从 DB2（en_US 归类）切换到 Snowflake（默认归类 UTF-8）是个好主意吗？

Question

在我工作的公司，他们即将从遗留的 DB2 数据库迁移到 Snowflake。

Database Configuration for Database DWPROD
    Database territory                                      = US
    Database code page                                      = 819
    Database code set                                       = ISO8859-1
    LANG=en_US

目标数据库已默认配置，即 UTF-8 排序规则。 在将数据加载到 Snowlake 之前，已经需要修剪所有文本列，因为尾随空格会导致某些连接出现问题。 （在 DB2 方面，整理负责处理它） 我现在已经意识到另一个明显的排序问题：
使用 UTF-8 的 Snowflake 在小写字母之前对大写字母进行排序（首先是 A-Z，然后是 a-z）。另一方面，DB2 在 b、B 等之前对 a、A 进行排序。

我试图找到更多的例子来说明可能会出现什么问题，这样我就可以展示它们来阻止这种疯狂。

我已经收集了上面列出的问题的示例。 我期待（梦想）从对整理、unicode 有很多经验的有经验的人那里得到一些答案。有些人可能会说这是关于基本的东西。但是现在似乎每个人都忽略了它。当此类迁移失败或需要重做时，在这里分享一些故事也很棒。

Answer 1

了解在 Snowflake 上使用非默认排序规则的限制很重要：

https://docs.snowflake.com/en/sql-reference/collation.html#collation-limitations

就我个人而言，UDF 的限制是避免更改默认排序规则的充分理由。有时根本没有 UDF 的替代品，当您需要一个 UDF 而不能将其与非默认排序规则一起使用时，这就是一个问题。字符串限制从 16 Mb 减少到 8 Mb，并且不支持数组、对象和变体中的整理字符串也是一个主要考虑因素。

您可以使用 trim() 和 ilike 而不是 like 来处理区分大小写和尾随/前导空格。对于排序，您可能需要有一个上/下列，这是一种处理数据库中区分大小写比较的古老方法。