Laurenz Albe：使用“内置”C 排序规则创建你的 PostgreSQL 集群！
内容提要
PostgreSQL 默认使用外部库的语言环境排序规则，操作系统升级可能改变排序规则，导致字符串索引损坏，必须重建。建议用 C 排序规则建库：它按字节比较，只依赖字符编码，永不改变，且比较更快。若需自然语言排序，可仅在个别列或 ORDER BY 中指定其他排序规则，以减少可能损坏的索引。v17 起可用内置 C 排序规则，降低外部依赖。
延伸解读
C 排序规则的核心优势：稳定与高效
C 排序规则按字节比较字符串，仅依赖字符编码，因此排序顺序永不改变。这避免了操作系统升级导致排序规则变化，从而防止字符串索引损坏。同时，字节比较比自然语言排序更高效，能提升查询性能。对于不需要自然语言排序的场景，使用 C 排序规则可以显著降低维护成本。
自然语言排序的复杂性与风险
自然语言排序规则涉及特殊字符处理、大小写顺序等复杂逻辑，不同语言规则各异。实现中的错误修复可能导致排序规则变化，进而使索引损坏。操作系统升级可能更新外部库，改变排序行为，因此必须重建受影响索引。若必须使用自然语言排序，应尽量缩小其应用范围。
灵活使用排序规则：列级与查询级指定
即使数据库使用 C 排序规则，仍可在列定义或 ORDER BY 子句中指定自然语言排序规则。例如，为 name 列指定奥地利 ICU 排序规则，则按该列排序时自动使用，相关索引也按此排序。这样，只有少数索引可能受升级影响，减少重建需求。
PostgreSQL v17+ 的内置排序规则提供者
从 v17 开始，PostgreSQL 提供内置排序规则提供者，减少对外部库的依赖。初始版本支持 C 和 C.UTF-8，v18 增加 PG_UNICODE_FAST。这些排序规则简单且不支持自然语言，其中 C.UTF-8 和 PG_UNICODE_FAST 依赖 Unicode 版本，可能随更新变化。为完全稳定，建议使用 C 排序规则。
Q&A
为什么 PostgreSQL 默认排序规则会导致索引损坏？
PostgreSQL 默认使用外部库（C 库或 ICU 库）提供的语言环境排序规则。操作系统升级会升级这些库，有时会改变排序规则，导致字符串索引排序错误，即索引损坏。
C 排序规则有什么优点和缺点？
优点：按字节比较，只依赖字符编码，排序顺序永不改变，且比较速度更快。缺点：排序顺序不符合自然语言习惯，例如大写字母排在小写字母之前，非 ASCII 字符排在 ASCII 字符之后。
如何在使用 C 排序规则的同时实现自然语言排序？
可以在列定义时指定其他排序规则，或在 ORDER BY 子句中显式指定排序规则。这样只有这些列上的索引可能受操作系统升级影响，减少了需要重建的索引数量。
PostgreSQL v17 及以上版本提供了哪些内置排序规则？
v17 引入了内置排序规则提供者，初始提供 C 和 C.UTF-8；v18 增加了 PG_UNICODE_FAST。这些排序规则简单且不支持自然语言，其中 C.UTF-8 和 PG_UNICODE_FAST 依赖 Unicode 版本，可能随 PostgreSQL 更新而变化，因此推荐使用 C。
如何使用内置 C 排序规则创建数据库集群？
使用 initdb 并指定选项，例如：initdb --locale-provider=builtin --locale=C -D /path/to/data。也可以创建数据库时指定内置 C 排序规则，但若集群默认语言环境不同，需使用 template0 作为模板。
使用 C 排序规则能带来哪些性能优势？
C 排序规则的字符串比较比自然语言排序规则更廉价，因为只需简单的 memcmp() 调用，从而提升查询性能。
