SQL引擎如何比较字符串列？结合查询示例解析底层逻辑

问题背景 #

假设有一张Team表，数据如下：

Team
----
India
Pakistan
Srilanka
Australia

执行以下SQL（修正了原语句里的列名笔误，将t1.name改为t1.team，因为CTE中定义的列是team）：

with teams as (
      select 'India' as team FROM dual UNION ALL
      select 'Pakistan' as team FROM dual UNION ALL
      select 'Srilanka' as team FROM dual UNION ALL
      select 'Australia' as team FROM dual
     )
select t1.team || ' VS ' || t2.team as match
from teams t1 join
     teams t2
     on t1.team < t2.team;

得到结果：

India VS Pakistan
India VS Srilanka
India VS Australia
Pakistan VS Srilanka
Pakistan VS Australia
Srilanka VS Australia

想知道SQL引擎后台是如何执行t1.team < t2.team这类字符串列比较操作的？

实际执行逻辑 #

SQL里的字符串比较并非凭直觉判断首字母或长短，而是严格遵循以下步骤：

1. 确定字符集与排序规则 #

第一步会读取字符串列定义时指定的字符集（如UTF-8、ASCII）和排序规则（如utf8_general_ci不区分大小写、utf8_bin按二进制值比较），这是整个比较的核心依据。

• 举个例子：如果使用二进制排序规则，'India'和'india'会被判定为不相等，因为二者的ASCII码值不同；但如果用不区分大小写的规则，二者会被视为相等。

2. 逐字符对比编码值 #

确定规则后，引擎会将两个字符串拆解为单个字符，逐个对比每个位置上字符的编码值（如ASCII码、Unicode码点）：

• 从第一个字符开始对比，只要某一位的编码值存在差异，直接以此位的结果判定整个字符串的大小关系；
• 若前面的字符完全相同，则继续对比下一个字符，直到出现差异或其中一个字符串结束；
• 若一个字符串是另一个的前缀（如'Ind'和'India'），则更短的字符串会被判定为更小。

以你的例子来说，按默认字典序规则：'Australia'首字母'A'的ASCII码为65，'India'的'I'为73，所以'Australia' < 'India'成立，理论上t1=Australia时能匹配t2=India/Pakistan/Srilanka，你的输出未显示这些组合，大概率是结果展示时按team1的字符串排序导致的，并非比较逻辑问题。

3. 结合JOIN执行计划优化 #

在JOIN场景中，字符串比较会配合执行计划提升效率：

• 如果t1.team或t2.team上建有索引，引擎会利用索引的有序性，直接筛选符合t1.team < t2.team的行，避免先做全表笛卡尔积再过滤；
• 若采用嵌套循环JOIN，会先遍历t1的每一行，再去t2中查找所有满足t2.team > 当前t1.team的行；
• 哈希JOIN更适合等值比较，对于<、>这类范围比较，效率通常不如使用有序索引的嵌套循环或合并JOIN。

4. 类型不一致时先做转换 #

如果参与比较的两个列类型不同（如一个是VARCHAR，一个是CHAR），引擎会先执行隐式类型转换，将二者转为同一类型后再比较。比如CHAR类型会自动补空格到定义长度，再与VARCHAR类型对比。

内容的提问来源于stack exchange，提问作者Jai Barathi