为什么character_set_connection参数会影响MySQL的数据插入结果？

基础前提 #

• MySQL 中默认的utf8编码是utf8mb3的别名，仅支持最大3字节的Unicode字符，完全不包含4字节长度的emoji、生僻汉字等字符
• utf8mb4是完整的UTF-8实现，支持最大4字节的Unicode字符，是utf8mb3的超集

MySQL字符集转换全链路 #

你对character_set_client、character_set_connection的作用认知存在偏差，两个参数不止用于通信阶段的解析，还会参与后续的转码逻辑，完整的输入处理链路如下：

1. 客户端按照自身实际编码发送SQL语句、插入参数等字节流到服务端
2. 服务端接收字节流后，会按照character_set_client声明的编码解析收到的内容
3. 解析完成后，服务端会将内容从character_set_client编码转码为character_set_connection编码，再执行后续的SQL逻辑处理
4. 最终执行写入操作时，才会将内容从character_set_connection编码转码为目标表/字段设置的字符集编码

报错触发逻辑 #

当character_set_client、character_set_connection设置为utf8（即utf8mb3）时，插入带emoji的内容会在链路的前两步就触发错误，还没到写入目标字段的步骤：

• 插入的emoji属于4字节Unicode字符，客户端实际发送的是4字节长度的utf8mb4编码字节流
• 服务端按照character_set_client=utf8的规则解析字节流时，4字节序列属于utf8mb3的非法字符范围，直接识别失败
• 即使解析阶段通过，后续转码为character_set_connection=utf8的步骤也会因为字符超出编码支持范围抛出异常

你可以做个简单验证：如果只插入3字节以内的普通中文、英文、数字，哪怕character_set_client、character_set_connection设为utf8，写入utf8mb4字段也不会报错，因为utf8mb3是utf8mb4的子集，转码没有兼容性问题。

内容的提问来源于stack exchange，提问作者ccc