字符的字符集,那么所有副本也必须理解它们。
此外,请牢记一个通用的原则:如果源服务器和副本服务器上的表定义不同,这可能会导致意外的结果。例如,最大索引键长度的差异使得在源服务器上使用
utf8mb3
而在副本服务器上使用utf8mb4
是有风险的。
如果您已经转换为 utf8mb4
、utf16
、utf16le
或 utf32
,然后决定转换回 utf8mb3
或 ucs2
(例如,降级到旧版本的 MySQL),以下几点需要注意:
-
utf8mb3
和ucs2
数据应该不出现问题。 -
服务器必须足够新,以便识别从中转换的字符集的定义。
-
对于引用
utf8mb4
字符集的对象定义,可以使用 mysqldump 在降级之前转储它们,编辑转储文件以将utf8mb4
实例更改为utf8
,然后在旧服务器上重新加载文件,只要数据中没有 4 字节字符。旧服务器在转储文件中看到utf8
,并创建使用(3 字节)utf8
字符集的新对象。