sql-server - 为什么 NULL 值在 Fact 表中映射为 0？

Question

在事实表（维度建模的数据仓库）中的度量字段中，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 实际上是一个更好的选择，原因有几个。

第一个原因是，当 NULL 存在时，聚合返回“正确”答案（即用户倾向于期望的答案），但当您使用零时给出“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

如果我们假设这里的度量是“制造项目的天数”并且 NULL 表示仍在生产的项目，那么零给出了错误的答案。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，那么如何区分作为默认值的零和作为实际值的零？例如，考虑“以欧元为单位的运费”的度量，其中 NULL 表示客户自己取货，因此没有运费，而零表示订单是免费运送给客户的。在不完全改变数据含义的情况下，您不能使用零来替换 NULL。您显然可以争辩说，应该从其他维度（例如运输方式）明确区分，但这会增加报告和理解数据的复杂性。

Answer 2

这取决于您要建模的内容，但通常是为了避免执行聚合时出现并发症。NULL在许多情况下，将其视为0这些目的是有意义的。

例如，在NULL给定时间段内有订单的客户。或者是有NULL销售收入的销售人员（真丢脸！）。

Answer 3

主要原因是数据库处理空值与空白或零的方式不同，即使它们在人眼中看起来像空白或零。

这是Ralph Kimball关于同一主题的旧设计技巧的链接。

这篇博文讨论了在措施中避免空值并给出了一些建议。

Answer 4

如果您打算对事实列进行平均，则应使用 NULL 而不是 0。这是我唯一一次相信 NULLS 在 dwh 事实或维度上是可以的

如果事实值未知/迟到，则最好保留为 NULL。

诸如 MIN、MAX 之类的聚合函数在 NULLS 上工作，只是忽略它们

（为了记录，拉尔夫·金博尔的一位伙伴在我打算的课程中说过这句话）

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

在高于平均值的 badf 中，结果不正确，因为它使用未知值的零作为字面意义上的 0