处理 Null 值 · Elasticsearch权威指南（中文版）

### 处理 Null 值回到我们早期的示例，在文档中有一个多值的字段 `tags`，一个文档可能包含一个或多个标签，或根本没有标签。如果一个字段没有值，它是怎么储存在倒排索引中的？这是一个取巧的问题，因为答案是它根本没有存储。让我们从看一下前几节的倒排索引： | Token | DocIDs | |---------------|--------| |`open_source` | `2` | |`search` | `1`,`2`| 你怎么可能储存一个在数据结构不存在的字段呢？倒排索引是标记和包含它们的文档的一个简单列表。假如一个字段不存在，它就没有任何标记，也就意味着它无法被倒排索引的数据结构表达出来。本质上来说，`null`，`[]`（空数组）和 `[null]` 是相等的。它们都不存在于倒排索引中！显然，这个世界却没有那么简单，数据经常会缺失字段，或包含空值或空数组。为了应对这些情形，Elasticsearch 有一些工具来处理空值或缺失的字段。 #### `exists` 过滤器工具箱中的第一个利器是 `exists` 过滤器，这个过滤器将返回任何包含这个字段的文档，让我们用标签来举例，索引一些示例文档： ```json POST /my_index/posts/_bulk { "index": { "_id": "1" }} { "tags" : ["search"] } <1> { "index": { "_id": "2" }} { "tags" : ["search", "open_source"] } <2> { "index": { "_id": "3" }} { "other_field" : "some data" } <3> { "index": { "_id": "4" }} { "tags" : null } <4> { "index": { "_id": "5" }} { "tags" : ["search", null] } <5> ```  <1> `tags` 字段有一个值 <2> `tags` 字段有两个值 <3> `tags` 字段不存在 <4> `tags` 字段被设为 `null` <5> `tags` 字段有一个值和一个 `null` 结果我们 `tags` 字段的倒排索引看起来将是这样： | Token | DocIDs | |--------------|-------------| |`open_source` | `2` | |`search` | `1`,`2`,`5` | 我们的目标是找出所有设置了标签的文档，我们不关心这个标签是什么，只要它存在于文档中就行。在 SQL 语法中，我们可以用 `IS NOT NULL` 查询： ```sql SELECT tags FROM posts WHERE tags IS NOT NULL ``` 在 Elasticsearch 中，我们使用 `exists` 过滤器： ```json GET /my_index/posts/_search { "query" : { "filtered" : { "filter" : { "exists" : { "field" : "tags" } } } } } ```  查询返回三个文档： ```json "hits" : [ { "_id" : "1", "_score" : 1.0, "_source" : { "tags" : ["search"] } }, { "_id" : "5", "_score" : 1.0, "_source" : { "tags" : ["search", null] } <1> }, { "_id" : "2", "_score" : 1.0, "_source" : { "tags" : ["search", "open source"] } } ] ``` <1> 文档 5 虽然包含了一个 `null` 值，仍被返回了。这个字段存在是因为一个有值的标签被索引了，所以 `null` 对这个过滤器没有影响结果很容易理解，所以在 `tags` 字段中有值的文档都被返回了。只排除了文档 3 和 4。 #### `missing` 过滤器 `missing` 过滤器本质上是 `exists` 的反义词：它返回没有特定字段值的文档，像这条 SQL 一样： ```sql SELECT tags FROM posts WHERE tags IS NULL ``` 让我们在前面的例子中用 `missing` 过滤器来取代 `exists`： ```json GET /my_index/posts/_search { "query" : { "filtered" : { "filter": { "missing" : { "field" : "tags" } } } } } ```  如你所愿，我们得到了两个没有包含标签字段的文档： ```json "hits" : [ { "_id" : "3", "_score" : 1.0, "_source" : { "other_field" : "some data" } }, { "_id" : "4", "_score" : 1.0, "_source" : { "tags" : null } } ] ``` 什么时候 null 才表示 null 有时你需要能区分一个字段是没有值，还是被设置为 `null`。用上面见到的默认行为无法区分这一点，数据都不存在了。幸运的是，我们可以将明确的 `null` 值用我们选择的_占位符_来代替当指定字符串，数字，布尔值或日期字段的映射时，你可以设置一个 `null_value` 来处理明确的 `null` 值。没有值的字段仍将被排除在倒排索引外。当选定一个合适的 `null_value` 时，确保以下几点： * 它与字段的类型匹配，你不能在 `date` 类型的字段中使用字符串 `null_value` * 它需要能与这个字段可能包含的正常值区分开来，以避免真实值和 `null` 值混淆 #### 对象的 `exists/missing` `exists` 和 `missing` 过滤器同样能在内联对象上工作，而不仅仅是核心类型。例如下面的文档： ```json { "name" : { "first" : "John", "last" : "Smith" } } ``` 你可以检查 `name.first` 和 `name.last` 的存在性，也可以检查 `name` 的。然而，在【映射】中，我们提到对象在内部被转成扁平化的键值结构，像下面所示： ```json { "name.first" : "John", "name.last" : "Smith" } ``` 所以我们是怎么使用 `exists` 或 `missing` 来检测 `name` 字段的呢，这个字段并没有真正存在于倒排索引中。原因是像这样的一个过滤器 ```json { "exists" : { "field" : "name" } } ``` 实际是这样执行的 ```json { "bool": { "should": [ { "exists": { "field": { "name.first" }}}, { "exists": { "field": { "name.last" }}} ] } } ``` 同样这意味着假如 `first` 和 `last` 都为空，那么 `name` 就是不存在的。