MySQL 中 UTF8MB4 的存储特性分析

UTF8MB4 在 MySQL 中不是完全的定长存储，它是一种可变长度（变长）的字符编码。以下是详细分析：

存储特性

1. 变长编码：UTF8MB4 是 UTF-8 编码的实现，使用 1-4 个字节存储每个字符

   • 1字节：ASCII 字符 (U+0000 到 U+007F)
   • 2字节：大部分拉丁字母和符号 (U+0080 到 U+07FF)
   • 3字节：基本多文种平面 (BMP) 中的字符 (U+0800 到 U+FFFF)
   • 4字节：补充字符 (如表情符号，U+10000 到 U+10FFFF)

2. 与 UTF8 的区别：

   • MySQL 的 utf8 实际上是阉割版，只支持最多3字节
   • utf8mb4 才是完整的 UTF-8 实现，支持4字节字符

对存储空间的影响

• CHAR 类型：会保留声明长度的空间（定长）

  CHAR(10) CHARACTER SET utf8mb4
  

  无论存储什么字符都会占用 10×4=40 字节（最坏情况）

• VARCHAR 类型：按实际字符长度存储（变长）

  VARCHAR(10) CHARACTER SET utf8mb4
  

  存储 ASCII 字符只需 10×1+长度标记=11~12字节 存储4字节字符最多需要 10×4+长度标记=41~42字节

性能考虑

1. 索引长度限制：

   • InnoDB 索引最大长度 767 字节（默认）
   • 对于 utf8mb4，一个索引列最多能包含约 191 个字符 (767÷4≈191)

2. 排序规则：

   • utf8mb4 有多种排序规则可选（如 utf8mb4_general_ci, utf8mb4_unicode_ci）
   • 不同排序规则对性能和准确性有不同影响

最佳实践建议

1. 现代应用应优先使用 utf8mb4 而非 utf8
2. 对于已知只包含 ASCII 或 BMP 字符的列，可以考虑使用 utf8mb3 节省空间
3. 设计表结构时需考虑字符集对索引长度的影响

如需完全的定长存储，可以考虑使用 utf8mb4 的 CHAR 类型，但会浪费存储空间。