Practical MySQL & MariaDB

Guide de vérification et de configuration du jeu de caractères MySQL : utf8 vs utf8mb4 expliqué

Configuration & Administration du serveur
目次

1. Introduction

MySQL est un système de gestion de base de données largement utilisé dans diverses applications. Parmi ses nombreux éléments de configuration, les paramètres de jeu de caractères sont d’une importance critique car ils affectent directement l’intégrité des données et les performances. Cependant, de nombreux développeurs rencontrent des problèmes parce qu’ils ne sont pas pleinement conscients de la façon de configurer et de vérifier correctement les jeux de caractères.

Cet article se concentre sur la façon de vérifier les paramètres de jeu de caractères de MySQL, explique comment les modifier, clarifie les différences entre utf8 et utf8mb4, et couvre des stratégies pratiques pour prévenir les problèmes d’encodage. En lisant ce guide, vous acquerrez à la fois des connaissances fondamentales et des compétences pratiques liées à la gestion des jeux de caractères MySQL.

2. Connaissances de base sur les jeux de caractères et les collations MySQL

Qu’est-ce qu’un jeu de caractères ?

Un jeu de caractères est un système d’encodage qui permet aux ordinateurs de représenter le texte sous forme de données numériques. Par exemple, UTF-8 est largement utilisé car il prend en charge une large gamme de langues dans le monde entier. Dans MySQL, utf8 et latin1 ont souvent été utilisés comme jeux de caractères par défaut, mais ces dernières années, utf8mb4 est devenu la norme recommandée.

Qu’est-ce qu’une collation ?

Une collation définit les règles pour comparer et trier les chaînes de caractères. Par exemple, utf8_general_ci et utf8_unicode_ci sont toutes deux des collations pour UTF-8, mais utf8_unicode_ci fournit des comparaisons plus précises basées sur la norme Unicode.

La relation entre les jeux de caractères et les collations

Un jeu de caractères définit comment les caractères sont encodés, tandis qu’une collation définit comment ces caractères encodés sont comparés et triés. Sélectionner des combinaisons appropriées aide à prévenir les problèmes d’encodage et la dégradation des performances.

3. Comment vérifier le jeu de caractères actuel dans MySQL

Dans MySQL, les jeux de caractères sont configurés à plusieurs niveaux : niveau serveur, niveau base de données, niveau table et niveau colonne. Voici ci-dessous les méthodes pour vérifier les paramètres de jeu de caractères à chaque niveau.

Vérifier les paramètres de jeu de caractères au niveau serveur

Pour vérifier la configuration du jeu de caractères au niveau serveur, exécutez la commande suivante :

SHOW VARIABLES LIKE 'character_set_%';

La sortie ressemblera à ceci :

+--------------------------+------------------+
| Variable_name            | Value            |
+--------------------------+------------------+
| character_set_client     | utf8mb4          |
| character_set_connection | utf8mb4          |
| character_set_database   | utf8mb4          |
| character_set_results    | utf8mb4          |
| character_set_server     | utf8mb4          |
| character_set_system     | utf8             |
+--------------------------+------------------+

Signification de chaque élément :

  • character_set_server : Jeu de caractères par défaut du serveur.
  • character_set_database : Jeu de caractères par défaut de la base de données.

Vérifier le jeu de caractères pour une base de données spécifique

Pour vérifier la configuration du jeu de caractères d’une base de données spécifique, utilisez la commande suivante :

SHOW CREATE DATABASE database_name;

Exemple de sortie :

CREATE DATABASE `database_name` /*!40100 DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci */

Vérifier le jeu de caractères pour les tables et les colonnes

Pour vérifier le jeu de caractères d’une table ou de ses colonnes, utilisez les commandes suivantes.

Niveau table :

SHOW CREATE TABLE table_name;

Niveau colonne :

SHOW FULL COLUMNS FROM table_name;

Exemple de sortie :

+----------------+--------------+----------------------+-------+
| Field          | Type         | Collation            | Null  |
+----------------+--------------+----------------------+-------+
| column_name    | varchar(255) | utf8mb4_unicode_ci   | YES   |
+----------------+--------------+----------------------+-------+

En utilisant ces commandes, vous pouvez vérifier si les jeux de caractères sont correctement configurés à chaque niveau.

4. Comment configurer et changer les jeux de caractères

La méthode pour changer les jeux de caractères dans MySQL diffère selon que vous modifiez le niveau du serveur, le niveau de la base de données, le niveau de la table ou le niveau de la colonne. Ci-dessous une explication détaillée de chaque méthode de configuration.

Modification des paramètres au niveau du serveur

Pour modifier le jeu de caractères par défaut au niveau du serveur, éditez le fichier de configuration MySQL (généralement my.cnf ou my.ini).

Étapes de configuration :

  1. Ouvrez le fichier de configuration.
    sudo nano /etc/my.cnf
  1. Ajoutez ou modifiez les paramètres suivants :
    [mysqld]
character-set-server=utf8mb4
collation-server=utf8mb4_unicode_ci
  1. Redémarrez le serveur MySQL.
    sudo systemctl restart mysqld

Modification des paramètres au niveau de la base de données

Pour changer le jeu de caractères d’une base de données spécifique, utilisez la commande suivante :

Commande de modification :

ALTER DATABASE database_name CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

Exemple :

ALTER DATABASE my_database CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

Cette commande change le jeu de caractères par défaut de la base de données mais n’affecte pas les tables existantes ni les données stockées. Si vous devez également modifier les tables, reportez‑vous à la section suivante.

Modification des paramètres au niveau de la table

Pour modifier le jeu de caractères d’une table existante, utilisez la commande suivante :

Commande de modification :

ALTER TABLE table_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

Exemple :

ALTER TABLE users CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

Cette commande met également à jour le jeu de caractères de toutes les colonnes de la table.

Modification des paramètres au niveau de la colonne

Si vous devez changer le jeu de caractères d’une colonne spécifique uniquement, utilisez la commande suivante :

Commande de modification :

ALTER TABLE table_name MODIFY column_name column_type CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

Exemple :

ALTER TABLE users MODIFY username VARCHAR(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

5. Différences entre utf8 et utf8mb4

Différences techniques

  • utf8 : Dans MySQL, utf8 est en fait un sous‑ensemble de UTF‑8 et prend en charge jusqu’à 3 octets par caractère. En raison de cette limitation, il ne peut pas stocker les emojis ou certains caractères spéciaux (par ex., 𠮷).
  • utf8mb4 : Une implémentation complète de UTF‑8 qui prend en charge jusqu’à 4 octets par caractère.

Pourquoi utf8mb4 est recommandé

  • Compatibilité : Les applications web et mobiles modernes gèrent fréquemment les emojis et les caractères spéciaux.
  • Standardisation : De nombreuses plateformes CMS (par ex., WordPress) recommandent utf8mb4 comme jeu de caractères par défaut.

Considérations importantes lors de la migration

Lors de la migration de utf8 vers utf8mb4, faites attention aux points suivants :

  1. Taille de la base de données : Puisque utf8mb4 peut utiliser jusqu’à 4 octets par caractère, la taille de la base de données peut augmenter.
  2. Données existantes : Il est fortement recommandé de sauvegarder vos données avant d’effectuer des modifications.
  3. Configuration de l’application : Le jeu de caractères utilisé par l’application (par ex., le jeu de caractères de connexion client) doit également être réglé sur utf8mb4.

6. Causes et solutions des problèmes d’encodage (Mojibake)

Principales causes des problèmes d’encodage

  1. Incohérence de jeu de caractères entre le client et le serveur
  • Exemple : Le client utilise latin1 tandis que le serveur utilise utf8mb4 .
  1. Migration de données incorrecte
  • Le jeu de caractères n’est pas correctement spécifié lors de l’importation des données.
  1. Mauvaise configuration de l’application
  • Le jeu de caractères spécifié lors de la connexion à la base de données est incorrect.

Mesures pratiques pour prévenir les problèmes d’encodage

  1. Vérifier et standardiser les paramètres du serveur
  • Vérifiez les paramètres du jeu de caractères du serveur et maintenez la cohérence à tous les niveaux.
    SHOW VARIABLES LIKE 'character_set_%';
  1. Ajuster les paramètres du client
  • Spécifiez explicitement le jeu de caractères lors de l’établissement d’une connexion client.
    SET NAMES utf8mb4;
  1. Soyez prudent lors de la migration des données
  • Spécifiez le jeu de caractères correct lors de l’importation des données.
    mysql --default-character-set=utf8mb4 -u username -p database_name < dump.sql

7. Section FAQ

Questions fréquemment posées

  1. Le passage à utf8mb4 affectera-t-il les performances ?
  • Étant donné que utf8mb4 peut augmenter la taille des données, il peut y avoir un léger impact sur les performances dans les bases de données très volumineuses. Cependant, dans les environnements de production typiques, cela devient rarement un problème majeur.
  1. Existe-t-il un risque lors de la migration de utf8 vers utf8mb4 ?
  • Le processus de migration lui‑même n’est pas intrinsèquement risqué. Cependant, pour éviter toute perte de données ou problème d’application lors de la conversion des caractères, il est essentiel de réaliser une sauvegarde complète au préalable.
  1. Qu’est‑ce qui change lorsqu’on modifie le classement ?
  • Il permet une comparaison et un tri des chaînes plus précis. Pour les applications multilingues, utf8mb4_unicode_ci est recommandé.

8. Conclusion

Dans cet article, nous avons expliqué comment vérifier les jeux de caractères MySQL, comment les configurer et les modifier, les différences entre utf8 et utf8mb4, et comment prévenir les problèmes d’encodage. La configuration du jeu de caractères est un aspect fondamental de la gestion des bases de données, et des réglages appropriés contribuent directement à prévenir les erreurs et à améliorer les performances. Utilisez ce guide comme référence pour choisir et configurer le jeu de caractères approprié à votre projet.