Kolacja a sortowanie wyników

Zależność kolacji od sortowania wyników określa, w jakiej kolejności zwracane są wartości tekstowe w zapytaniu.

Kolacja jako reguła porównywania tekstu

Kolacja, częściej określana w dokumentacji baz danych angielskim terminem collation, jest zestawem reguł używanych do porównywania i porządkowania wartości tekstowych. Określa między innymi sposób interpretowania liter zależnych od języka, znaków diakrytycznych, wielkości liter oraz kolejności znaków w alfabecie. Dzięki temu sortowanie nazwisk, miejscowości albo opisów może odpowiadać regułom właściwym dla danego języka, a nie wyłącznie kolejności kodów znaków.

Kolacja nie zmienia tekstu zapisanego w kolumnie. Wpływa na operacje, w których silnik musi ustalić, czy jeden tekst jest mniejszy, równy albo większy od drugiego. Dotyczy to przede wszystkim klauzuli ORDER BY, ale także porównań w warunkach, grupowania, wyszukiwania tekstu i indeksów przeznaczonych do obsługi wartości znakowych. Konkretne nazwy kolacji i dostępne opcje zależą od używanego silnika bazy danych.

Jak ORDER BY korzysta z kolacji

Zapytanie z klauzulą ORDER BY porównuje wartości wskazanej kolumny według reguł obowiązujących dla jej typu tekstowego, kolumny, tabeli, bazy danych albo jawnie wskazanego wyrażenia. Jeżeli kolacja rozróżnia wielkość liter, wartości zawierające wielkie i małe litery mogą zostać ułożone inaczej niż przy kolacji niewrażliwej na wielkość liter. Analogicznie kolacja akcentowa może traktować a i ą jako różne znaki albo nadać im zbliżoną wagę podczas porównania.

W praktyce oznacza to, że kolejność wyników nie zawsze odpowiada kolejności kodów Unicode lub bajtów w reprezentacji tekstu. Sortowanie językowe może uwzględniać zasady alfabetu, w których znaki diakrytyczne są brane pod uwagę dopiero po podstawowej literze. Dla danych polskich wynik sortowania nazw zawierających „Ł”, „Ś” lub „Ż” może więc różnić się od wyniku uzyskanego przy prostym porównaniu binarnym. Kierunek sortowania, ustawiany przez ASC albo DESC, odwraca kolejność, lecz nie zmienia samej kolacji.

Równe wartości, akcenty i stabilność kolejności

Dwie wartości mogą zostać uznane za równoważne przez kolację, mimo że ich zapis znakowy nie jest identyczny. Przykładem jest kolacja niewrażliwa na wielkość liter, która może traktować „Kowalski” i „kowalski” jako równorzędne podczas porównania. W kolacji niewrażliwej na akcent podobna sytuacja może dotyczyć znaków podstawowych i ich wersji z akcentem. To, czy dana para zostanie uznana za równą, wynika z konkretnej konfiguracji, a nie z samej klauzuli ORDER BY.

Jeżeli wiele wierszy ma taką samą wartość według użytej kolacji, samo ORDER BY nazwa nie określa pełnej kolejności tych wierszy. Silnik może zwrócić grupę równorzędnych rekordów w różnej kolejności po zmianie planu wykonania, indeksu, wersji oprogramowania albo warunków obciążenia. Aby uzyskać jednoznaczny porządek, należy dodać kolejne kryterium, na przykład identyfikator: ORDER BY nazwa ASC, id ASC. Drugie pole rozstrzyga remisy, o ile samo zapewnia wystarczające zróżnicowanie.

Kolacja ma także znaczenie dla indeksów tekstowych. Indeks utworzony zgodnie z określonymi regułami porównywania może wspierać sortowanie i wyszukiwanie tylko wtedy, gdy sposób porównania użyty w zapytaniu jest zgodny z jego definicją albo może zostać przez silnik bezpiecznie wykorzystany. Wymuszenie innej kolacji w wyrażeniu może spowodować dodatkowe przeliczanie wartości, ograniczyć użycie indeksu lub zwiększyć koszt zapytania.

Dobór reguł sortowania w codziennej pracy

Przy projektowaniu tabel warto ustalić, jakie znaczenie ma tekst przechowywany w każdej kolumnie. Nazwa wyświetlana użytkownikowi może wymagać sortowania językowego, natomiast identyfikator techniczny, kod produktu albo token powinien często być porównywany według ściśle określonych znaków. Nie należy zakładać, że jedna kolacja będzie właściwa dla wszystkich pól. Reguły odpowiednie dla opisów w języku polskim mogą być niewłaściwe dla danych, w których wielkość liter lub dokładna reprezentacja znaku ma znaczenie.

Diagnozowanie nieoczekiwanej kolejności wyników powinno obejmować sprawdzenie kolacji przypisanej do kolumny oraz ewentualnych ustawień odziedziczonych po tabeli lub bazie. Należy również zweryfikować, czy zapytanie nie narzuca innej kolacji, czy dane pochodzą z jednego typu tekstowego oraz czy sortowanie nie odbywa się po wyniku funkcji albo konwersji. W przypadku znaków Unicode znaczenie może mieć także sposób normalizacji tekstu, ponieważ wizualnie podobne ciągi mogą być zapisane z użyciem odmiennych sekwencji znaków.

Warszawskie Pogotowie Komputerowe wykonuje profesjonalną diagnostykę i naprawę laptopów, komputerów PC oraz ich podzespołów, w tym problemów z oprogramowaniem bazodanowym działającym na komputerze użytkownika. Analiza obejmuje ustalenie, czy nieprawidłowa kolejność wynika z danych, zapytania, konfiguracji kolacji, indeksu czy sposobu prezentowania wyników przez aplikację.