如何在我的数据库中避免 NULL，同时还表示丢失的数据？

Posted 2023-03-08

【中文标题】如何在我的数据库中避免 NULL，同时还表示丢失的数据？

【英文标题】：How can I avoid NULLs in my database, while also representing missing data?

【发布时间】：2011-05-19 05:05:12

【问题描述】：

在SQL and Relational Theory（C.J. Date, 2009）第 4 章中提倡避免重复行，同时也避免在我们存储的数据中使用NULL 属性。虽然避免重复行没有问题，但我正在努力了解如何在不使用NULL 的情况下对数据进行建模。以以下为例 - 这有点工作。

我们有一个artist 表，其中除其他列外，还有一个gender 列。这是gender 表的外键。然而，对于一些艺术家，我们不知道他们的性别——例如，我们得到了一份新音乐列表，其中没有艺术家的描述。如果不使用NULL，如何代表这些数据？我看到的唯一解决方案是在gender 表中添加一个新的性别“未知”。

虽然我非常喜欢这本书，但当本章结束时我真的很失望：

当然，如果禁止使用空值，则必须通过其他方式处理丢失的信息。不幸的是，这些其他方法过于复杂，无法在此详细讨论。

这真是令人遗憾 - 因为这是我等待阅读的解决方案！有一个参考阅读附录，其中有很多出版物可供阅读，但在我深入阅读这些之前，我希望能得到更多的实际总结。

---

我得到一些人的评论，他们不明白为什么我希望避免“NULL”，所以我将再次引用这本书。进行以下查询：

SELECT s.sno, p.pno
  FROM s, p
 WHERE s.city <> p.city
    OR p.city <> 'Paris'

现在，以 s.city 为伦敦，p.city 为巴黎为例。在本例中，伦敦 巴黎，所以查询为真。现在假设 p.city 不是巴黎，实际上是 xyz。在这种情况下，(London xyz) OR (xyz Paris) 也是 True。所以，给定任何数据——这个查询是真的。但是，如果 xyz 为“NULL”，则情况会发生变化。在这种情况下，这两个表达式都不是 True 也不是 False，它们实际上是 Unknown。在这种情况下，由于结果未知，您将不会返回任何行。

从 2 值逻辑到 3 值逻辑的转变很容易引入这样的错误。事实上，我刚刚在工作中介绍了一个激发这篇文章的动机。我想要type != 0 所在的所有行但是，这实际上最终匹配type == 0 OR type IS NULL - 令人困惑的行为。

未来我是否使用NULL 对我的数据进行建模尚不清楚，但我很好奇其他解决方案是什么。 （我也一直认为如果你不知道，你应该使用NULL）。

【问题讨论】：

NULL 和 unknown 是不同的。 NULL 表示不填写；未知表示您目前无法确定。

“理论上，理论和实践之间没有区别。在实践中，有” - Jeff Atwood

空值总是会导致不正确的结果 - 即与它们应该代表的任何事物的现实和逻辑不匹配的结果。由于没有它们，所有信息都可以准确表示，因此仅在特殊情况下才应使用空值。

性别表有多少行？

男/女/文件未找到

【参考方案1】：

你很好，消除了 Null。我从来没有在我的任何数据库中允许 Null。

当然，如果禁止使用空值，那么丢失的信息将不得不通过其他方式处理。不幸的是，这些其他方法过于复杂，无法在此详细讨论。

其实一点也不难。有三种选择。

这是 H Darwen 撰写的关于 How To Handle Missing Information Without Using NULL 的论文，它可能有助于解决这个问题。

1.1。第六范式就是答案。但是您不必将您的整个数据库标准化为 6NF。对于可选的每一列，您需要一个主表之外的子表，只有 PK，这也是 FK，因为它是 1::0-1 关系。除了 PK，唯一的列是可选列。

看看这个Data Model;第4页的AssetSerial是一个经典案例：不是所有Assets都有SerialNumbers；但是当他们这样做时，我希望他们存储它们；更重要的是，我想确保它们是唯一的。

（顺便提一下，对于那些面向 OO 的人来说，这是一个关系表示法的三层类图，一个“具体表继承”，没什么大不了的，我们已经有 30 年了。）

1.2。对于每个这样的表，使用视图来提供表的 5NF 形式。当然，使用 Null（或适用于该列的任何值）来识别任何行的列不存在。但不要通过视图更新。

1.3 不要使用直连接来抓取 6NF 列。也不要使用外连接（并让服务器为缺失的行填充 Null）。使用子查询来填充列，并指定要为缺失值返回的值（除非您有 Oracle，因为它的子查询处理甚至比它的集合处理更差）。例如。只是一个例子。您可以将数字列转换为字符串，并对缺失的行使用“Missing”。

如果您不想走那么远 (6NF)，您还有两个选择。

您可以使用 Null 替换。我将 CHAR(0) 用于字符列，将 0 用于数字。但我不允许 FK 这样做。显然，您需要一个超出正常数据范围的值。这不允许三值逻辑。

除了 (2) 之外，对于每个 Nullable 列，您还需要一个布尔指示符。对于Sex 列的示例，指标类似于SexIsMissing 或SexLess（抱歉）。这允许非常严格的三值逻辑。这 5% 中的许多人都喜欢它，因为 db 保持在 5NF（以及更少的表）；缺少信息的列加载了从未使用过的值；它们仅在指标为假时使用。如果您有企业数据库，则可以将其包装在函数中，并始终使用 UDF，而不是原始列。

当然，在所有情况下，您都无法避免编写处理丢失信息所需的代码。无论是ISNULL()，还是 6NF 列的子查询，还是使用值前要检查的 Indicator，还是 UDF。

如果 Null 有特定含义... 那么它就不是 Null！根据定义，Null 是未知值。

【讨论】：

+1 以获得 H Darwen 论文的链接。然而，在我看来，他从一个表的案例研究开始，在这个讨论中，没有人会首先允许 NULL。如果有一个所有意见都存在分歧的例子就好了，比如说 50-50。

感谢您的回答！是的，可悲的是，很多人似乎并没有真正理解我的观点，只是假设我没有“得到”NULL——这根本不是真的；我只是不认为任何事情是最终的方法，并且喜欢保持我的选择开放。再次感谢！

这种“解决方案”总是让我觉得被骗的地方是：“指定你想要为缺失值返回的值”。如果你打算有一个“哨兵值”，那么你要么必须在某种类型中保留这样的值（例如0，''），要么你需要将你的类型与不属于领域。这就是null 首先的用途。所以你似乎回到了你开始的地方。

@IMSoP。呃没有。我没有null，所以我没有问题。你有空，和问题。你习惯了兜圈子，一遍遍地看起点，所以你认为别人也是这样。我不。无论如何，我不是在回答你的问题。不要用我的解决方案，用你的“解决方案”，不要担心另一半的生活。如果你猜测它们，你肯定会崩溃，并欺骗自己。如果您真的不明白，请提出问题，而不是发表声明。

@PerformanceDBA 我不确定你为什么要亲自处理这个问题。如果我说的话以任何方式冒犯了你，我很抱歉。我并不是说我“感觉被你 欺骗了”，而是声称“NULL 是不必要的”，而实际上它似乎归结为“NULL 可以更好地实现”。我的问题是：当您引入哨兵值时（例如在第 1.3 点或第 2 点中），在某些情况下是否不需要重新实现 3VL，例如回答“工资 > 5000 美元？”的问题。对于带有“salary = 'Unknown'”的项目？如果是这样，这与谨慎使用 NULL 有何不同？

【参考方案2】：

那么你如何设计没有NULLS？那是最初的问题。

其实很简单。您的设计使得每当您必须丢失一些数据时，您可以通过丢失整行来做到这一点。如果一行不存在，则它不是充满 NULL 的行。它根本不存在。

因此，在“DateOfDeath”的情况下，我们有一个包含两列的表，即 PersonId 和 DateOfDeath。 PersonId 引用 Persons 表中的 Id。如果没有要存储的 DateOfDeath，我们不存储该行。讨论完毕。

如果您在此表和 Persons 表之间进行 OUTER JOIN，那么在没有行的地方，您将得到 DateOfDeath 的 NULL。如果你在 where 子句中使用它，你会得到关于 3 值逻辑的通常令人困惑的行为。如果您执行 INNER JOIN，则没有 DateOfDeath 的行将从连接中消失。

允许每列强制执行 NOT NULL 的设计被称为第六范式。

说了这么多，我经常允许在非关键列中使用 NULL。而且我没有简洁的方式告诉你我如何确定一个列是关键的。

【讨论】：

简洁、非宗教、实用的建议结束。很好的答案！

6NF 与空值无关。

【参考方案3】：

很简单，只存储已知信息——换句话说，封闭世界假设。目标是至少处于 Boyce Codd / 第五范式，这样你就不会出错。

【讨论】：

你有什么关于封闭世界假设的推荐读物吗？我似乎也需要去阅读 3NF 之后的额外阅读。谢谢！

【参考方案4】：

nulls 是理论与现实相遇的结果，必须进行调整才能使用。在我看来，试图避免所有 null 值最终会导致比仅在适当的情况下使用 null 更难看且更难维护的代码。

【讨论】：

我同意。理论是实用的，但这个真理有其局限性。从理论上讲，理论与实践没有区别。在实践中，有。问题通常来自于数据库文档中没有明确说明，给定的 NULL 实际意味着什么，除了“这里没有数据”。

null 是一个有效值。数据库对此没有任何意义。应用程序文档应记录超出“无数据”的含义。

【参考方案5】：

NULL 是必需的 - 无需替换它们

NULL 的全部定义是它的未知 - 简单地用任意类型替换它就是做同样的事情，那为什么呢？

对于下面的cmets：

刚刚试过 - 两者都不是真的：

declare @x char
set @x = null

if @x = @x
begin
select 'true'
end

if @x <> @x
begin
select 'false'
end

我只能认为这是因为 null 是未知的，所以不能说它等于或不等于 - 因此两个陈述都是错误的

【讨论】：

同意。无法理解为什么 OP 想跳过 NULL

空值表示未知的误解很常见，但显然是不正确的（至少在 SQL 中）。 SQL 不会那样使用空值。想想表达式 x=x。如果 x 未知，则该表达式的结果将为 TRUE。但是，如果 x 为 null，则情况并非如此。因此 null 并不意味着“未知”。

@ m.edmondson ：您的示例说明了问题，但您的结论肯定是错误的。在数学、逻辑和现实世界中，如果 x 未知，则 x = x 为 TRUE。如果不是，那么代数和大多数科学都是不可能的。 Null 与“未知”的东西不同，如果你假装它是，那么你肯定会从你的 SQL 中得到错误的结果——比如你在这里演示的那个。

aCiD2 - 这根本不是真的。如果我有两种水果但没有告诉你是哪一种，你就不能确定它们是相同的还是不同的，因为你有一个未知的

x=x 为真的断言背后有两个假设。第一个假设是“x”的两个实例指的是同一个东西。第二个假设是，虽然 x 的值未知，但仍然可以断言 x 具有值。这些都是合理的假设，但如果要使用 NULL 来传达消息，则值得以某种方式明确说明它们。我更喜欢将 NULL 视为消息的非通信。这与某种默认消息的通信不同。

【参考方案6】：

NULL 可以/应该使用，只要：

A) 您有商业原因。例如，在付款表中，NULL 付款值表示从未付款。 0.00 支付价值意味着我们故意不支付任何费用。对于医疗图表，血压读数的NULL 值表示您没有测量血压，0 值表示患者已经死亡。这是一个显着的区别，在某些应用中是必需的。

B) 您的查询说明了这一点。如果您了解NULL 对IN、EXISTS、不等式运算符（如您在OP 中指定）等的影响，那么这应该不是问题。如果您的表中现在有 NULL 并且不希望某些应用程序的值，您可以使用视图和 COALESCE 或 ISNULL 如果源表有 NULL 来填充不同的值。

编辑：

使用NULL 解决 OP 关于“现实世界”不等式/等式的问题，这是我有时使用的一个很好的例子。

您正在和另外 3 个人参加聚会。您知道一个人叫“John”，但不认识其他人。

逻辑上，“有多少人叫乔”的答案是未知的或NULL。在 SQL 中，这类似于

SELECT name FROM party where NAME = 'Joe' 你不会得到任何行，因为你不知道他们的名字。他们可能是也可能不是乔。

你的不等式是：

SELECT name from party where NAME <> 'Joe' 你只会得到“John”的返回值，因为你只知道 John 的名字。其他人可能是也可能不是乔，但你无法知道。

【讨论】：

@dportas ：如果您知道没有付款，使用NULL 比添加“未付款”列容易得多。

给 NULLS 赋予意义就像给狗在夜间吠叫失败赋予意义一样。它可能非常聪明，但也可能非常冒险。例如，死亡日期中的 NULL 可能表示此人还活着，但也可能表示在死亡日期留空的情况下输入了死亡证明。

@Valentin -- 不说付款与说没有付款是两回事。

@JNK。哇。您将大量字符信息打包到数字列中。或者你所有的列都是VARCHARS。您谈论业务的方式是关于人，而不是关于适当的业务决策，基于已知事实。

@JNK：当然。阅读我的答案，以及人们留下的 cmets。

【参考方案7】：

我不同意作者的观点，并声称 NULL 实际上是处理可选字段缺失数据的正确方法。事实上，这就是NULL存在的原因......

对于您关于性别的具体问题：

您确定需要一个性别表并为每个查询产生额外的连接成本吗？对于简单的枚举类型，将字段设为 int 并定义 1=male, 2=female, NULL=unknown 并非不合理。

【讨论】：

你不同意 Codd & Date，我喜欢它！！！您已经编写了关系模型的继任者，是吗？ ENUM 不是 ISO/IEC/ANSI 标准 SQL；它是城镇免费软件的非标准扩展。连接没什么好害怕的。

【参考方案8】：

尽可能不要将列定义为 NULL。对我来说，它与您希望 NULL 表示它与磁盘 I\O 的业务规则无关。

在 SQL Server 中，一个可为空的列，比如一个字符 10，当为空时将占用位图中的一位，而当不可为空时将占用 10 个字节。那么空值如何损害磁盘 I/O。它伤害的方式是当一个值被插入到曾经是空值的列中时。由于 SQL 没有保留空间，因此行中没有空间来放置值，因此 SQL Server 必须移动数据以腾出空间。如果这是一个 HEAP，页面拆分、碎片、更新 RID 等都会损害磁盘 I/O。

顺便说一句，如果有性别表，我们可以为“无法确定个人的真实性起源或状态”添加另一行。

【讨论】：

假设你有一台“完美的电脑”——无限的内存（内存+磁盘），速度超快。你还会这样设计吗？如果是，那就这样吧。但是，如果不是，那么您是围绕硬件限制进行设计，而不是围绕业务需求进行设计。在过去约 15 年中，普通 PC 的磁盘空间增加了 1000 多倍，内存至少增加了 250 倍。

@Damir Sudarevic ：即使您拥有一台“完美的计算机”，您当然也应该设计没有空值的数据库。原因是为了保证正确性，而不是为了优化硬件。空值会导致不正确的结果，并且不能准确地模拟现实，因此通常应该避免它们。