丹尼尔·维里特：探讨PostgreSQL 17中新内置排序规则提供者
内容提要
PostgreSQL 17引入了内置的UTF-8区域设置和二进制字符串比较的排序规则。新的排序规则是不可变的，并保证在不同系统上具有一致的排序语义。它支持完整的Unicode字符分类，并提供快速、与操作系统无关的二进制排序。新的排序规则在索引和搜索操作中表现出更快的性能。然而，它不像语言排序规则那样以“人类方式”对字符串进行排序。文章提供了使用新的排序规则的说明，并讨论了它的优点和局限性。
延伸解读
新排序规则的核心优势
PostgreSQL 17 引入的内置排序规则提供者，其 C.UTF-8 区域设置和 pg_c_utf8 排序规则结合了多项优势：不可变性确保跨系统排序结果一致；二进制比较带来更快的索引和搜索性能；完整的 Unicode 字符分类支持所有字母表的大小写转换和正则表达式。与 libc 和 ICU 提供者相比，它同时实现了操作系统无关性、快速二进制排序和 Unicode 分类，适合作为 Unicode 数据库的默认设置。
性能表现与优化建议
在 IMDb 数据集的测试中，新排序规则在索引创建和查询执行上均优于语言排序规则。libc 的 en_US.utf8 最慢，ICU 的 en-x-icu 因缩写键优化而较快，而 C 和 C.UTF-8 最快。使用 COLLATE 子句可能因缓存查找而降低性能，因此建议在数据库级别设置区域，而非在查询中使用 COLLATE。此外，二进制排序索引可直接支持左锚定搜索，无需额外的 pattern_ops 索引。
排序局限与应对策略
二进制排序的主要缺点是不按“人类方式”排序，例如带重音符号的字符会与基本字符分开。若需语言排序，可在 ORDER BY 中使用 COLLATE 子句指定语言排序规则，如 en_US.utf8 或 en-x-icu，但可能牺牲可移植性。现代客户端应用常自带排序功能，可避免依赖数据库排序。若结果集过大，数据库端排序仍是必要选择。
Q&A
PostgreSQL 17的新排序规则有什么特点？
PostgreSQL 17引入了内置的UTF-8区域设置和二进制字符串比较的排序规则，确保在不同系统上具有一致的排序语义，并支持完整的Unicode字符分类。
如何在PostgreSQL 17中使用新的排序规则？
在创建数据库时，需指定locale名称为C.UTF8和提供者为'builtin'，例如使用命令：CREATE DATABASE test locale_provider = 'builtin' builtin_locale = 'C.UTF8' template = 'template0';
新排序规则在性能上有什么优势？
新的排序规则在索引和搜索操作中表现出更快的性能，字节比较使用更少的CPU，性能优于语言比较。
新排序规则的主要缺点是什么？
新排序规则的主要缺点是无法以“人类方式”对字符串进行排序，导致某些字符的排序结果不符合人类的直觉。
如何在查询中实现语言排序？
可以使用COLLATE子句在查询中实现语言排序，例如：SELECT * FROM tablename WHERE columnname = 'some-value' COLLATE pg_c_utf8;
PostgreSQL 17的新排序规则与之前的排序规则有什么不同？
新排序规则提供了与C排序相似的排序语义，但支持完整的Unicode字符分类，并且是不可变的，确保在不同系统上的一致性。
