NULL セマンティクス
テーブルは行のセットで構成され、各行は列のセットを含みます。列はデータ型に関連付けられており、エンティティの特定の属性を表します(例:age は person というエンティティの列です)。場合によっては、行の特定の列の値は、行が存在する時点では不明です。SQL では、このような値は NULL として表されます。このセクションでは、さまざまな演算子、式、およびその他の SQL 構造における NULL 値の処理セマンティクスについて詳しく説明します。
- 比較演算子
- 論理演算子
- 式
- WHERE、HAVING、JOIN 句の条件式
- 集計演算子 (GROUP BY、DISTINCT)
- ソート演算子 (ORDER BY 句)
- セット演算子 (UNION、INTERSECT、EXCEPT)
- EXISTS/NOT EXISTS サブクエリ
- IN/NOT IN サブクエリ
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。データには age 列に NULL 値が含まれており、このテーブルは以下のセクションのさまざまな例で使用されます。
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、>、>=、=、<、<= などの標準的な比較演算子をサポートしています。これらの演算子の結果は、オペランドのいずれかまたは両方が不明または NULL の場合、不明または NULL になります。等価性のために NULL 値を比較するために、Spark は NULL セーフ等価演算子(<=>)を提供します。これは、オペランドのいずれかが NULL の場合は False を返し、両方のオペランドが NULL の場合は True を返します。次の表は、1 つまたは両方のオペランドが NULL の場合の比較演算子の動作を示しています。
| 左オペランド | 右オペランド | > | >= | = | < | <= | <=> |
|---|---|---|---|---|---|---|---|
| NULL | 任意の値 | NULL | NULL | NULL | NULL | NULL | False |
| 任意の値 | 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 などの標準的な論理演算子をサポートしています。これらの演算子は Boolean 式を引数として受け取り、Boolean 値を返します。
次の表は、1 つまたは両方のオペランドが NULL の場合の論理演算子の動作を示しています。
| 左オペランド | 右オペランド | OR | AND |
|---|---|---|---|
| True | NULL | True | NULL |
| False | NULL | NULL | False |
| NULL | True | True | NULL |
| NULL | False | NULL | False |
| NULL | NULL | NULL | NULL |
| オペランド | 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 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もサポートしています。Spark の式は、大きく次のように分類できます。
- NULL 不許容式
NULL値オペランドを処理できる式- これらの式の結果は、式自体に依存します。
NULL 不許容式
NULL 不許容式は、式に 1 つ以上の引数が NULL の場合に NULL を返します。ほとんどの式はこのカテゴリに属します。
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、式自体に依存します。たとえば、関数式 isnull は、NULL 入力に対して true を返し、非 NULL 入力に対して false を返しますが、関数 coalesce は、オペランドのリストで最初の非 NULL 値を返します。ただし、coalesce は、すべてのオペランドが NULL の場合に 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|
+-----------------+
組み込み集計式
集計関数は、入力行のセットを処理することで単一の結果を計算します。以下は、集計関数が NULL 値をどのように処理するかについてのルールです。
NULL値は、すべての集計関数によって処理から無視されます。- このルールへの唯一の例外は COUNT(*) 関数です。
- 一部の集計関数は、すべての入力値が
NULLである場合、または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次のとおりです。- 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、ユーザー指定の条件に基づいて行をフィルタリングします。JOIN 演算子は、結合条件に基づいて 2 つのテーブルから行を結合するために使用されます。これら 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、または Unknown (NULL) を返す可能性があります。条件の結果が True の場合、「満たされる」と見なされます。
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 age, count(*) 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|
+--------+----+--------+----+
集計演算子 (GROUP BY、DISTINCT)
前のセクションの 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、グループ化と一意の処理の目的で、NULL データを持つ 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 標準およびその他のエンタープライズデータベース管理システムと互換性があります。
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 オーダリング指定をサポートしています。Spark は、NULL オーダリング指定に応じて、すべての NULL 値を最初に配置するか最後に配置するかによって ORDER BY 句を処理します。デフォルトでは、すべての NULL 値が最初に配置されます。
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|
+----+--------+
セット演算子 (UNION、INTERSECT、EXCEPT)
NULL 値は、セット演算のコンテキストでの等価性のために NULL セーフな方法で比較されます。これは、行を比較するとき、2 つの NULL 値は、通常の EqualTo(=) 演算子とは異なり、等しいと見なされることを意味します。
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 および NOT EXISTS 式は WHERE 句内で許可されます。これらは、TRUE または FALSE のいずれかを返すブール式です。言い換えると、EXISTS はメンバーシップ条件であり、参照するサブクエリが 1 つ以上の行を返すと 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いかゼロ行が返されると TRUE を返します。
これらの 2 つの式は、サブクエリの結果に NULL が存在することによって影響を受けません。NULL 認識のための特別なプロビジョニングなしでセミジョイン/アンチセミジョインに変換できるため、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 および NOT IN 式は、クエリの WHERE 句内で許可されます。EXISTS 式とは異なり、IN 式は TRUE、FALSE、または UNKNOWN (NULL) の値を返すことができます。概念的には、IN 式は、否定演算子 (OR) で区切られた一連の等価条件と意味的に同等です。たとえば、c1 IN (1, 2, 3) は (C1 = 1 OR c1 = 2 OR c1 = 3) と意味的に同等です。
NULL 値の処理に関しては、セマンティクスは比較演算子 (=) および論理演算子 (OR) の NULL 値の処理から推測できます。要約すると、IN 式の結果を計算するためのルールは次のとおりです。
- 問題の非 NULL 値がリストに見つかった場合は TRUE が返されます。
- 非 NULL 値がリストに見つからず、リストに NULL 値が含まれていない場合は FALSE が返されます。
- 値が
NULLである場合、または非 NULL 値がリストに見つからず、リストに少なくとも 1 つのNULL値が含まれている場合は UNKNOWN が返されます。
NOT IN は、リストに NULL が含まれている場合、入力値に関係なく常に UNKNOWN を返します。これは、IN が NULL を含むリストに値がない場合に UNKNOWN を返し、NOT UNKNOWN は再び UNKNOWN であるためです。
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|
+----+---+
+----+---+