編排序列

發行項
12/27/2024

重要

適用於：標記為是的 Databricks Runtime 16.1 及更新版本

排序規則是決定如何執行字串比較的 set 規則。定序可用來比較不區分大小寫或不區分腔調字的字串，或以特定語言感知順序排序字串。

Azure Databricks 中的字串是以 UTF-8 編碼的 Unicode 字元表示。根據預設，Azure Databricks 會比較字串的二進位 UTF8 表示法。這稱為 UTF8_BINARY 定序。在許多情況下，UTF8_BINARY 比較既快速又適合，但可能不適合所有應用程式，尤其是需要語言感知排序或比較的應用程式。

除了語言特定比較之外，常見的使用案例是需要不區分大小寫的比較。 Azure Databricks 具有一個專門為此目的設計的 UTF8_LCASE 定序規則。它會先將字串轉換成小寫，再使用快速 UTF8_BINARY 定序加以比較。

針對語言感知比較，Azure Databricks 採用下列技術：

這些技術會封裝在可用於 SQL 語句的具名定序 set 中。

定序名稱

由於根據 LDML 規格識別定序可能很複雜且具有挑戰性，因此 Azure Databricks 提供了一種更易於使用的具名系統定序，稱為 set。

語法

{ UTF8_BINARY |
  UTF8_LCASE |
  { UNICODE | locale } [ _ modifier [...] ] }

locale
  language_code [ _ script_code ] [ _ country_code ]

modifier
  { CS | CI | AS | AI }

UTF8_BINARY

根據UTF-8位元組表示逐位比較字串位元組的元區域設定二進制定序。 UTF8_BINARY 是 Azure Databricks 中字串比較的預設和最輕量型定序。

在這個排序中『A』(x'65') < 『B』(x'66') < … < 'Z' （x'90'）。

然而，'Z' （x'90'） < 'a' （x'97'），和 'A' （x'65'） <> 'a' （x'97'）。

此外，此定序中的 'Ä' （x'C384' 等字元大於 'Z' 和 'z'。
UTF8_LCASE

輕量型中介區域設置不區分大小寫的定序機制，將字串轉換為小寫後，利用其 UTF-8 位元組表示來比較字串。

UTF8_LCASE 是用於 Azure Databricks 中識別碼的排序。

例如：
```
ORDER BY col COLLATE UTF8_LCASE
```
相當於
```
ORDER BY LOWER(col) COLLATE UTF8_BINARY
```
UNICODE

ICU 根區域設定。

此排序在 CLDR 中稱為「根」地區設定（LDML 規格：『und-u』），會施加一種不依賴語言的順序，而這種順序嘗試做到整體直觀。在此定序中，字元和 字元會被分在一起。例如：'a' < 'A' < 'Ä' < 'b'。 'A' 不被視為等於 'a'。因此，定序會區分大小寫。 'a' 不視為等於 'ä'。因此，定序會區分腔調。
地區設定

根據 CLDR tables的具地區感知的排序。

地區設定會指定為語言代碼、選用的腳本程序代碼，以及選擇性的國家/地區代碼。 locale 不區分大小寫。
- language_code：兩個字母 ISO 639-1 語言代碼。
- script_code：四個字母的 ISO 15924 文字代碼。
- country_code：三個字母 ISO 3166-1 alpha-3 國家/地區代碼。
修飾詞

指定與區分大小寫及重音敏感度相關的定序行為。
- CS：區分大小寫。默認行為。
- CI：不區分大小寫。
- AS：區分重音敏感性。默認行為。
- AI：不敏感於口音。
您可以指定 CS 或 CI，以及 AS 或 AI，且每個最多一次，並可依任意順序。修飾詞本身不區分大小寫。

處理定序時，Azure Databricks 會藉由移除預設值來正規化定序名稱。例如，SR_CYR_SRN_CS_AS 正規化為 SR。

關於支援的定序 list，請參閱支援的定序。

例子

-- You can fully qualify collations, and case doesn't matter.
system.builtin.unicode

-- Since all collations are system defined you don't need to qualify them
unicode

-- Using 2-letter language code only for german collation
DE

-- Using 2-letter language code and 3-letter country code for french-canadian collation
-- It is common to use lower case 2-letter language codes and upper case 3-letter country codes
-- But collation names are case insensitive
fr_CAN

-- Using 2-letter language code and 4-letter script code and 3-letter country code for traditional chinese in Macao
zh_Hant_MAC

-- Using a 2 letter german language code and 2 modifiers for case insensitive and accent insensitive
-- So 'Ä', 'A', and 'a' are all considered equal
de_CI_AI

-- Using back ticks is allowed, but unnecessary for builtin collations
`UTF8_BINARY`

預設排序方式

使用 STRING 常值、參數標記、沒有 STRINGparameters 產生字元串的函式，以及定義 column不含 COLLATE 子句的欄位或變數類型時，會套用預設定序。

預設定序衍生於 UTF8_BINARY中。

定序優先順序

若要決定要用於指定字串的定序，Azure Databricks 會定義定序優先順序規則。

規則將 4 個優先等級指派給排序：

明確

定序已使用 COLLATE 運算式明確指派給字串。

範例

-- Force fast binary collation to check whether a vin matches a Ferrari
vin COLLATE UTF8_BINARY LIKE 'ZFF%'

-- Force German collation to order German first names
ORDER BY vorname COLLATE DE

隱含

定序是由 column、欄位、column-alias、變數或例程參數參考所隱含指派。這包含子查詢的結果，只要定序不是 None。

範例

-- Use the collation of the column as it was defined
employee.name LIKE 'Mc%'

-- Use the collation of the variable as it was defined.
translate(session.tempvar, 'Z', ',')

預設

STRING 常值、具名或未命名的參數標記，或由另一個型別的函式產生的 STRING。

範例

-- A literal string has the default collation
'Hello'

-- :parm1 is a parameter marker using session default collation
EXECUTE IMMEDIATE 'SELECT :parm1' USING 'Hello' AS parm1;

-- ? is a parameter marker using session default collation
EXECUTE IMMEDIATE 'SELECT ?' USING 'Hello';

-- The result of a cast of a non-STRING to a STRING is a STRING with the default collation
CAST(5 AS STRING)

-- The date is converted to a string using the default collation
to_char(DATE'2016-04-08', 'y')

-- The collation of the session_user STRING is the default collation
session_user()

指派的排序規則是預設排序規則。

無

函式、運算符或 set 運算（例如 UNION）的 STRING 結果，其採用多個具有不同隱含定序的 STRING 自變數。

範例

-- Concatenating two strings with different explicit collations results in no collation
SELECT fr || de AS freutsch FROM VALUES('Voulez vous ' COLLATE FR), 'Kartoffelsupp...' COLLATE DE) AS T(fr, de)

-- A union of two strings with different excplicit collations results in no collation
SELECT 'Voulez vous ' COLLATE FR UNION ALL SELECT 'Kartoffelsupp...' COLLATE DE

定序衍生

衍生 STRING 結果的定序時，會以下列方式套用定序優先順序規則：

如果這個算式：

符合上述定義

定序和優先順序如所定義。
是具有單一 STRING 參數的函式或運算符，會傳回 STRING

定序和優先順序以 STRING 參數為準。

是具有兩個或多個 STRINGparameters 的函式或運算符

具有相同定序和優先順序

排序和優先權是 STRINGparameters。

具有不同定序或優先順序

讓 C1 和 C2 相異定序，讓 D 成為預設定序。優先順序和定序是由下列 table決定：

排序和優先順序	C1 明確	C1 隱含	D 預設值	沒有
C2 明確	錯誤	C2 明確	C2 明確	C2 明確
C2 隱含	明確 C1	沒有	C2 隱含	沒有
D 預設	C1 明確	C1 隱含	D 預設值	沒有
無	C1 明確	沒有	沒有	沒有

例子

> CREATE TABLE words(fr STRING COLLATE FR, de STRING COLLATE DE, en STRING COLLATE EN);
> INSERT INTO words VALUES ('Salut', 'Hallo', 'Hello');

-- A literal string has the default collation
> SELECT collation('Ciao');
  UTF8_BINARY

-- A function producing a STRING has the default collation
> SELECT collation(user());
  UTF8_BINARY

-- Function modifying a STRING passes the collation through
> SELECT collation(upper('Ciao'));
  UTF8_BINARY

-- Implicit collation (French) wins over default collation
> SELECT collation(fr || 'Ciao') FROM words;
  FR

-- Explicit collation (French) wins over implicit collation (German)
> SELECT collation('Salut' COLLATE FR || de) FROM words;
  FR

-- Implicit collation German collides with implicit collation French
-- The result is no collation
> SELECT collation(de || fr) FROM words;
  null

-- Explicit collation (French) wins over default collation (Italian)
> SELECT collation('Salut' COLLATE FR || 'Ciao');
  FR

-- Explicit collation (French) collides with explicit collation (German)
> SELECT collation('Salut' COLLATE FR || 'Hallo' COLLATE DE);
  COLLATION_MISMATCH.EXPLICIT

-- The explicit collation wins over no collation
> SELECT collation('Ciao' COLLATE IT || (fr || de)) FROM words;
  UTF8_BINARY

-- The implict collation (English) does not win over None
> SELECT collation(en || (fr || de)) FROM words;
  null

-- The explicit collation (English) wins over Implicit collation anywhere in the expression
> SELECT collation((fr || ltrim('H' COLLATE EN, fr)) || fr) FROM words;
  EN

共用方式為

編排序列

定序名稱

語法

例子

預設排序方式

定序優先順序

定序衍生

例子

意見反應

其他資源

共用方式為

編排序列

定序名稱

語法

例子

預設排序方式

定序優先順序

定序衍生

例子

相關

意見反應

其他資源