PostgreSQL JSONB非空字段统计：从底层原理到通用函数实战

做了几年PostgreSQL相关的数据治理工作，我一直觉得JSONB是个让人又爱又恨的类型。爱它是因为灵活，想存什么存什么；恨它是因为一旦字段多了、数据杂了，想搞清楚"这张表里哪些字段是真正被填了的、哪些字段全是空的"就成了个大麻烦。最近正好有项目需要把订单表里JSONB扩展字段做一轮数据质量巡检，我就写了个通用的非空字段统计函数，在这里把完整的踩坑思路和代码实现分享一下。

这篇文章适合正在用PostgreSQL、有JSONB字段、并且需要做数据质量分析或者字段治理的开发者。无论你是刚接触JSONB不久，还是已经写过不少相关查询，这篇内容都能提供一些可以立刻上手的方案，也会讲清楚那些文档里不会明说的判定细节。

1. 为什么需要给JSONB做"非空字段统计"

1.1 来自真实数据巡检的需求

先说具体的业务背景。我们有一张用户行为订单表，核心业务字段是固定的那十几列，但业务方为了支持快速迭代，把大量扩展属性都塞进了一个叫 ext_info 的JSONB字段里。里面存过用户的设备信息、渠道来源、偏好标签、活动参与记录，甚至还有前端埋点带上来的一些临时参数。三个月跑下来，这个JSONB里到底出现过多少种key、每个key的填充率是多少，根本没人能说清楚。

这时候就有人提出了需求："帮我统计一下，JSONB字段里哪些字段是空的，哪些字段有值，最好能一次性统计出所有字段的填充率。"听起来很简单，但实际操作起来，比想象中麻烦得多。原因在于JSONB不像普通表字段，它没有一个固定的schema，你想知道它有哪些字段，必须先扫描一遍数据才能拿到key列表，然后再逐个统计非空情况。两个步骤都得做全表遍历。

1.2 字段治理和结构变更前的摸底

除了日常巡检，这类统计在表结构变更评估时也特别有用。比如业务方说"我想把 ext_info 里的 user_level 字段提升成独立的表字段"，那你在做变更之前就必须知道这个字段的填充率到底是多少。如果填充率不到30%，那提升成独立字段后，大量行的该列都是NULL，不仅浪费存储空间，还容易让下游误以为数据缺失是bug。

另一个常见场景是文档型数据迁移。当你需要把PostgreSQL里的JSONB数据同步到其他存储系统，或者反过来把别的系统的JSON数据导入PostgreSQL时，"哪些字段是可靠的、哪些字段基本是空的"这个信息，直接决定了迁移方案的取舍。有的字段可能只出现在历史数据里，新数据根本不写了，这些情况都能通过非空统计暴露出来。

1.3 这种"空"远比想象中复杂

真正动手之后你会发现，"非空"这两个字在JSONB上的定义比在普通字段上复杂得多。一个JSONB字段，某个key可能：

• 完全不存在（键缺失）
• 存在，但值是JSON格式的 null
• 存在，值是空字符串 ""
• 存在，值是空对象 {} 或者空数组 []
• 存在，是有实际意义的值

这些情况在业务上的"空"含义完全不一样，但在SQL层面，它们的表现各有不同。普通字段你只需要判断 IS NULL 和 IS NOT NULL，JSONB却得借助函数仔细区分。这一点我会在后面专门展开讲，因为这里混淆了，统计结果就全错了。

2. 统计前必须搞懂的三个JSONB判定边界

2.1 SQL NULL、键缺失、JSON null 三者截然不同

新手最容易犯的错误，就是把JSONB取出来的值和普通字段一样用 IS NULL 来判断。直接说结论：在PostgreSQL里，data -> 'some_key' 取出来的结果，分三种情况：

也就是说，如果一个key的值是JSON null，你用 col -> 'key' IS NULL 来判断，会得到"非空"的错误结论。反过来，如果你用 col ? 'key' 来判断键是否存在，它只会判断键存不存在，不会告诉你值是null还是有实际内容。

我在项目里就吃过这个亏。第一次写统计SQL时，用的是 WHERE (ext_info -> 'user_level') IS NOT NULL 来统计非空，结果把一堆JSON null的数据全算进去了，填充率虚高了好几个百分点。说白了，JSON null在JSONB里是一个实实在在的值，它不等于SQL NULL，也不等于键不存在。

2.2 用 jsonb_typeof 把JSON null揪出来

要准确区分"键存在但值是JSON null"这种情况，唯一的可靠手段是 jsonb_typeof() 函数。这个函数返回一个文本值，表示参数的类型：

sql复制SELECT jsonb_typeof('{"a": 1}'::jsonb -> 'a');    -- number
SELECT jsonb_typeof('{"a": null}'::jsonb -> 'a'); -- null
SELECT jsonb_typeof('{"a": {}}'::jsonb -> 'a');   -- object
SELECT jsonb_typeof('{"a": []}'::jsonb -> 'a');   -- array
SELECT jsonb_typeof('{"b": 1}'::jsonb -> 'a');    -- NULL（因为键缺失返回SQL NULL）

注意最后一行：如果键缺失，jsonb_typeof() 输入的是SQL NULL，返回值也是SQL NULL。所以判断"非空值"的条件，应该是：

sql复制jsonb_typeof(col -> 'key') IS NOT