DB2 使用者定義函數 (UDF) 實現多語言排序 - 基於 ICU 庫

問題背景

多語言資料存儲需 Unicode (UTF-8)。DB2 內建排序僅支援二進制與三種文化排序，且一個資料庫僅能指定一種排序規則 (建立時決定)，無法滿足多語言混存環境的排序需求。

解決方案：ICU 庫 + UDF

IBM ICU (International Components for Unicode) 提供完整的 Unicode Collation Algorithm (UCA) 實作與文化調整功能。將 ICU 函數封裝為 DB2 UDF，即可在 SQL 中靈活指定任意語言排序規則。

• DB2 LUW 內建的三種文化排序即基於 ICU
• 適用 DB2 V8 LUW、Viper (V9)、理論上 V7 FP3+ 亦可
• zSeries/iSeries 未測試

部署步驟

預編譯二進制檔 (Linux x86 / Windows 32位)

1. 下載對應平台壓縮包 (sortkey-Linux-x86.zip / sortkey-Windows-32.zip)
2. 解壓並將庫檔案複製至 sqllib/function 目錄：
   Linux: sortkey, libicui18n.so.34, libicuuc.so.34, libicudata.so.34
   Windows: sortkey.dll, icuin34.dll, icuuc34.dll, icudt34.dll
3. 連接資料庫 (需 UTF-8 編碼)：db2 connect to sample
4. 執行 DDL 腳本註冊函數：db2 -tvf createfn.db2

自行編譯 (其他平台)

1. 下載安裝 ICU 庫，設定 PATH/LIB/INCLUDE
2. 下載 sortkey-source.zip，複製並修改 sqllib/samples/c/bldrtn (或 .bat)：
   Linux: 加入 ICU_C_FLAGS/ICU_L_FLAGS 至編譯/鏈接命令 (用 icu-config 取得)
   Windows: 鏈接命令加入 icudt.lib icuuc.lib icuin.lib
3. 執行 bldrtn sortkey 編譯
4. 複製產生的 sortkey/sortkey.dll 至 sqllib/function，執行 createfn.db2 註冊

注意：自行編譯的 UDF 要求執行機器完整安裝 ICU。

SORTKEY UDF 使用說明

語法

• Schema: ICU (若在 SQL PATH 中可省略)
• 結果可為 NULL (任一參數為 NULL)
• 長度超過 1200 字節會截斷並警告 (SQLSTATE 01HKY)

參數

• string-expression: CHAR/VARCHAR/GRAPHIC/VARGRAPHIC，最大 100 字元，非 FOR BIT DATA。空字串回傳有效排序鍵。
• collation-name: 排序規則名稱，不分大小寫。空字串 = 預設 UCA。有效值見「排序規則名」定義 (SQLSTATE SKCOL)。
• 必須從 Unicode 資料庫呼叫 (SQLSTATE SKUTF)。

核心應用場景

1. ORDER BY 多語言排序：
   SELECT NAME FROM T ORDER BY ICU.SORTKEY(NAME, 'LEN') (英語)
   SELECT NAME FROM T ORDER BY ICU.SORTKEY(NAME, 'LSK') (斯洛伐克語，CH 排在 H/I 間)
2. 跨表規範化 JOIN：
   德語城市名 Nürnberg vs Nuernberg、Köln vs Koeln。
   普通 JOIN 無法匹配。使用 ICU.SORTKEY(CITY, 'LDE_KPHONEBOOK_S1') (電話簿規則、強度 1 忽略重音) 後比較排序鍵，可正確匹配。
   WHERE ICU.SORTKEY(G1.CITY, 'LDE_KPHONEBOOK_S1') = ICU.SORTKEY(G2.CITY, 'LDE_KPHONEBOOK_S1')

效能優化策略

1. 使用固定排序規則名：準備排序規則開銷大。避免在查詢中逐行動態計算 (如 ICU.SORTKEY(NAME, LANGUAGE))，改用字面值或主機變數。
2. 最小化 SORTKEY 呼叫：資料一致時優先用標準比較，僅最終 ORDER BY 使用 SORTKEY。
3. 使用生成欄預計算：常用排序規則建立生成欄儲存排序鍵：
   NAME_FR_KEY VARCHAR(1200) GENERATED ALWAYS AS (ICU.SORTKEY(NAME, 'LFR'))
   優化器會自動替換。注意儲存空間 (每輸入字元約 12 位元組)，可用 CAST(... AS VARCHAR(600)) 或包裝函數 MY_SORTKEY 縮短長度。

總結

ICU-based SORTKEY UDF 為 DB2 提供了工業級的多語言排序能力，彌補內建排序的侷限。配合生成欄優化，可在生產環境高效支援多語言應用的排序與 JOIN 需求。