utf8mb4的庖丁解牛

utf8mb4 是 MySQL 中真正完整支持 Unicode 的字符集，也是现代 Web 应用（尤其是 Laravel 应用）处理多语言、Emoji、特殊符号的必备配置。

一、历史背景：为什么需要 utf8mb4？

1. MySQL 的“伪 utf8”陷阱

• MySQL 早期（5.5 之前）的 utf8 字符集最多只支持 3 字节 UTF-8 编码。
• 而 UTF-8 标准允许 1~4 字节，其中：
  • 1~3 字节：覆盖基本多文种平面（BMP），如中文、拉丁字母
  • 4 字节：覆盖辅助平面（Supplementary Planes），如：
    • Emoji（😊, 🚀, 💯）
    • 某些罕见汉字（𪚥, 𠈓）
    • 数学符号、古文字等

📌 关键事实：
MySQL 的 utf8 ≠ 标准 UTF-8，它是阉割版，无法存储 4 字节字符。

2. utf8mb4 的诞生

• 从 MySQL 5.5.3（2010年） 开始，引入 utf8mb4（4-byte UTF-8）。
• mb4 = “multi-byte 4”，明确表示支持最多 4 字节的 UTF-8 编码。
• utf8mb4 是 MySQL 对标准 UTF-8 的完整实现。

✅ 结论：
在 MySQL 中，utf8mb4 才是真正的 UTF-8；utf8 是历史遗留的残缺实现。

二、技术本质：utf8mb4 vs utf8

举例：存储 👩‍💻（程序员 Emoji）

• 这个 Emoji 由 4 个 Unicode 码点组成（女性 + 零宽连接符 + 电脑），总长度 18 字节 UTF-8。
• utf8 字段：截断或报错（Incorrect string value）
• utf8mb4 字段：完整存储

三、存储机制：MySQL 如何处理 utf8mb4

1. 字符集（Character Set） vs 排序规则（Collation）

• 字符集：定义如何编码字符（如 utf8mb4）
• 排序规则：定义如何比较、排序字符（如 utf8mb4_unicode_ci, utf8mb4_0900_ai_ci）

常用组合：

utf8mb4_unicode_ci      -- 基于 Unicode 4.0，通用
utf8mb4_0900_ai_ci      -- MySQL 8.0+ 默认，基于 Unicode 9.0，更准确
utf8mb4_general_ci      -- 老旧，不推荐（排序不准确）

✅ 推荐：

• MySQL 5.7 及以下：utf8mb4_unicode_ci
• MySQL 8.0+：utf8mb4_0900_ai_ci

2. 列、表、数据库、连接的字符集层级

MySQL 有四级字符集设置，优先级从高到低：

1. 列级别（最高）
2. 表级别
3. 数据库级别
4. 服务器级别（最低）

🔑 关键：即使表是 utf8mb4，如果连接字符集不是 utf8mb4，仍可能乱码！

四、配置实践：如何正确启用 utf8mb4

1. MySQL 服务端配置（my.cnf）

[client]
default-character-set = utf8mb4

[mysql]
default-character-set = utf8mb4

[mysqld]
character-set-server = utf8mb4
collation-server = utf8mb4_unicode_ci
# 必须！否则索引可能因长度超限失败
innodb_large_prefix = on
innodb_file_format = barracuda
innodb_file_per_table = on

⚠️ innodb_large_prefix：
utf8mb4 下，VARCHAR(255) 最多占 255 * 4 = 1020 字节，可能超过 InnoDB 索引长度限制（767 字节）。
此配置允许最大 3072 字节索引（MySQL 5.7+ 默认已放宽）。

2. 客户端连接时指定字符集

在 PDO DSN 中：

$dsn = 'mysql:host=localhost;dbname=test;charset=utf8mb4';

或执行初始化命令：

$options = [
    PDO::MYSQL_ATTR_INIT_COMMAND => "SET NAMES utf8mb4 COLLATE utf8mb4_unicode_ci"
];

✅ SET NAMES utf8mb4 等价于：

SET character_set_client = utf8mb4;
SET character_set_results = utf8mb4;
SET character_set_connection = utf8mb4;

五、常见陷阱与解决方案

💡 Laravel 用户注意：
在 config/database.php 中确保：

'mysql' => [
    'charset' => 'utf8mb4',
    'collation' => 'utf8mb4_unicode_ci',
],

六、Laravel 最佳实践

1. 迁移文件默认使用 utf8mb4

Laravel 5.4+ 默认在 AppServiceProvider 中设置：

// AppServiceProvider::boot()
Schema::defaultStringLength(191); // 因 utf8mb4 下 255*4 > 767

• 为什么 191？191 * 4 = 764 < 767（旧版 InnoDB 索引上限）

2. 确保连接字符集

Laravel 的 MySQL 连接器自动在 DSN 中加入 charset=utf8mb4（如果配置了）。

3. 测试 Emoji 存储

// 测试用例
User::create(['name' => 'John 👨‍🚀']);
$this->assertDatabaseHas('users', ['name' => 'John 👨‍🚀']);

总结：utf8mb4 的“牛体解剖图”

🔪 庖丁之刀：
utf8mb4 不是一个“可选项”，而是现代 Web 应用的“基础设施”。
从数据库配置、连接字符串到字段设计，必须全链路贯通，方能真正“万码无疆”。