MySQL编码探究

前言

时位于 2002 年，MySQL4.1 版本开始支持 UTF-8 编码，由于当时采用RFC 2279规定该编码使用 1~6 字节存储单个字符，MySQL 开发者在同年 9月对源码进行了修改，将 UTF-8 编码从最大 6字节变更为 3字节，也就有了现在的UTF8MB3。 我们都知道，UTF8MB3是无法存储 SMP(Supplementary Multi-lingual Plane)字符的，而 MySQL 后来基于RFC 3629 标准新增了UTF8MB4。这时候我们只需要将表(Table)和字段(Column)的编码类型设置为UTF8MB4即可。 但在事实上，建立 MySQL 连接时通过SET NAMES指定的编码类型同样会影响到 SMP 字符的传输。 本文主要对连接 MySQL 时候编码指定的逻辑进行分析

Connector 源码分析

以下基于mysql-connector-java依赖包的5.1.46以及5.1.47版本，其他版本在实现上也许会有不同。

上述问题的原因是因为当 MySQL 实例化一个 Connector 时，会通过一个 Set 集合UTF8MB4_INDEXES是否包含变量serverCharsetIndex来得到一个 Boolean 变量useutf8mb4，后续会执行SET NAMES时会通过useutf8mb4变量判断是使用UTF8MB4还是UTF8。接下来我们跟着代码看看这些变量是如何被赋值的。

mysql-connector-java 5.1.46

• CharsetMapping

  当 CharsetMapping 类被初始化时，它内部的静态代码块就会被执行

  public static final int MAP_SIZE = 2048;
  ......
  // 保存 MySQL 编码以及排序规则
  Collation[] collation = new Collation[MAP_SIZE];
  ......
  collation[33] = new Collation(33, "utf8_general_ci", 1, MYSQL_CHARSET_NAME_utf8);
  ......
  collation[45] = new Collation(45, "utf8mb4_general_ci", 1, MYSQL_CHARSET_NAME_utf8mb4);
  collation[46] = new Collation(46, "utf8mb4_bin", 0, MYSQL_CHARSET_NAME_utf8mb4);
  ......
  collation[255] = new Collation(255, "utf8mb4_0900_ai_ci", 0, "utf8mb4");
  ......
  Set<Integer> tempUTF8MB4Indexes = new HashSet<Integer>();
  Collation notUsedCollation = new Collation(0, COLLATION_NOT_DEFINED, 0, NOT_USED);
  for (int i = 1; i < MAP_SIZE; i++) {
    Collation coll = collation[i] != null ? collation[i] : notUsedCollation;
    COLLATION_INDEX_TO_COLLATION_NAM