MySQL 中的 utf8mb4 和 utf8 字符集有什么区别？

UTF-8 是一种可变长度编码。对于 UTF-8，这意味着存储一个代码点需要一到四个字节。但是，MySQL 的编码称为“utf8”（“utf8mb3”的别名）每个代码点最多只能存储三个字节。

所以字符集“utf8”/“utf8mb3”不能存储所有的Unicode码位：它只支持0x000到0xFFFF的范围，称为“Basic Multilingual Plane”。另见Comparison of Unicode encodings。

这就是（同一页面的先前版本）the MySQL documentation 不得不说的：

名为 utf8[/utf8mb3] 的字符集每个字符最多使用三个字节，并且仅包含 BMP 字符。从 MySQL 5.5.3 开始，utf8mb4 字符集每个字符最多使用四个字节，支持补充字符：对于 BMP 字符，utf8[/utf8mb3] 和 utf8mb4 具有相同的存储特性：相同的代码值、相同的编码、相同的长度。对于补充字符，utf8[/utf8mb3] 根本无法存储该字符，而 utf8mb4 需要四个字节来存储它。由于 utf8[/utf8mb3] 根本无法存储字符，因此您在 utf8[/utf8mb3] 列中没有任何补充字符，您无需担心在从旧版本升级 utf8[/utf8mb3] 数据时转换字符或丢失数据mysql。

因此，如果您希望您的列支持存储位于 BMP 之外的字符（并且您通常希望这样做），例如 emoji，请使用“utf8mb4”。另见What are the most common non-BMP Unicode characters in actual use?。

utf8mb4 字符集很有用，因为现在我们不仅需要支持存储语言字符，还需要存储符号、新引入的表情符号等。

Mathias Bynens 对 How to support full Unicode in MySQL databases 的精彩阅读也可以对此有所了解。

取自 MySQL 8.0 Reference Manual：

utf8mb4：Unicode 字符集的 UTF-8 编码，每个字符使用一到四个字节。 utf8mb3：Unicode 字符集的 UTF-8 编码，每个字符使用一到三个字节。

在 MySQL 中，utf8 当前是 utf8mb3 的别名，已弃用，并将在未来的 MySQL 版本中删除。此时，utf8 将成为对 utf8mb4 的引用。

因此，不管这个别名是什么，您都可以有意识地为自己设置一个 utf8mb4 编码。

为了完成答案，我想在下面添加@WilliamEntriken 的评论（也取自手册）：

为避免对 utf8 的含义产生歧义，请考虑为字符集引用显式指定 utf8mb4 而不是 utf8。

utf8 是 MySQL 较旧的、有缺陷的 UTF-8 实现，正在被弃用。

utf8mb4 是他们命名的固定 UTF-8 实现，是您现在应该使用的。

在他们有缺陷的版本中，只有前 64k 字符平面（基本的多语言平面）中的字符有效，其他字符被视为无效。该平面内的代码点值 - 0 到 65535（其中一些出于特殊原因保留）可以用 UTF-8 中最多 3 个字节的多字节编码表示，并且 MySQL 的早期版本的 UTF-8 任意决定将其设置为限制。这个限制绝不是对 UTF-8 规则的正确解释，因为 UTF-8 从来没有被定义为每个字符最多只允许 3 个字节。事实上，UTF-8 的最早定义将其定义为最多 6 个字节（自修订为 4 个字节）。 MySQL 的原始版本总是被任意削弱。

当 MySQL 发布这个时，这个限制的后果并不算太糟糕，因为大多数 Unicode 字符都在第一个平面上。从那时起，越来越多的新定义的字符范围被添加到 Unicode 中，其值超出了第一个平面。 Unicode 本身定义了 17 个平面，尽管到目前为止只使用了其中的 7 个。

为了不破坏旧代码做出任何特定假设，MySQL 保留了破坏的实现并调用了更新的固定版本 utf8mb4。这导致了一些混淆，名称被误解为好像它是 UTF-8 的某种扩展或 UTF-8 的替代形式，而不是 MySQL 对真正 UTF-8 的实现。

MySQL 的未来版本最终将逐步淘汰旧版本，现在它可以被视为已弃用。在可预见的未来，您需要使用 utf8mb4 来确保正确的 UTF-8 编码。经过足够的时间后，当前的 utf8 将被删除，并且在将来的某个日期 utf8 将再次上升，这一次指的是固定版本，尽管 utf8mb4 将继续明确地指代固定版本。

MySQL 在 5.5.3 之后添加了这个 utf8mb4 代码，Mb4 是最多字节 4 的意思，专门设计来兼容四字节 Unicode。幸运的是，UTF8MB4 是 UTF8 的超集，只是不需要将编码转换为 UTF8MB4。当然，为了节省空间，一般使用UTF8就足够了。

原始 UTF-8 格式使用 1 到 6 个字节，最多可以编码 31 个字符。最新的 UTF-8 规范仅使用 1 到 4 个字节，最多可以编码 21 位，仅代表所有 17 个 Unicode 平面。 UTF8是Mysql中的一个字符集，最多只支持三个字节的UTF-8字符，是Unicode中基本的多文本平面。

在 Mysql 中保存 4 字节长的 UTF-8 字符，需要使用 UTF8MB4 字符集，但只有 5.5。支持3个版本后（查看版本：选择版本（）；）。我认为为了获得更好的兼容性，您应该始终使用 UTF8MB4 而不是 UTF8。对于char类型的数据，UTF8MB4比较占空间，根据Mysql官方推荐，使用VARCHAR代替char。

在 MariaDB utf8mb4 作为默认 CHARSET 时，它没有在服务器配置中明确设置，因此使用 COLLATE utf8mb4_unicode_ci。

Refer MariaDB CHARSET & COLLATE Click

CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;