为什么 NULL 值在事实表中映射为 0？

Question

在事实表（维度建模数据仓库）的度量字段中，NULL 值通常映射为 0 的原因是什么？

Answer 1

尽管您已经接受了另一个答案，但我想说使用 NULL 实际上是更好的选择，原因有几个。

第一个原因是，当 NULL 存在时，聚合会返回“正确”答案（即用户倾向于期望的答案），但当使用零时，会给出“错误”答案。考虑这两个查询中 AVG() 的结果：

-- with zero; gives 1.5
select SUM(measure), AVG(measure)
from
(
select 1.0 as 'measure'
union all
select 2.0
union all
select 3.0
union all
select 0
) dt

-- with null; gives 2
select SUM(measure), AVG(measure)
from
(
select 1.0 as 'measure'
union all
select 2.0
union all
select 3.0
union all
select null
) dt

如果我们假设此处的度量是“制造商品的天数”，并且 NULL 表示仍在生产的商品，那么零会给出错误的答案。同样的推理也适用于 MIN() 和 MAX()。

第二个问题是，如果零是默认值，那么如何区分默认值零和实际值零？例如，考虑“欧元运费”的衡量标准，其中 NULL 表示客户自己领取订单，因此没有运费，零表示订单免费运送给客户。你不能用零来代替NULL而不完全改变数据的含义。您显然可以争辩说，从其他维度（例如运输方式）来看，区别应该很明显，但这增加了报告和理解数据的复杂性。

Answer 2

这取决于您要建模的内容，但一般来说，这是为了避免执行聚合时出现复杂情况。在许多情况下，出于这些目的，将 NULL 视为 0 是有意义的。

例如，客户在给定时间段内有 NULL 订单。或者销售收入NULL的销售人员（真丢脸！）。

Answer 3

主要原因是数据库对空的处理方式与空白或零不同，即使它们在人眼中看起来像空白或零。

这是链接到Ralph Kimball关于同一主题的旧设计技巧。

这篇博文讨论如何避免度量中出现空值并给出了一些建议。

Answer 4

如果您打算对事实列求平均值，则应使用 NULL 而不是 0。这是我唯一一次相信 NULL 在 dwh 事实或维度中是可以的，

如果事实值未知/延迟到达，那么保留 NULL 是最好的。

诸如 MIN、MAX 之类的聚合函数在 NULLS 上工作，只是忽略它们

（据记录，Ralph Kimball 的一位助手在他的课程中说过这一点）

with goodf as
(
select 1  x
union all
select null 
union all
select 4
)
select sum(x) sumx,min(x) minx,max(x) maxx,avg(cast(x as float)) avgx 
from goodf


with badf as
(
select 1  x
union all
select 0 /* unknown */ 
union all
select 4
)
select sum(x) sumx,min(x) minx,max(x) maxx,avg(cast(x as float)) avgx 
from badf

在 badf 中，高于平均值的结果是不正确的，因为它使用未知值的零作为字面意思 0