如何区分未知和已知的信息缺失

Question

上下文

• NULL 经常被混为一谈，既表示未知数据又表示已知数据缺失
• 在聚合中（例如DATEs 或更糟的DATETIMEs），稀疏数据必须用魔术值表示

示例

• 一个人的中间名
  • 没有中间名的人与不知道中间名的人相比
• 某人的出生日期和时间
  • 区分根本不知道的时间与系统不知道的时间
  • 知道某人的出生月份和日期，但不知道年份

其他想法、背景和/或方法

• 如果这是一个 NoSQL 上下文，则可以有一个“规则”，即如果已知字段不存在，则根本不存储它，如果未知，则存储为 null
  • 如果规则翻转，这可能更有意义
  • 可以分解聚合并将规则应用于各个字段
  • 我承认我对 NoSQL 领域一无所知，但似乎这很容易出错
  • 无论好坏，这不适用于 SQL 数据库；省略号和NULL是一样的
• 任何未知或不存在的字段都可以有一个关联的BOOLEAN 字段来说明它是否不存在
  • 这是唯一对我来说似乎防弹的方法
  • 似乎可以扩展到所有领域
  • 至少看起来非常乏味
• 一些“特殊值”（或值，因为有各种类型）来表示差异
  • 对于文本字段，可能是my-application/unknown 和/或my-application/absent（或选择NULL 之一）
  • 不可能毫不含糊地强制执行（例如，如果在 Unix 时间选择 42，那也是 1970-01-01T00:00:42+00:00）

问题

处理未知数据和已知数据缺失之间差异的最佳做法是什么？

Answer 1

评论太长了。

“最佳实践”取决于上下文和整体数据模型。有很多不同的方法：

• 使用“神奇”的非 NULL 值。
• 使用单独的 boolean/tinyint 列。
• 使用 EAV（实体-属性-值）模型。
• 将值存储为 JSON 或 XML（类似于您的 NOSQL 方法）。

（当然还有其他方法。）

对于您使用中间名的示例，我发现很难想象有人知道有中间名但不知道名字（或首字母）的情况。所以，NULL 似乎很合适。 这适用于电话号码、电子邮件地址、首选敬语等。

在实践中，我认为这不是一个主要问题。 NULL 似乎适用于大多数列。诚然，有一些情况，但这种情况相当罕见。