У меня есть приложение (данные хранятся в PostgreSQL), где большинство полей в таблицах всегда не равны NULL, но схема для этих таблиц не обеспечивает этого. Например, посмотрите на эту фальшивую таблицу:

CREATE TABLE "tbl" (
    "id" serial,
    "name" varchar(40),
    "num" int,
    "time" timestamp
    PRIMARY KEY ("id"),
    UNIQUE ("id")
);

Кроме того name, num, timeкоторые явно не указано , как NOT NULL, в действительности они, потому что исполнение происходит на стороне приложения.

Мне кажется, что это должно быть изменено, но в отличие от этого, уровень приложения гарантирует, что нулевые значения не могут появиться здесь, и никто больше не изменяет таблицу вручную.

Мой вопрос : каковы преимущества (производительность, хранение, согласованность, что-то еще) и недостатки (при условии, что я уже проверил, что в настоящий момент нет нулевых значений, а из бизнес-логики не должно быть нулевых значений), установив явное NOT NULLограничение?

У нас есть хороший процесс проверки кода и достаточно хорошая документация, поэтому вероятность того, что какой-то новый человек совершит что-то, что нарушит это ограничение, на самом деле не достаточна, чтобы оправдать это изменение.

Это не мое решение, поэтому именно поэтому я ищу другие оправдания. На мой взгляд, если что-то не может быть нулевым, а база данных позволяет вам указать, что что-то не является нулевым - просто сделайте это. Особенно, если изменение супер просто.

Что происходит, когда прибывает новый программист, которому нужно написать приложение для этой базы данных? Они не знают , что поле х имеет быть NOT NULL.

Другая программа может предположить, что все поля x предназначены NOT NULLдля выполнения подсчета, скажем, но некоторые теперь NULLиз-за новой программы, что приводит к непоследовательности и трудно отследить ошибки.

ИМХО, всегда лучше применять правила целостности данных как можно ближе к данным, то есть в базе данных. Таким образом, новые приложения и / или программисты не смогут испортить ваши данные.

Программисты, приложения, языки и фреймворки приходят и уходят. Данные и базы данных, как правило, сохраняются. База данных - это ваша последняя линия защиты от противоречивых, потенциально ошибочных данных.

Сделать максимально использовать ограничение целостности механизмов принуждения вашей базы данных, даже в ущерб производительности. Медленная система, которая дает правильные результаты, бесконечно превосходит быструю, которая ошибается!

Как уже цитированный другими в комментариях, добавляя NOT NULLк вашей спецификации таблицы может улучшить в значительном образе выступления ваших запросов (в дополнении к очень хорошим методологическим причинам , изложенные в другом ответе).

Причина в том, что оптимизатор запросов, зная, что столбец не может иметь NULLзначение, может исключить специальные тесты для таких значений, как в случае « NOT INпротив» NOT EXISTS. Например, вы можете увидеть этот блог , где показано, что отсутствие объявления поля NOT NULL(когда таблица всегда содержит ненулевые значения) с определенным запросом увеличивает время выполнения на 500%. Результат показан для SQL Server, но подобное поведение может присутствовать и в других реляционных СУБД, таких как ваша (не говоря уже о том, что ваша база данных может быть перенесена в другие системы). Общее правило, которое можно принять, заключается в том, что, когда оптимизатору запросов будет доступно больше информации, могут быть созданы более эффективные планы доступа.

Космические последствия

О космических последствиях говорит в этом посте @Erwin Brandstetter

Короче говоря, вы сохраните один totalColumns - 8бит, округленный до ближайшего байта (или MAXALIGN), если ваша база данных имеет

1. Более 8 колонок
2. ВСЕ столбцы в таблицеNOT NULL

Последствия для производительности

Тем не менее, в этом посте на SE от @Erwin Brandstetter он говорит

1. «Установка NOT NULL сама по себе не влияет на производительность. Несколько циклов проверки - не имеет значения».
2. «... фактически используя NULL вместо фиктивных значений. В зависимости от типов данных вы можете сэкономить много дискового пространства и оперативной памяти, тем самым ускоряя ... все».

У @Renzo есть ответ, в котором говорится о влиянии на производительность - я бы предположил, что ничего из этого не применимо к PostgreSQL . Я не могу найти ничего , что обосновывает любой из что , как имеющие актуальное значение для PostgreSQL. Независимо от того, какие циклы сохранены, их нельзя определить количественно даже в самом элементарном запросе.

CREATE TABLE foo (
  a int,
  b int NOT NULL,
  x float,
  y float NOT NULL
);

INSERT INTO foo ( a, b, x, y )
SELECT x, x, x, x
FROM generate_series(1,1E7) AS X(x);

EXPLAIN ANALYZE SELECT 1/a FROM foo;
EXPLAIN ANALYZE SELECT 1/b FROM foo;
EXPLAIN ANALYZE SELECT 1/x FROM foo;
EXPLAIN ANALYZE SELECT 1/y FROM foo;

Кроме того, я провел несколько тестов, чтобы увидеть, были ли NULL-индексы еще быстрее, и я не смог это доказать. Вы можете найти эту удивительно полезную ветку Скотта Марлоу в списках рассылки, в которой говорится о том, что планировщик запросов в 9.1 может использовать частичный индекс для разнородных предложений WHERE. Я проверил это, запустив следующее

CREATE TABLE foo ( a int );
CREATE TABLE bar ( a int NOT NULL );
INSERT INTO foo
  SELECT null FROM generate_series(1,1e5) AS x
  UNION ALL
  SELECT 10
  UNION ALL
  SELECT null FROM generate_series(1,1e5) AS x
;
INSERT INTO bar
  SELECT 0 FROM generate_series(1,1e5) AS x
  UNION ALL
  SELECT 10
  UNION ALL
  SELECT 0 FROM generate_series(1,1e5) AS x
;

Теперь я создал индексы,

CREATE INDEX foobar ON foo(a) WHERE a IS NOT NULL;
CREATE INDEX barbar ON bar(a) WHERE a <> 0;

В обоих этих случаях планировщик мог использовать индекс при выборе для = 10и использовал последующее сканирование при поиске NULL или 0 соответственно. Оба частичных индекса были одинакового размера. И полные индексы (не показаны) были одинакового размера. Следуя той же методологии, я загрузил таблицу с одной последовательностью 1..1e5, одним значением null / 0 и другой последовательностью 1..1e5. Оба метода смогли найти ноль / 0 с индексом, охватывающим всю таблицу.

TLDR; Резюме

Я не могу так или иначе обосновать большинство проблем производительности, которые, по моему мнению, стоили проверить, в том числе недостатки планировщика. Преимущество использования null для сохранения памяти является реальной. Дисковое пространство, сэкономленное благодаря отсутствию нулевого значения, незначительно, и это завышение для таблиц с одним NULLABLEстолбцом или менее 8 столбцов. В этих случаях не сохраняется место на диске.