DB2 pureXML 不區分大小寫搜尋最佳實踐：Unicode 排序規則讓索引生效

前言：XML 天生區分大小寫，如何優雅破解？

XML 元素/屬性值預設區分大小寫。搜尋 <city>Paris</city> 找不到 PARIS 或 paris。常見對策 fn:upper-case() 雖可行，但導致 XML 索引失效，大數據量下效能崩潰。DB2 9.5 FP1 引入 UCA500R1 區域感知 Unicode 排序規則，從資料庫層面解決大小寫不敏感，並完整保留索引效能。

問題重現：fn:upper-case() 的代價

CREATE TABLE customer (id INTEGER, xmldoc XML);
INSERT INTO customer VALUES
(1, '<Customer id="1"><city>PARIS</city></Customer>'),
(2, '<Customer id="2"><city>Tokyo</city></Customer>'),
(3, '<Customer id="3"><city>tokyo</city></Customer>'),
(4, '<Customer id="4"><city>PARIS</city></Customer>'),
(5, '<Customer id="5"><city>paris</city></Customer>'),
(6, '<Customer id="6"><city>Delhi</city></Customer>'),
(7, '<Customer id="7"><city>Paris</city></Customer>');

-- 傳統做法：轉大寫比對
SELECT id, XMLCAST(XMLQUERY('$XMLDOC/Customer/city') AS VARCHAR(15)) AS city
FROM customer
WHERE XMLEXISTS('$XMLDOC/Customer[fn:upper-case(city) = "PARIS"]');

-- 參數化查詢
WHERE XMLEXISTS('$XMLDOC/Customer[fn:upper-case(city) = fn:upper-case($c)]'
                PASSING CAST(? AS VARCHAR(15)) AS "c")

缺點：謂詞含函數 → 無法使用 /Customer/city XML 索引 → 全表掃描。

解決方案：建立不區分大小寫資料庫

關鍵指令

CREATE DATABASE testdb
USING CODESET UTF-8 TERRITORY US
COLLATE USING UCA500R1_LEN_S2;

排序規則名稱解碼

Strength Level 對照：

• S1：cliche = Cliche = cliché（忽略大小寫+重音）
• S2：cliche = Cliche < cliché（忽略大小寫，保留重音差異）
• S3：cliche < Cliche < cliché（完全區分）

完整組合請查閱 DB2 Information Center「UCA 排序規則名」。

索引生效驗證

建立 XML 索引

CREATE INDEX customer_lang_idx ON test (XMLdoc)
GENERATE KEY USING XMLPATTERN '/Customer/city' AS SQL VARCHAR(15);

簡化查詢（無需 fn:upper-case）

SELECT id, XMLCAST(XMLQUERY('$XMLDOC/Customer/city') AS VARCHAR(15)) AS city
FROM customer
WHERE XMLEXISTS('$XMLDOC/Customer[city = "PARIS"]');  -- 搜尋 "Paris"、"paris" 同樣有效

Explain Plan 證明索引被使用

Visual Explain / db2exfmt 明確顯示 IXSCAN 走 customer_lang_idx，無全表掃描。

重要限制與注意事項

• 全庫生效：資料庫建立後，所有表、所有欄位、所有字串比較均為不區分大小寫，無法單獨指定某表/某欄位區分大小寫
• 標記名仍區分大小寫：XPath /Customer/city vs /Customer/City 不同，只影響元素/屬性值
• ORDER BY 行為：PARIS、paris、Paris 視為相等值，排序順序不穩定

效能影響實測

測試環境：20,000 筆 TPoX CustAcc 文件，對比一般資料庫（區分大小寫）vs 不區分大小寫資料庫。

結論：犧牲 <5% 全掃描效能，換取索引可用、查詢邏輯簡潔、應用層無需處理大小寫，極具性價比。

替代方案快速比較

總結：最佳實踐建議

1. 新專案若需 XML 不區分大小寫搜尋 → 建庫時直接指定 COLLATE USING UCA500R1_LEN_S2
2. 既有資料庫無法重建 → 評估 Generated Column 或應用層正規化
3. 務必搭配 XMLPATTERN 索引，驗證 Explain Plan 出現 IXSCAN
4. 接受 <5% 全掃描代價，換取架構簡潔與索引效能

透過 Unicode 排序規則，DB2 pureXML 終於能像關係欄位一樣，優雅地支援大小寫不敏感搜尋——不再在應用層與索引效能之間兩難。