Por que os NULLs são classificados primeiro?

Por que quando temos um valor NULL em uma coluna e ordenamos pelo valor crescente, os NULLs são classificados primeiro?

select 1 as test
union all
select 2
union all
select NULL
union all
select 3
union all
select 4
order by test

resulta em

NULL
1
2
3
4

Eu continuo pensando que NULL significava "Indeterminado" ou possível "Desconhecido". Se isso é verdade, eles não classificariam por último, já que o valor poderia ser maior que todos os outros valores? (Ou essa é uma opção de classificação em algum lugar?)

Estou no SQL Server 2008R2, mas suspeito que isso seja verdade em todos os servidores SQL e provavelmente em todos os RDBMSs.

BOL : um valor NULL indica que o valor é desconhecido. Um valor NULL é diferente de um valor vazio ou zero. Não há dois valores nulos iguais. Comparações entre dois valores nulos, ou entre um NULL e qualquer outro valor, retornam desconhecidos porque o valor de cada NULL é desconhecido.

NULL significa desconhecido. Nenhuma outra interpretação é válida.

Se isso é verdade, eles não classificariam por último, já que o valor poderia ser maior que todos os outros valores?

Não pode haver . Não há valor potencial . Desconhecido é desconhecido é desconhecido.

Quanto ao motivo pelo qual aparece primeiro, e não por último, isso não é atendido pelos padrões SQL publicados e infelizmente é deixado a critério do fornecedor do RDBMS:

Wikipedia : O padrão SQL não define explicitamente uma ordem de classificação padrão para Nulos. Em vez disso, em sistemas conformes, os Nulos podem ser classificados antes ou depois de todos os valores de dados usando as cláusulas NULLS FIRST ou NULLS LAST da lista ORDER BY, respectivamente. Nem todos os fornecedores de DBMS implementam essa funcionalidade, no entanto. Os fornecedores que não implementam essa funcionalidade podem especificar tratamentos diferentes para a classificação nula no DBMS.

Você está certo que NULLpode significar 'Indeterminado' ou 'Desconhecido' ou 'Ainda não conhecido' ou 'Não se aplica'. Mas não há razão para colocar os nulos em primeiro ou último. Se não soubermos os valores reais, eles podem ser pequenos ou grandes.

Eu acho que o padrão para determinar o comportamento desejado dos Nulos durante a classificação é:

ORDER BY 
    test NULLS LAST                      --- or NULLS FIRST for the opposite

Infelizmente, o SQL-Server ainda não adotou esta sintaxe. Se não estou errado, o PostgreSQL e a Oracle têm.

Uma solução:

ORDER BY 
     CASE WHEN test IS NOT NULL 
            THEN 0 
          ELSE 1 
     END 
   , test

Outra solução que precisa de ajuste, dependendo do tipo de dados - mas não será executada corretamente, pois não pode usar um índice em (test):

ORDER BY 
    COALESCE(test, 2147483647)               --- if it's a 4-byte signed integer

Não sei por que isso foi feito dessa maneira, mas, por definição, NULLS não pode ser comparado a não NULLS, então eles precisam ir no início ou no final (a resposta de Mark cobre isso com muito mais detalhes).

Para obter o comportamento que você deseja - Até onde eu sei, não há opção de classificação para colocar os nulos por último, então você deve evitá-lo usando uma coluna computada para forçá-los a durar. No entanto, no SQL Server, você não pode solicitar por uma coluna computada ( CASE WHEN ...) quando seus dados contiverem um operador definido ( UNION ALL). Tão:

CREATE TABLE #sorttest(test int)
INSERT INTO #sorttest values(1)
INSERT INTO #sorttest values(5)
INSERT INTO #sorttest values(4)
INSERT INTO #sorttest values(NULL)
INSERT INTO #sorttest values(3)
INSERT INTO #sorttest values(2)
SELECT test
FROM #sorttest
ORDER BY CASE WHEN test IS NULL THEN 1 ELSE 0 END, test

DROP TABLE #sorttest

Funcionará para classificar os nulos por último. Se você precisar usar UNION(ou EXCEPTou INTERSECTS) para gerar seu conjunto de dados, despeje-os em uma tabela temporária como acima.

Se você está lidando com números, também pode usar

ORDER BY -test DESC

NULLsão os valores mais baixos possíveis, portanto os DESCcoloca no final. Enquanto isso, os valores não nulos têm o sinal invertido, então DESCna verdade é um ASCdos valores reais. Isso deve ser mais rápido CASEe suponho que o otimizador de consulta também possa usar índices na testcoluna.