我正在设计一个以不同语言存储数据的数据库(使用UTF-8),因此我认为显示查询结果的最佳方法是在查询本身(因为有不止一种正确的方法)期间根据用户的语言排序,如下所示:
SELECT a < b COLLATE "de_DE" FROM test1;假设这是处理国际数据的正确方法,那么这是数据库本身的最佳排序规则吗?PostgreSQL文档显示:
C和POSIX排序规则都指定了“传统C”行为,其中只有ASCII字母"A“到"Z”被视为字母,排序严格由字符代码字节值完成。
我觉得这是最好的选择,还是我错了?
(额外的问题是:在查询本身中选择排序规则是否太慢?)
发布于 2013-07-16 02:31:36
C校对是正确的选择。
没有区域设置,一切都会更快一些。而且,由于无论如何没有排序规则是正确的,所以创建没有排序规则的数据库,这意味着使用C。
为许多手术提供校对可能是一件痛苦的事。但是,在默认排序规则和临时排序规则之间不应该存在明显的速度差异。毕竟,它只是未排序的数据,排序规则是在排序时应用的。
请注意,Postgres构建在基础操作系统提供的区域设置之上,因此需要为要使用的每个区域设置生成区域设置。更多关于SO 这里和这里的相关答案。
但是,作为@Craig已经提到,索引是此场景中的瓶颈。在许多涉及字符数据的情况下,索引排序必须与应用运算符的排序规则相匹配。
可以在索引中使用COLLATE说明符来生成匹配的索引。如果您在同一个表中混合数据,部分指标可能是最佳选择。
例如,具有国际字符串的表:
CREATE TABLE string (
string_id serial
,lang_id int NOT NULL
,string text NOT NULL
);你最感兴趣的是一种语言:
SELECT *
FROM string
WHERE lang_id = 5 -- 5 being German / Germany here
AND string > 'foo' COLLATE "de_DE"
ORDER BY string COLLATE "de_DE";然后创建部分索引,如:
CREATE INDEX string_string_lang_id_idx ON string (string COLLATE "de_DE")
WHERE lang_id = 5;你需要的每种语言都有一种。
实际上,对于这样的表,继承可能是一种更好的方法。然后,您可以在每个继承的表上都有一个简单的索引,该索引仅包含单个区域设置的字符串。当然,您需要适应继承表的特殊规则。
发布于 2013-07-16 16:52:27
我建议您选择提供默认Unicode排序的排序规则。这样,即使没有覆盖每个查询中的排序规则,也可以得到正常的结果。不幸的是,大多数(全部?)操作系统不提供简单命名为“默认Unicode”之类的区域设置,因此您将不得不猜测和/或研究一个很好的选择。例如,在Linux/glibc上,de_DE.utf8或en_US.utf8区域设置只是通过默认行为,所以这两个都是很好的选择。
我不认为使用C语言环境是个好主意,因为这样应用程序的默认行为就没用了。而且您可能无法从案例转换操作中获得正确的行为。
(在查询中重写排序规则没有太多开销。这只是一个解析时间操作。)
发布于 2019-11-03 07:56:28
我们在码头容器中使用postgres,因此我们总是有ICU可用,并且默认使用und-x-icu。
在postres文档提到的第23.2.2.2.2校校勘章中提到了这一点:
ICU“根”排序。用这个得到一个合理的语言不可知论的排序顺序。
https://dba.stackexchange.com/questions/46408
复制相似问题