MySQL 中 UTF8MB4 的存储特性分析

UTF8MB4 在 MySQL 中不是定长存储，而是变长存储的字符集。让我详细解释一下：

UTF8MB4 的存储特点

1. 变长编码：

   • UTF8MB4 使用 1-4 个字节存储每个字符
   • 实际占用空间取决于字符的 Unicode 码点位置

2. 存储长度规则：

   • 基本多文种平面(BMP)字符(如大部分拉丁字母、汉字)：1-3字节
   • 补充字符(如emoji、某些罕见汉字)：4字节

3. 与 UTF8 的区别：

   • MySQL 的 "utf8" 实际上是阉割版，最多只支持3字节
   • UTF8MB4 才是真正的 UTF-8 实现，支持4字节字符

对存储空间的影响

• CHAR(N)：固定分配 N×4 字节的空间(即使实际字符更短)
• VARCHAR(N)：实际占用 1-4×N 字节 + 长度标识(1-2字节)
• TEXT 类型：完全变长存储

为什么不是定长

Unicode 设计本身就是变长编码，目的是： 1. 兼容 ASCII(1字节) 2. 节省存储空间(常用字符用更少字节) 3. 支持全球所有字符(需要时可扩展)

实际建议

1. 现代应用都应使用 UTF8MB4 而非 utf8

2. 对于需要定长存储的情况，可以考虑：

   • 使用 CHAR 类型(但会浪费空间)
   • 应用层填充到固定长度
   • 使用二进制类型(BINARY/VARBINARY)

3. 索引长度限制要注意：

   • InnoDB 索引最大长度是 767 字节(默认)
   • 对于 UTF8MB4 的 VARCHAR 列，最多可索引 191 字符(767÷4)