NULL Semantics
説明
テーブルは一連の行で構成され、各行は一連の列が含まれます。列はデータ型に関連付けられ、エンティティの特定の属性を表します(例えば、age
は person
と呼ばれるエンティティの列です)。行が存在する時に、行に固有の列が未知の場合があります。SQL
では、そのような値は NULL
と表されます。このセクションでは、様々な演算子、表現、そのほかの SQL
構造で処理される NULL
値のセマンティクスについて詳しく説明します。
- 比較演算子での Null 処理
- 論理演算子での Null 処理
- 式での Null 処理
- WHERE、HAVING、JOIN 条件での null 処理
- GROUP BY および DISTINCT での null 処理
- ORDER BY での null 処理
- UNION、INTERSECT、EXCEPT での null 処理
- EXISTS、NOT EXISTS サブクエリでの null 処理
- IN、NOT IN サブクエリでの null 処理
以下は、person
という名前のテーブルのスキーマレイアウトとデータを示しています。age
列には NULL
値が含まれ、このテーブルは以下のセクションの様々な例で使われます。TABLE: person
Id | 名前 | Age |
---|---|---|
100 | Joe | 30 |
200 | Marry | NULL |
300 | Mike | 18 |
400 | Fred | 50 |
500 | Albert | NULL |
600 | Michelle | 30 |
700 | Dan | 50 |
比較演算子
Apache spark は、‘>’、‘>=’、‘=’、‘<’、‘<=’ のような標準的な比較演算子をサポートします。これらの演算子の結果は、オペランドのうちの1つあるいは両方のオペランドが未知あるいは NULL
の場合、未知あるいは NULL
です。NULL
の値が等しいかどうかを比較するために、Sparkはnullセーフのイコール演算子 (‘<=>’) を提供します。これは、オペランドの1つがNULL
の場合にFalse
を返し、両方のオペランドが NULL
の場合にTrue
を返します。以下の表は、一方または両方のオペランドが`NULL`の時の比較オペレータの動作を示しています:
Left Operand | Right Operand | > | >= | = | < | <= | <=> |
---|---|---|---|---|---|---|---|
NULL | Any value | NULL | NULL | NULL | NULL | NULL | False |
Any value | NULL | NULL | NULL | NULL | NULL | NULL | False |
NULL | NULL | NULL | NULL | NULL | NULL | NULL | True |
例
-- Normal comparison operators return `NULL` when one of the operand is `NULL`.
SELECT 5 > null AS expression_output;
+-----------------+
|expression_output|
+-----------------+
| null|
+-----------------+
-- Normal comparison operators return `NULL` when both the operands are `NULL`.
SELECT null = null AS expression_output;
+-----------------+
|expression_output|
+-----------------+
| null|
+-----------------+
-- Null-safe equal operator return `False` when one of the operand is `NULL`
SELECT 5 <=> null AS expression_output;
+-----------------+
|expression_output|
+-----------------+
| false|
+-----------------+
-- Null-safe equal operator return `True` when one of the operand is `NULL`
SELECT NULL <=> NULL;
+-----------------+
|expression_output|
+-----------------+
| true|
+-----------------+
論理演算子
Spark は、AND
、OR
、NOT
のような標準的な論理演算子をサポートします。これらの演算子は引数として Boolean
式を取り、Boolean
値を返します。
以下の表は、一方または両方のオペランドが NULL
の時に、論理演算子の動作を示しています。
Left Operand | Right Operand | OR | AND |
---|---|---|---|
True | NULL | True | NULL |
False | NULL | NULL | False |
NULL | True | True | NULL |
NULL | False | NULL | False |
NULL | NULL | NULL | NULL |
operand | NOT |
---|---|
NULL | NULL |
例
-- Normal comparison operators return `NULL` when one of the operands is `NULL`.
SELECT (true OR null) AS expression_output;
+-----------------+
|expression_output|
+-----------------+
| true|
+-----------------+
-- Normal comparison operators return `NULL` when both the operands are `NULL`.
SELECT (null OR false) AS expression_output
+-----------------+
|expression_output|
+-----------------+
| null|
+-----------------+
-- Null-safe equal operator returns `False` when one of the operands is `NULL`
SELECT NOT(null) AS expression_output;
+-----------------+
|expression_output|
+-----------------+
| null|
+-----------------+
式
比較演算子と論理演算子は Spark では式として扱われます。これらの2種類の式以外に、Spark は関数式、キャスト式などの他の形式の式をサポートします。Spark での式は大きく以下のように分類できます:
- Null 不寛容式
NULL
値のオペランドを処理できる式- これらの式の結果は、式自身に依存します。
Null 不寛容式
Null 不寛容式は、式の1つ以上の引数が NULL
の時に NULL
を返し、ほとんどの式はこのカテゴリに該当します。
例
SELECT concat('John', null) AS expression_output;
+-----------------+
|expression_output|
+-----------------+
| null|
+-----------------+
SELECT positive(null) AS expression_output;
+-----------------+
|expression_output|
+-----------------+
| null|
+-----------------+
SELECT to_date(null) AS expression_output;
+-----------------+
|expression_output|
+-----------------+
| null|
+-----------------+
Null 値オペランドを処理できる式
このクラスの式は NULL
値を処理するように設計されています。式の結果は式自身に依存します。例として、関数式 isnull
は null 入力では true
を返し、null 以外の入力では false
を返します。関数 coalesce
は、オペランドのリスト内の最初の NULL
以外の値を返します。ただし、coalesce
は全てのオペランドが NULL
の場合、NULL
を返します。以下はこのカテゴリの式の不完全なリストです。
- COALESCE
- NULLIF
- IFNULL
- NVL
- NVL2
- ISNAN
- NANVL
- ISNULL
- ISNOTNULL
- ATLEASTNNONNULLS
- IN
例
SELECT isnull(null) AS expression_output;
+-----------------+
|expression_output|
+-----------------+
| true|
+-----------------+
-- Returns the first occurrence of non `NULL` value.
SELECT coalesce(null, null, 3, null) AS expression_output;
+-----------------+
|expression_output|
+-----------------+
| 3|
+-----------------+
-- Returns `NULL` as all its operands are `NULL`.
SELECT coalesce(null, null, null, null) AS expression_output;
+-----------------+
|expression_output|
+-----------------+
| null|
+-----------------+
SELECT isnan(null) AS expression_output;
+-----------------+
|expression_output|
+-----------------+
| false|
+-----------------+
組み込みの集約式
集約関数は一連の入力行を処理して単一の結果を計算します。以下は、NULL
値が集約関数によって処理される方法のルールです。
NULL
値は全ての集約関数による処理から無視されます。- このルールの唯一の例外は、COUNT(*) 関数です。
- 一部の集約関数は、全ての入力値が
NULL
であるか、入力データセットが空の場合に、NULL
を返します。
これらの関数のリストは以下の通りです:- MAX
- MIN
- SUM
- AVG
- EVERY
- ANY
- SOME
例
-- `count(*)` does not skip `NULL` values.
SELECT count(*) FROM person;
+--------+
|count(1)|
+--------+
| 7|
+--------+
-- `NULL` values in column `age` are skipped from processing.
SELECT count(age) FROM person;
+----------+
|count(age)|
+----------+
| 5|
+----------+
-- `count(*)` on an empty input set returns 0. This is unlike the other
-- aggregate functions, such as `max`, which return `NULL`.
SELECT count(*) FROM person where 1 = 0;
+--------+
|count(1)|
+--------+
| 0|
+--------+
-- `NULL` values are excluded from computation of maximum value.
SELECT max(age) FROM person;
+--------+
|max(age)|
+--------+
| 50|
+--------+
-- `max` returns `NULL` on an empty input set.
SELECT max(age) FROM person where 1 = 0;
+--------+
|max(age)|
+--------+
| null|
+--------+
WHERE、HAVING、JOIN 句の条件式
WHERE
、HAVING
演算子は、ユーザが指定した条件に基づいて行をフィルタします。JOIN
演算子は、結合条件に基づいて2つのテーブルの行を結合するために使われます。3つの演算子すべてについて、条件式はブール式であり、True、False、未知 (NULL)
を返すことができます。条件の結果が True
の場合、これらは “satisfied” です。
例
-- Persons whose age is unknown (`NULL`) are filtered out from the result set.
SELECT * FROM person WHERE age > 0;
+--------+---+
| name|age|
+--------+---+
|Michelle| 30|
| Fred| 50|
| Mike| 18|
| Dan| 50|
| Joe| 30|
+--------+---+
-- `IS NULL` expression is used in disjunction to select the persons
-- with unknown (`NULL`) records.
SELECT * FROM person WHERE age > 0 OR age IS NULL;
+--------+----+
| name| age|
+--------+----+
| Albert|null|
|Michelle| 30|
| Fred| 50|
| Mike| 18|
| Dan| 50|
| Marry|null|
| Joe| 30|
+--------+----+
-- Person with unknown(`NULL`) ages are skipped from processing.
SELECT * FROM person GROUP BY age HAVING max(age) > 18;
+---+--------+
|age|count(1)|
+---+--------+
| 50| 2|
| 30| 2|
+---+--------+
-- A self join case with a join condition `p1.age = p2.age AND p1.name = p2.name`.
-- The persons with unknown age (`NULL`) are filtered out by the join operator.
SELECT * FROM person p1, person p2
WHERE p1.age = p2.age
AND p1.name = p2.name;
+--------+---+--------+---+
| name|age| name|age|
+--------+---+--------+---+
|Michelle| 30|Michelle| 30|
| Fred| 50| Fred| 50|
| Mike| 18| Mike| 18|
| Dan| 50| Dan| 50|
| Joe| 30| Joe| 30|
+--------+---+--------+---+
-- The age column from both legs of join are compared using null-safe equal which
-- is why the persons with unknown age (`NULL`) are qualified by the join.
SELECT * FROM person p1, person p2
WHERE p1.age <=> p2.age
AND p1.name = p2.name;
+--------+----+--------+----+
| name| age| name| age|
+--------+----+--------+----+
| Albert|null| Albert|null|
|Michelle| 30|Michelle| 30|
| Fred| 50| Fred| 50|
| Mike| 18| Mike| 18|
| Dan| 50| Dan| 50|
| Marry|null| Marry|null|
| Joe| 30| Joe| 30|
+--------+----+--------+----+
集約演算子 (GROUP BY、DISTINCT)
前のセクション 比較演算子 で説明したように、2つの NULL
値は等しくありません。ただし、グループ化と個別の処理のために、NULL データ
の2つ以上の値は同じバケットにグループ化されます。この動作は、SQL標準および他のエンタープライズデータベース管理システムに準拠しています。
例
-- `NULL` values are put in one bucket in `GROUP BY` processing.
SELECT age, count(*) FROM person GROUP BY age;
+----+--------+
| age|count(1)|
+----+--------+
|null| 2|
| 50| 2|
| 30| 2|
| 18| 1|
+----+--------+
-- All `NULL` ages are considered one distinct value in `DISTINCT` processing.
SELECT DISTINCT age FROM person;
+----+
| age|
+----+
|null|
| 50|
| 30|
| 18|
+----+
ソート演算子 (ORDER BY 句)
Spark SQL は、ORDER BY
句での null 順番指定をサポートします。Spark は、null の順序指定に応じて全ての NULL
値を最初または最後に置くことで、ORDER BY
句を処理します。デフォルトでは、全ての NULL
値は最初に置かれます。
例
-- `NULL` values are shown at first and other values
-- are sorted in ascending way.
SELECT age, name FROM person ORDER BY age;
+----+--------+
| age| name|
+----+--------+
|null| Marry|
|null| Albert|
| 18| Mike|
| 30|Michelle|
| 30| Joe|
| 50| Fred|
| 50| Dan|
+----+--------+
-- Column values other than `NULL` are sorted in ascending
-- way and `NULL` values are shown at the last.
SELECT age, name FROM person ORDER BY age NULLS LAST;
+----+--------+
| age| name|
+----+--------+
| 18| Mike|
| 30|Michelle|
| 30| Joe|
| 50| Dan|
| 50| Fred|
|null| Marry|
|null| Albert|
+----+--------+
-- Columns other than `NULL` values are sorted in descending
-- and `NULL` values are shown at the last.
SELECT age, name FROM person ORDER BY age DESC NULLS LAST;
+----+--------+
| age| name|
+----+--------+
| 50| Fred|
| 50| Dan|
| 30|Michelle|
| 30| Joe|
| 18| Mike|
|null| Marry|
|null| Albert|
+----+--------+
Set オペレータ (UNION、INTERSECT、EXCEPT)
NULL
値は、set 操作のコンテキストで等しいかどうかについて null セーフな方法で比較されます。つまり、行を比較する時、通常の EqualTo
(=
) 演算子と異なり、2つの NULL
値は等しいと見なされます。
例
CREATE VIEW unknown_age SELECT * FROM person WHERE age IS NULL;
-- Only common rows between two legs of `INTERSECT` are in the
-- result set. The comparison between columns of the row are done
-- in a null-safe manner.
SELECT name, age FROM person
INTERSECT
SELECT name, age from unknown_age;
+------+----+
| name| age|
+------+----+
|Albert|null|
| Marry|null|
+------+----+
-- `NULL` values from two legs of the `EXCEPT` are not in output.
-- This basically shows that the comparison happens in a null-safe manner.
SELECT age, name FROM person
EXCEPT
SELECT age FROM unknown_age;
+---+--------+
|age| name|
+---+--------+
| 30| Joe|
| 50| Fred|
| 30|Michelle|
| 18| Mike|
| 50| Dan|
+---+--------+
-- Performs `UNION` operation between two sets of data.
-- The comparison between columns of the row ae done in
-- null-safe manner.
SELECT name, age FROM person
UNION
SELECT name, age FROM unknown_age;
+--------+----+
| name| age|
+--------+----+
| Albert|null|
| Joe| 30|
|Michelle| 30|
| Marry|null|
| Fred| 50|
| Mike| 18|
| Dan| 50|
+--------+----+
EXISTS/NOT EXISTS サブクエリ
Spark では、EXISTS と NOT EXISTS 式は WHERE 句の中で使用できます。これらは、TRUE
または FALSE
のどちらかを返すブール式です。つまり、EXISTS はメンバーシップ条件であり、それが参照するサブクエリが1つ以上の行を返す場合、TRUE
を返します。同様に、NOT EXISTS は非メンバーシップ条件であり、サブクエリから行が返されなかったり、0行の場合に、TRUE を返します。
これら2つの式は、サブクエリの結果に NULL が存在しても影響を受けません。null の認識のための特別な準備無しに、semijoin / anti-semijoin に変換できるため、通常は高速です。
例
-- Even if subquery produces rows with `NULL` values, the `EXISTS` expression
-- evaluates to `TRUE` as the subquery produces 1 row.
SELECT * FROM person WHERE EXISTS (SELECT null);
+--------+----+
| name| age|
+--------+----+
| Albert|null|
|Michelle| 30|
| Fred| 50|
| Mike| 18|
| Dan| 50|
| Marry|null|
| Joe| 30|
+--------+----+
-- `NOT EXISTS` expression returns `FALSE`. It returns `TRUE` only when
-- subquery produces no rows. In this case, it returns 1 row.
SELECT * FROM person WHERE NOT EXISTS (SELECT null);
+----+---+
|name|age|
+----+---+
+----+---+
-- `NOT EXISTS` expression returns `TRUE`.
SELECT * FROM person WHERE NOT EXISTS (SELECT 1 WHERE 1 = 0);
+--------+----+
| name| age|
+--------+----+
| Albert|null|
|Michelle| 30|
| Fred| 50|
| Mike| 18|
| Dan| 50|
| Marry|null|
| Joe| 30|
+--------+----+
IN/NOT IN サブクエリ
Spark では、IN
と NOT IN
式は、クエリの WHERE 句の中で使用できます。EXISTS
式と異なり、IN
式は TRUE
、FALSE
、UNKNOWN (NULL)
値を返すことができます。概念的には、IN
式は、離接演算子 (OR
) によって区切られた一連の透過条件と意味的に同等です。例えば、c1 IN (1, 2, 3) は、(C1 = 1 OR c1 = 2 OR c1 = 3)
と意味的に同等です。
NULL
値の処理に関する限り、セマンティクスは、比較演算子 (=
) および論理演算子 (OR
) での NULL
値の処理から推測できます。要約のために、IN
式の結果を計算するためのルールを以下に示します。
- リストで no-NULL 値が見つかった場合、TRUE が返されます。
- リストに no-NULL 値が見つからず、リストが NULL 値を含まない場合は、FALSE が返されます。
- 値が
NULL
の場合、またはリストに non-NULL が見つからず、リストに少なくとも1つのNULL
値が含まれている場合、UNKNOWN が返されます。
NOT IN は、リストに NULL
が含まれる場合、入力値に関係なく、常に UNKNOWN を返します。これは、NULL
を含むリストに値が含まれていない場合、IN は UNKNOWN を返し、NOT UNKNOWN は再び UNKNOWN になるためです。
例
-- The subquery has only `NULL` value in its result set. Therefore,
-- the result of `IN` predicate is UNKNOWN.
SELECT * FROM person WHERE age IN (SELECT null);
+----+---+
|name|age|
+----+---+
+----+---+
-- The subquery has `NULL` value in the result set as well as a valid
-- value `50`. Rows with age = 50 are returned.
SELECT * FROM person
WHERE age IN (SELECT age FROM VALUES (50), (null) sub(age));
+----+---+
|name|age|
+----+---+
|Fred| 50|
| Dan| 50|
+----+---+
-- Since subquery has `NULL` value in the result set, the `NOT IN`
-- predicate would return UNKNOWN. Hence, no rows are
-- qualified for this query.
SELECT * FROM person
WHERE age NOT IN (SELECT age FROM VALUES (50), (null) sub(age));
+----+---+
|name|age|
+----+---+
+----+---+