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