Una guía rápida y completa de 'null': qué es y cómo debe usarlo

¿Cuál es el significado de null? ¿Cómo se nullimplementa? ¿Cuándo se debe utilizar nullen el código fuente, y cuando en caso de que no usarlo?

Introducción

nulles un concepto fundamental en muchos lenguajes de programación. Es ubicuo en todo tipo de código fuente escrito en estos lenguajes. Por eso es fundamental comprender plenamente la idea de null. Tenemos que entender su semántica e implementación, y necesitamos saber cómo usarlo nullen nuestro código fuente.

Los comentarios en foros de programadores a veces revelan un poco de confusión con null. Algunos programadores incluso intentan evitarlo por completo null. Porque lo ven como el 'error del millón de dólares', un término acuñado por Tony Hoare, el inventor de null.

Aquí hay un ejemplo simple: suponga que Alice email_addressapunta a null. ¿Qué significa esto? ¿Significa que Alice no tiene una dirección de correo electrónico? ¿O que su dirección de correo electrónico es desconocida? ¿O que es secreto? ¿O simplemente significa que email_addressestá 'indefinido' o 'no inicializado'? Veamos. Después de leer este artículo, todos deberían poder responder estas preguntas sin dudarlo.

Nota: este artículo es neutral en cuanto al lenguaje de programación, en la medida de lo posible. Las explicaciones son generales y no están vinculadas a un idioma específico. Consulte los manuales de su lenguaje de programación para obtener consejos específicos sobre null. Sin embargo, este artículo contiene algunos ejemplos de código fuente simples que se muestran en Java. Pero no es difícil traducirlos a tu idioma favorito.

Implementación en tiempo de ejecución

Antes de discutir el significado de null, necesitamos entender cómo nullse implementa en la memoria en tiempo de ejecución.

Nota: Veremos una implementación típica de null. La implementación real en un entorno determinado depende del lenguaje de programación y el entorno de destino, y puede diferir de la implementación que se muestra aquí.

Supongamos que tenemos la siguiente instrucción de código fuente:

String name = "Bob";

Aquí declaramos una variable de tipo Stringy con el identificador nameque apunta a la cadena "Bob".

Decir "apunta a" es importante en este contexto, porque asumimos que trabajamos con tipos de referencia (y no con tipos de valor ). Más sobre esto más adelante.

Para simplificar las cosas, haremos las siguientes suposiciones:

• La instrucción anterior se ejecuta en una CPU de 16 bits con un espacio de direcciones de 16 bits.
• Las cadenas están codificadas como UTF-16. Terminan con 0 (como en C o C ++).

La siguiente imagen muestra un extracto de la memoria después de ejecutar la instrucción anterior:

Las direcciones de memoria en la imagen de arriba se eligen arbitrariamente y son irrelevantes para nuestra discusión.

Como podemos ver, la cadena "Bob"se almacena en la dirección B000 y ocupa 4 celdas de memoria.

La variable namese encuentra en la dirección A0A1. El contenido de A0A1 es B000, que es la ubicación de memoria inicial de la cadena "Bob". Por eso decimos: La variable nameapunta a"Bob" .

Hasta aquí todo bien.

Ahora suponga que, después de ejecutar la instrucción anterior, ejecuta lo siguiente:

name = null;

Ahora nameapunta a null.

Y este es el nuevo estado en la memoria:

Podemos ver que nada ha cambiado para la cadena "Bob"que todavía está almacenada en la memoria.

Nota: La memoria necesaria para almacenar la cadena "Bob"podría liberarse más tarde si hay un recolector de basura y no hay otros puntos de referencia "Bob", pero esto es irrelevante en nuestra discusión.

Lo importante es que el contenido de A0A1 (que representa el valor de la variable name) ahora es 0000. Entonces, la variable nameya no apunta a "Bob". El valor 0 (todos los bits en cero) es un valor típico utilizado en la memoria para denotar null. Significa que no hay ningún valor asociado conname . También puede considerarlo como la ausencia de datos o simplemente sin datos .

Nota: El valor de memoria real que se usa para indicar nulles específico de la implementación. Por ejemplo, los estados de la Especificación de la Máquina Virtual Java al final de la sección 2.4. " Tipos de referencia y valores:"

La especificación de la máquina virtual Java no exige una codificación de valor concreta null.

Recuerda:

Si una referencia apunta a null, simplemente significa que hayningún valor asociado con él .

Técnicamente hablando, la ubicación de memoria asignada a la referencia contiene el valor 0 (todos los bits en cero), o cualquier otro valor que denote nullen el entorno dado.

Actuación

Como aprendimos en la sección anterior, las operaciones que involucran nullson extremadamente rápidas y fáciles de realizar en tiempo de ejecución.

Solo hay dos tipos de operaciones:

• Inicializar o establecer una referencia a null(p name = null. Ej. ): Lo único que se puede hacer es cambiar el contenido de una celda de memoria (p. Ej., Configurándolo en 0).
• Compruebe si una referencia apunta a null(por ejemplo if name == null): Lo único que se debe hacer es comprobar si la celda de memoria de la referencia tiene el valor 0.

Recuerda:

Las operaciones en nullson extremadamente rápidas y económicas.

Referencia frente a tipos de valor

Hasta ahora asumimos trabajar con tipos de referencia . La razón de esto es simple: nullno existe para los tipos de valor .

¿Por qué?

Como hemos visto anteriormente, una referencia es un puntero a una dirección de memoria que almacena un valor (por ejemplo, una cadena, una fecha, un cliente, lo que sea). Si una referencia apunta a null, no se le asocia ningún valor.

Por otro lado, un valor es, por definición, el valor en sí mismo. No hay ningún puntero involucrado. Un tipo de valor se almacena como el propio valor. Por lo tanto, el concepto de nullno existe para los tipos de valor.

La siguiente imagen demuestra la diferencia. En el lado izquierdo se puede ver de nuevo la memoria en caso de que la variable namesea ​​una referencia que apunta a "Bob". El lado derecho muestra la memoria en caso de que la variable namesea ​​un tipo de valor.

Como podemos ver, en el caso de un tipo de valor, el valor en sí se almacena directamente en la dirección A0A1 que está asociada con la variable name.

Habría mucho más que decir acerca de los tipos de referencia versus valores, pero esto está fuera del alcance de este artículo. Tenga en cuenta también que algunos lenguajes de programación solo admiten tipos de referencia, otros solo admiten tipos de valor y algunos (por ejemplo, C # y Java) admiten ambos.

Recuerda:

El concepto de nullexiste solo para tipos de referencia . No existe para tipos de valor .

Meaning

Suppose we have a type person with a field emailAddress. Suppose also that, for a given person which we will call Alice, emailAddress points to null.

What does this mean? Does it mean that Alice doesn’t have an email address? Not necessarily.

As we have seen already, what we can assert is that no value is associated with emailAddress.

But why is there no value? What is the reason of emailAddress pointing to null? If we don't know the context and history, then we can only speculate. The reason for nullcould be:

Alice doesn’t have an email address. Or…

Alice has an email address, but:

• it has not yet been entered in the database
• it is secret (unrevealed for security reasons)
• there is a bug in a routine that creates a person object without setting field emailAddress
• and so on.

In practice we often know the application and context. We intuitively associate a precise meaning to null. In a simple and flawless world, null would simply mean that Alice actually doesn't have an email address.

When we write code, the reason why a reference points to null is often irrelevant. We just check for null and take appropriate actions. For example, suppose that we have to write a loop that sends emails for a list of persons. The code (in Java) could look like this:

for ( Person person: persons ) { if ( person.getEmailAddress() != null ) { // code to send email } else { logger.warning("No email address for " + person.getName()); }}

In the above loop we don’t care about the reason for null. We just acknowledge the fact that there is no email address, log a warning, and continue.

Remember:

If a reference points to null then it always means that there isno value associated with it.

In most cases, null has a more specific meaning that depends on the context.

Why is it null?

Sometimes it is important to know why a reference points to null.

Consider the following function signature in a medical application:

List getAllergiesOfPatient ( String patientId )

In this case, returning null (or an empty list) is ambiguous. Does it mean that the patient doesn't have allergies, or does it mean that an allergy test has not yet been performed? These are two semantically very different cases that must be handled differently. Or else the outcome might be life-threatening.

Just suppose that the patient has allergies, but an allergy test has not yet been done and the software tells the doctor that 'there are no allergies'. Hence we need additional information. We need to know why the function returns null.

It would be tempting to say: Well, to differentiate, we return null if an allergy test has not yet been performed, and we return an empty list if there are no allergies.

DON’T DO THIS!

This is bad data design for multiple reasons.

The different semantics for returning null versus returning an empty list would need to be well documented. And as we all know, comments can be wrong (i.e. inconsistent with the code), outdated, or they might even be inaccessible.

There is no protection for misuses in client code that calls the function. For example, the following code is wrong, but it compiles without errors. Moreover, the error is difficult to spot for a human reader. We can’t see the error by just looking at the code without considering the comment of getAllergiesOfPatient:

List allergies = getAllergiesOfPatient ( "123" ); if ( allergies == null ) { System.out.println ( "No allergies" ); // <-- WRONG!} else if ( allergies.isEmpty() ) { System.out.println ( "Test not done yet" ); // <-- WRONG!} else { System.out.println ( "There are allergies" );}

The following code would be wrong too:

List allergies = getAllergiesOfPatient ( "123" );if ( allergies == null || allergies.isEmpty() ) { System.out.println ( "No allergies" ); // <-- WRONG!} else { System.out.println ( "There are allergies" );}

If the null/empty-logic of getAllergiesOfPatient changes in the future, then the comment needs to be updated, as well as all client code. And there is no protection against forgetting any one of these changes.

If, later on, there is another case to be distinguished (e.g. an allergy test is pending — the results are not yet available), or if we want to add specific data for each case, then we are stuck.

So the function needs to return more information than just a list.

There are different ways to do this, depending on the programming language we use. Let’s have a look at a possible solution in Java.

In order to differentiate the cases, we define a parent type AllergyTestResult, as well as three sub-types that represent the three cases (NotDone, Pending, and Done):

interface AllergyTestResult {}

interface NotDoneAllergyTestResult extends AllergyTestResult {}

interface PendingAllergyTestResult extends AllergyTestResult { public Date getDateStarted();}

interface DoneAllergyTestResult extends AllergyTestResult { public Date getDateDone(); public List getAllergies(); // null if no allergies // non-empty if there are // allergies}

As we can see, for each case we can have specific data associated with it.

Instead of simply returning a list, getAllergiesOfPatient now returns an AllergyTestResult object:

AllergyTestResult getAllergiesOfPatient ( String patientId )

Client code is now less error-prone and looks like this:

AllergyTestResult allergyTestResult = getAllergiesOfPatient("123");

if (allergyTestResult instanceof NotDoneAllergyTestResult) { System.out.println ( "Test not done yet" ); } else if (allergyTestResult instanceof PendingAllergyTestResult) { System.out.println ( "Test pending" ); } else if (allergyTestResult instanceof DoneAllergyTestResult) { List list = ((DoneAllergyTestResult) allergyTestResult).getAllergies(); if (list == null) { System.out.println ( "No allergies" ); } else if (list.isEmpty()) { assert false; } else { System.out.println ( "There are allergies" ); }} else { assert false;}

Note: If you think that the above code is quite verbose and a bit hard to write, then you are not alone. Some modern languages allow us to write conceptually similar code much more succinctly. And null-safe languages distinguish between nullable and non-nullable values in a reliable way at compile-time — there is no need to comment the nullability of a reference or to check whether a reference declared to be non-null has accidentally been set to null.

Remember:

If we need to know why there is no value associated with a reference, then additional data must be provided to differentiate the possible cases.

Initialization

Consider the following instructions:

String s1 = "foo";String s2 = null;String s3;

The first instruction declares a String variable s1 and assigns it the value "foo".

The second instruction assigns null to s2.

The more interesting instruction is the last one. No value is explicitly assigned to s3. Hence, it is reasonable to ask: What is the state of s3 after its declaration? What will happen if we write s3 to the OS output device?

It turns out that the state of a variable (or class field) declared without assigning a value depends on the programming language. Moreover, each programming language might have specific rules for different cases. For example, different rules apply for reference types and value types, static and non-static members of a class, global and local variables, and so on.

As far as I know, the following rules are typical variations encountered:

• It is illegal to declare a variable without also assigning a value
• There is an arbitrary value stored in s3, depending on the memory content at the time of execution - there is no default value
• A default value is automatically assigned to s3. In case of a reference type, the default value is null. In case of a value type, the default value depends on the variable’s type. For example 0 for integer numbers, false for a boolean, and so on.
• the state of s3 is 'undefined'
• the state of s3 is 'uninitialized', and any attempt to use s3 results in a compile-time error.

The best option is the last one. All other options are error-prone and/or impractical — for reasons we will not discuss here, because this article focuses on null.

As an example, Java applies the last option for local variables. Hence, the following code results in a compile-time error at the second line:

String s3;System.out.println ( s3 );

Compiler output:

error: variable s3 might not have been initialized

Remember:

If a variable is declared, but no explicit value is assigned to it, then it’s state depends on several factors which are different in different programming languages.

In some languages, null is the default value for reference types.

When to Use null (And When Not to Use It)

The basic rule is simple: null should only be allowed when it makes sense for an object reference to have 'no value associated with it'. (Note: an object reference can be a variable, constant, property (class field), input/output argument, and so on.)

For example, suppose type person with fields name and dateOfFirstMarriage:

interface Person { public String getName(); public Date getDateOfFirstMarriage();}

Every person has a name. Hence it doesn’t make sense for field name to have 'no value associated with it'. Field name is non-nullable. It is illegal to assign null to it.

On the other hand, field dateOfFirstMarriage doesn't represent a required value. Not everyone is married. Hence it makes sense for dateOfFirstMarriage to have 'no value associated with it'. Therefore dateOfFirstMarriage is a nullable field. If a person's dateOfFirstMarriage field points to null then it simply means that this person has never been married.

Note: Unfortunately most popular programming languages don’t distinguish between nullable and non-nullable types. There is no way to reliably state that null can never be assigned to a given object reference. In some languages it is possible to use annotations, such as the non-standard annotations @Nullable and @NonNullable in Java. Here is an example:

interface Person { public @Nonnull String getName(); public @Nullable Date getDateOfFirstMarriage();}

However, such annotations are not used by the compiler to ensure null-safety. Still, they are useful for the human reader, and they can be used by IDEs and tools such as static code analyzers.

It is important to note that null should not be used to denote error conditions.

Consider a function that reads configuration data from a file. If the file doesn’t exist or is empty, then a default configuration should be returned. Here is the function’s signature:

public Config readConfigFromFile ( File file )

What should happen in case of a file read error?

Simply return null?

NO!

Each language has it’s own standard way to signal error conditions and provide data about the error, such as a description, type, stack trace, and so on. Many languages (C#, Java, etc.) use an exception mechanism, and exceptions should be used in these languages to signal run-time errors. readConfigFromFile should not return null to denote an error. Instead, the function's signature should be changed in order to make it clear that the function might fail:

public Config readConfigFromFile ( File file ) throws IOException

Remember:

Allow null only if it makes sense for an object reference to have 'no value associated with it'.

Don’t use null to signal error conditions.

Null-safety

Consider the following code:

String name = null;int l = name.length();

En tiempo de ejecución, el código anterior da como resultado el infame error de puntero nulo , porque intentamos ejecutar un método de una referencia que apunta a null. En C #, por ejemplo, NullReferenceExceptionse lanza a, en Java es un NullPointerException.

El error del puntero nulo es desagradable.

Es el error más frecuente en muchas aplicaciones de software y ha sido la causa de innumerables problemas en la historia del desarrollo de software. Tony Hoare, el inventor de null, lo llama el "error de los mil millones de dólares".

Pero Tony Hoare (ganador del premio Turing en 1980 e inventor del algoritmo Quicksort), también da una pista de una solución en su discurso:

Los lenguajes de programación más recientes ... han introducido declaraciones para referencias no nulas. Esta es la solución, que rechacé en 1965.

Contrary to some common belief, the culprit is not null per se. The problem is the lack of support for null handling in many programming languages. For example, at the time of writing (May 2018), none of the top ten languages in the Tiobe index natively differentiates between nullable and non-nullable types.

Therefore, some new languages provide compile-time null-safety and specific syntax for conveniently handling null in source code. In these languages, the above code would result in a compile-time error. Software quality and reliability increases considerably, because the null pointer error delightfully disappears.

Null-safety is a fascinating topic that deserves its own article.

Remember:

Whenever possible, use a language that supports compile-time null-safety.

Note: Some programming languages (mostly functional programming languages like Haskell) don’t support the concept of null. Instead, they use the Maybe/Optional Patternto represent the ‘absence of a value’. The compiler ensures that the ‘no value’ case is handled explicitly. Hence, null pointer errors cannot occur.

Summary

Here is a summary of key points to remember:

• If a reference points to null, it always means that there is no value associated with it.
• In most cases, null has a more specific meaning that depends on the context.
• If we need to know why there is no value associated with a reference, then additional data must be provided to differentiate the possible cases.
• Allow null only if it makes sense for an object reference to have 'no value associated with it'.
• Don’t use null to signal error conditions.
• The concept of null exists only for reference types. It doesn't exist for value types.
• In some languages null is the default value for reference types.
• null operations are exceedingly fast and cheap.
• Whenever possible, use a language that supports compile-time-null-safety.