浅析NLS_COMP、NLS_SORT(三）
oracle数据库提供了两种排序方式：基于二进制(binary)和基于语言（linguistic）。
基于二进制的排序方法，以字符串的数据库字符集编码为基础，编码靠前的字符排序靠前，反之编码靠后的字符排序靠后。采用二进制排序方式，是oracle数据库的默认选择，具有较好的数据操作性能。但是在某些情况下，可能不能满足我们的排序需求，例如，对于中文排序，依据字符编码往往没有语言意义的，而如果可以采用基于偏旁或者笔画的方式来排序中文，则显得比较人性化一点。
为此，oracle数据库提供了另外一种排序方式：基于语言的排序。同时，基于语言的排序，又可细分为基于单一语言和基于多种语言两种方式。
无论是基于二进制的排序还是基于语言的排序，oracle均通过排序键来进行排序和比较的。排序键是一种二进制格式的数据，在基于二进制的排序方法下，排序键取值与字符集编码，在基于语言的排序方法下，排序键基于一定的算法来获取，例如，来单一语言的排序中，排序键由major value和minor value构成，在多语言的排序中则基于ISO 14651来进行计算。不管采用何种计算方式来获取排序键，排序键的值与具有相同参数的NLSSORT函数的返回值是完全相等的。
在当前会话中，具体采用那种排序方式，是由两个参数NLS_COMP、NLS_SORT来控制的。当前会话的NLS_COMP、NLS_SORT参数默认是从nls_instance_parameters继承而来，当然我们也可以通过环境变量或者alter session来手动更改。
NLS_COMP的取值有三个：BINARY （二进制） LINGUISTIC（基于语言） ANSI(为向后兼容而保留)。
NLS_SORT的取值比较多，可以通过查询v$nls_valid_values的parameter=‘SORT' 来获取。
下图显示了，在NLS_COMP的不同取值下，各种sql操作和函数的排序行为。
例如，当我们进行“=”操作时，如果nls_comp取值为binary，则采用binary排序方式，如果nls_comp取值为linguistic,在采用nls_sort参数指定的排序方式，如果nls_comp取值为ansi,在采用nls_sort参数指定的排序方式。
首先，我们来看一下二进制的排序方式（不管采用何种方式，如果在NLS_SORT参数中添加_CI后缀则表示不区分大小写，添加_AI后缀则表示不区分重读音和大小写）。
SQL> select * from tab_nls;
V BCODE
------------------------------ --------------------
a 61
b 62
A 41
B 42
SQL> select v,bcode,nlssort(v,'NLS_SORT=BINARY') c1 from tab_nls order by c1;
V BCODE C1
------------------------------ -------------------- ------------------------------
A 41 4100
B 42 4200
a 61 6100
b 62 6200
SQL> select v,bcode,nlssort(v,'NLS_SORT=BINARY_CI') c1 from tab_nls order by c1;
V BCODE C1
------------------------------ -------------------- ------------------------------
A 41 6100
a 61 6100
B 42 6200
b 62 6200从这里我们可以看出，二进制排序方式是基于数据库字符集的编码来进行排序的的（BCODE列是v列在数据库中字符集编码的16进制表示）
下面我们来看一下基于单一语言的排序。首先需要说明的是，基于单一语言的排序，只针对字符集是unicode的数据库有效，当字符集为非unicode时，如果指定了单一语言的排序方式，则默认使用基于二进制的排序方法。对于单一语言排序，往往存在与之对应的多语言排序（以_M后缀结束），但这不是必须的。
在单一语言排序中，同样存在_CI和_AI的后缀使用：
_CI:不区分大小写，但是区分重读音，可以排序的字符包括基本字符以及标点符号
_AI:不区分大小写，不区分重读音，可以排序的字符包括基本字符和标点符号
无论_AI和_CI,ORACLE均将标点符号如（“-”，“*”），作为未定义的字符处理，付给器较低的权重，已进行比较。这一点与多语言的排序时有区别的，在多语言排序中，这些符号可能会在排序操作过程中北忽略。
在unicode字符集下：
SQL> select parameter,value from nls_database_parameters;
PARAMETER VALUE
------------------------------ ------------------------------
NLS_LANGUAGE AMERICAN
NLS_TERRITORY AMERICA
NLS_CURRENCY $
NLS_ISO_CURRENCY AMERICA
NLS_NUMERIC_CHARACTERS .,
NLS_CHARACTERSET AL32UTF8
NLS_CALENDAR GREGORIAN
NLS_DATE_FORMAT DD-MON-RR
NLS_DATE_LANGUAGE AMERICAN
NLS_SORT BINARY
NLS_TIME_FORMAT HH.MI.SSXFF AM
PARAMETER VALUE
------------------------------ ------------------------------
NLS_TIMESTAMP_FORMAT DD-MON-RR HH.MI.SSXFF AM
NLS_TIME_TZ_FORMAT HH.MI.SSXFF AM TZR
NLS_TIMESTAMP_TZ_FORMAT DD-MON-RR HH.MI.SSXFF AM TZR
NLS_DUAL_CURRENCY $
NLS_COMP BINARY
NLS_LENGTH_SEMANTICS BYTE
NLS_NCHAR_CONV_EXCP FALSE
NLS_NCHAR_CHARACTERSET AL16UTF16
NLS_RDBMS_VERSION 11.2.0.3.0
已选择20行。SQL> select v,bcode,nlssort(v,'NLS_SORT=FRENCH_CI') c1 from tab_nls order by c1;
V BCODE C1
---------- -------------------- ------------------------------
a 61 14000200
A 41 14000200
a-a 612D61 14140002002D0200
aa 6161 141400020200
aa- 61612D 1414000202002D00
a-b 612D62 14190002002D0200
ab 6162 141900020200
ab- 61622D 1419000202002D00
B 42 19000200
b 62 19000200
已选择10行。
SQL> select v,bcode,nlssort(v,'NLS_SORT=FRENCH') c1 from tab_nls order by c1;
V BCODE C1
---------- -------------------- ------------------------------
A 41 14000100
a 61 14000200
a-a 612D61 14140002002D0200
aa 6161 141400020200
aa- 61612D 1414000202002D00
a-b 612D62 14190002002D0200
ab 6162 141900020200
ab- 61622D 1419000202002D00
B 42 19000100
b 62 19000200
已选择10行。在非UNICODE字符集下：
SQL> select parameter,value from nls_database_parameters;
PARAMETER VALUE
------------------------------ ------------------------------
NLS_LANGUAGE AMERICAN
NLS_TERRITORY AMERICA
NLS_CURRENCY $
NLS_ISO_CURRENCY AMERICA
NLS_NUMERIC_CHARACTERS .,
NLS_CHARACTERSET ZHS16GBK
NLS_CALENDAR GREGORIAN
NLS_DATE_FORMAT DD-MON-RR
NLS_DATE_LANGUAGE AMERICAN
NLS_SORT BINARY
NLS_TIME_FORMAT HH.MI.SSXFF AM
PARAMETER VALUE
------------------------------ ------------------------------
NLS_TIMESTAMP_FORMAT DD-MON-RR HH.MI.SSXFF AM
NLS_TIME_TZ_FORMAT HH.MI.SSXFF AM TZR
NLS_TIMESTAMP_TZ_FORMAT DD-MON-RR HH.MI.SSXFF AM TZR
NLS_DUAL_CURRENCY $
NLS_COMP BINARY
NLS_LENGTH_SEMANTICS BYTE
NLS_NCHAR_CONV_EXCP FALSE
NLS_NCHAR_CHARACTERSET AL16UTF16
NLS_RDBMS_VERSION 11.2.0.3.0
已选择20行。SQL> select v,bcode,nlssort(v,'NLS_SORT=FRENCH') c1 from tab_nls order by c1;
V BCODE C1
------------------------------ -------------------- ------------------------------
A 41 4100
B 42 4200
a 61 6100
a-a 612D61 612D6100
a-b 612D62 612D6200
aa 6161 616100
aa- 61612D 61612D00
ab 6162 616200
ab- 61622D 61622D00
b 62 6200
已选择10行。
SQL> select v,bcode,nlssort(v,'NLS_SORT=FRENCH_CI') c1 from tab_nls order by c1;
V BCODE C1
------------------------------ -------------------- ------------------------------
A 41 4100
B 42 4200
a 61 6100
a-a 612D61 612D6100
a-b 612D62 612D6200
aa 6161 616100
aa- 61612D 61612D00
ab 6162 616200
ab- 61622D 61622D00
b 62 6200
已选择10行。从这里也可以看出，在单一语言排序方式下，如果数据库字符集为非unicode，则采用binary排序方式，且始终区分大小写
最后，让我们来看一下基于语言的多语言排序。
多语言排序并不受字符集的影响，在多语言排序中，ORACLE官方文档将其划分为三个级别：主级别、次级别和第三级别。随着级别的递增，排序时所要考虑的因素也越多，在主级别，排序仅仅考虑待排序字符的大小，不考虑重读音、大小写和标点符号；在次级别，数据库排序需要考虑字符的大小、重读音，但并不好了大小写和标点符号；在第三级别，则字符大小、重读音、大小写和标点符号均需要考虑。那么我们怎么控制排序的级别哪？是通过_AI和_CI后缀来实现的。
示例如下：
主级别：
SQL> select * from (select t.*,nlssort(v,'NLS_SORT=SCHINESE_PINYIN_M_AI') c1,dbms_random.value() c2 from tab_nls t order by c2) order by c1;
V BCODE C1 C2
---------- ---------- ------------------------------ -------------
A 41 01EA .90738545862
a 61 01EA .29131364850
Aa 4161 01EA01EA .98120214993
aA 6141 01EA01EA .04583731581
a-a 612D61 01EA01EA .80005010727
a-A 612D41 01EA01EA .06654449141
u 75 025B .85688941689
ü A8B9 025B .85685506076
已选择8行。
已用时间: 00: 00: 00.00
SQL> 次级别：
SQL> select * from (select t.*,nlssort(v,'NLS_SORT=SCHINESE_PINYIN_M_CI') c1,dbms_random.value() c2 from tab_nls t order by c2) order by c1;
V BCODE C1 C2
---------- ---------- ------------------------------ -------------
a 61 01EA000002 .03900464074
A 41 01EA000002 .85093266211
aA 6141 01EA01EA00000202 .36865684718
a-a 612D61 01EA01EA00000202 .79673747253
a-A 612D41 01EA01EA00000202 .34622505373
Aa 4161 01EA01EA00000202 .92420504676
u 75 025B000002 .44687837071
ü A8B9 025B00000214 .15240488192
已选择8行。
已用时间: 00: 00: 00.01第三级别：
SQL> select * from (select t.*,nlssort(v,'NLS_SORT=SCHINESE_PINYIN_M') c1,dbms_random.value() c2 from tab_nls t order by c2) order by c1;
V BCODE C1 C2
---------- ---------- ------------------------------ -------------
a 61 01EA0000020002 .50154768256
A 41 01EA0000020006 .14626327119
aA 6141 01EA01EA00000202000206 .87899379077
a-a 612D61 01EA01EA0000020200022F02 .02659477873
a-A 612D41 01EA01EA0000020200022F06 .40281310377
Aa 4161 01EA01EA00000202000602 .93223946545
u 75 025B0000020002 .47770920012
ü A8B9 025B000002140002 .44596977028
已选择8行。
已用时间: 00: 00: 00.00从上面的示例，可以看出，在多语言排序时，只有第三级别是可以对标点符号进行排序的，在其他两种级别下，标点符号会被忽略，也就是官方文档中说的标点符号输入忽略字符，忽略字符的概念只在多语言排序中存在。
需要注意的地方：
1：在某些语言中某个字符的大写字符可能对应多个字符，例如德文中的ß对应的大写字符为SS，此时如果在程序中使用upper、lowner、initcap等函数，可能得不到预期的效果，因为这些函数是基于二进制转换的，并没有基于语义。在这种情况下，我们可以尝试NLS_UPPER、nls_lower、NLS_INITCAP等函数，例如：
SQL> SELECT NLS_UPPER ('große','NLS_SORT=XGERMAN'),upper('große') FROM DUAL;
NLS_UP UPPER(
------ ------
GROSSE GROßE2：我们知道，oracle是通过排序键进行排序的，而排序键的数据类型为raw，长度限制为2000字节，因此对于长度超过2000的数据进行某些操作时，可能会得不到预期的效果，例如group by 等；
3：如果我们设置nls_sort nls_comp参数，导致排序操作不是按照二进制方式进行，有可能会影响数据库性能，因为索引是依据二进制格式创建的，这是我们可以创建基于语言的函数索引来提高处理效率，但是，使用基于语言的函数索引是有某些限制的：
为了使优化器走函数索引，索引列必须为not null或者在sql 语句的where子句中指定 where nlssort( 列) is not null；
不是所有的操作都支持基于语言的索引：
