Presto SQL Server连接器中LIKE操作符大小写敏感性问题分析

在Presto与SQL Server数据库集成使用过程中，开发人员发现了一个关于LIKE操作符大小写敏感性的特殊行为。当查询模式以百分号(%)开头时，LIKE操作会变为大小写不敏感，而没有百分号前缀时则保持大小写敏感，这与Presto官方文档描述的标准行为存在不一致。

问题现象

通过一个简单的测试用例可以清晰展示这个问题现象：

-- 创建测试表并插入混合大小写数据
CREATE TABLE casetest (value varchar);
INSERT INTO casetest VALUES ('test-1');
INSERT INTO casetest VALUES ('TEST-2');
INSERT INTO casetest VALUES ('Test-3');

-- 以下查询仅返回'TEST-2'记录（大小写敏感）
SELECT * FROM casetest WHERE value LIKE 'TEST%';

-- 以下查询返回所有三条记录（大小写不敏感）
SELECT * FROM casetest WHERE value LIKE '%TEST%';

技术背景分析

这个问题根源在于SQL Server的排序规则(Collation)设置与Presto连接器实现的交互方式。SQL Server支持多种排序规则，其中包含CI(大小写不敏感)和CS(大小写敏感)两种主要类型。

Presto SQL Server连接器通过SqlServerClient.getCaseSensitivityForColumns方法获取列的大小写敏感性信息。当数据库使用CI类排序规则（如SQL_Latin1_General_CP1_CI_AS）时，该方法会将所有varchar列报告为大小写不敏感。

问题本质

核心问题体现在以下几个方面：

1. 排序规则传播不一致：连接器未能正确处理数据库级排序规则对LIKE操作的影响
2. 查询优化差异：对于'TEST%'模式，Presto会生成值域约束，而'%TEST%'则不会，导致不同的执行路径
3. 下推执行差异：LIKE操作下推到SQL Server时未考虑原始排序规则特性

解决方案方向

Presto开发团队提出了几个潜在的解决方案：

1. 禁用问题场景的下推：对于使用CI排序规则的情况，完全禁用LIKE操作下推
2. 显式指定排序规则：在下推时强制使用CS类排序规则（如Latin1_General_CS_AS）
3. 引入配置参数：类似PostgreSQL连接器的做法，增加控制LIKE下推行为的配置选项

对其他连接器的启示

这个问题提醒我们，在不同数据库系统集成时，需要特别注意：

1. 字符比较语义的差异
2. 排序规则的多层次设置（服务器/数据库/列级别）
3. 操作符下推时的语义一致性保证

ClickHouse等没有编码概念的数据库系统则不存在此类问题，因为它们的字符串处理采用原始字节比较方式。

最佳实践建议

对于当前遇到此问题的用户，可以采取以下临时解决方案：

1. 在SQL Server端使用CS类排序规则
2. 在应用层进行大小写转换处理
3. 避免混合使用不同模式的LIKE条件

开发团队表示将尽快修复此问题，未来版本中会提供更一致的行为表现。