面试官：utf8和utf8mb4有什么区别？

1. 编码概念

• 编码：计算机用来表示字符的一种方式，类似于日常生活中的语言。计算机用二进制数来表示汉字，这就是编码。

2. UTF-8 编码

• 全称：Unicode Transformation Format - 8 bit
• 特点：
  • 变长编码：字符可以用1到4个字节表示。
  • 英文字符：1个字节（8bit）
  • 汉字：3个字节（24bit）
  • 向后兼容ASCII：ASCII字符在UTF-8中仍用一个字节表示，兼容老系统。
  • 节省空间：对英文字符来说，UTF-8比其他多字节编码更省空间。
• 适用场景：网页、文件系统、数据库等需要全球化支持的场景。

3. Unicode 与 UTF-8

• Unicode：字符集标准，定义了全球各种语言和符号的唯一数字码位（code points）。
• UTF-8：Unicode的一种实现方式，还有其他实现方式如UTF-16和UTF-32。
  • UTF-16：使用固定的16位（2字节）或变长的32位（4字节）编码Unicode字符。
  • UTF-32：每个字符使用固定长度的32位（4字节）编码。

4. UTF-8MB4 编码

• 定义：UTF-8的一个扩展版本，专门用于MySQL数据库。
• 引入时间：MySQL 5.5.3 之后增加。
• 特点：
  • 最多4个字节：每个字符最多用4个字节表示。
  • 支持更多字符：包括Emoji和其他特殊符号。
• 应用场景：解决UTF-8不能表示一些特殊字符的问题，如Emoji表情。

5. UTF-8 与 UTF-8MB4 的比较

• 存储空间：
  • 数据库：UTF-8MB4每个字符最多用4个字节，比UTF-8多一个字节，存储空间会增加。
  • 文件：文件用UTF-8MB4编码也会占用更多的空间。
• 性能影响：
  • 数据库：查询和索引可能稍微慢一些，因为占用更多的空间和内存。
  • 网络传输：编码的字符会占用更多的带宽，传输速度可能会稍慢。
• 实际影响：由于实际场景中使用的UTF-8MB4字符不多，对存储空间和性能的影响很小。

6. 实战选择

• 需求决定：根据具体需求选择编码。
  • 支持特殊字符和Emoji：使用UTF-8MB4。
  • 主要英文和普通中文文本：使用UTF-8。
• 一致性：前端、后端、数据库应使用同一种编码，确保数据库连接、网页头部、文件读写都设置为相同的编码。

7. 系统差异

• Windows与Linux：Windows中的UTF-8文件可能携带BOM头，Linux中不需要这个头。跨系统使用文件时，可能需要去掉Linux中的BOM头。

8. 总结

• 编码选择：根据应用需求和字符支持范围选择UTF-8或UTF-8MB4。
• 一致性：确保编码一致性以避免乱码问题。