문자열 collation을 바꾼 뒤 GROUP BY와 DISTINCT의 그룹 수가 달라질 수 있는 이유는 무엇인가요?

GROUP BY와 DISTINCT는 raw byte가 아니라 표현식의 equality와 collation semantics를 사용하므로, 문자열이 같다고 판정되는 경계가 바뀌면 그룹 수가 바뀔 수 있습니다. 정렬 순서가 바뀌는 것과 동등성 군이 합쳐지는 것은 별도 현상이지만, provider/ICU locale·strength가 실제로 대소문자·악센트 차이를 equality에서 무시하도록 구성된 nondeterministic collation이라면 둘 다 사용자 결과에 영향을 줍니다.

예를 들어 Jose, José, jose를 넣고 악센트·대소문자를 모두 구분하는 규칙과 둘 다 무시하는 규칙을 비교하면 그룹 수가 달라질 수 있습니다. 특정 locale의 숫자를 일반화하지 않고 실제 PostgreSQL 환경에서 COUNT(DISTINCT value), GROUP BY value, UNIQUE 삽입 결과를 같은 표본으로 실행하겠습니다.

페이지네이션에서는 문자열만 cursor로 쓰면 같은 equality군이나 같은 sort key 경계를 안정적으로 표현하기 어렵습니다. ORDER BY name, id로 전체 순서를 만들고 collation version을 cursor에 포함합니다. 규칙 변경 뒤 옛 cursor를 계속 허용하지 않고 재시작 지점을 제공하며, 현재 tenant와 권한도 다시 검사합니다.

Jose, José, jose의 그룹 수는 정렬 순위가 아니라 equality 정책으로 결정됩니다. provider가 악센트·대소문자 차이를 무시하는 collation이면 세 값이 하나의 그룹으로 합쳐질 수 있지만, nondeterministic이라는 이름만으로 그 결과를 확정할 수는 없습니다. 실제 column collation과 expression COLLATE를 조회하고 old/new 환경에서 COUNT(DISTINCT value), GROUP BY, =와 UNIQUE insert를 같은 fixture로 실행합니다.

페이지 순서는 별도 검사합니다. ORDER BY name, id로 유일한 전체 순서를 만들고 cursor에 id와 collation policy version을 함께 서명하지만, 서명이 새 규칙이나 권한을 자동 보장하지는 않습니다. 규칙이 바뀌면 옛 cursor를 만료시키고 새 기준점을 발급하며, equality 군이 합쳐져 UNIQUE rebuild가 실패한 행은 자동 병합하지 않고 보정 큐로 보냅니다.