Cara menggunakan jenis Decimal dalam pangkalan data mysql

1 Latar Belakang

Operasi nombor adalah keperluan yang sangat biasa dalam pangkalan data, seperti mengira kuantiti, berat, harga, dll. Untuk memenuhi pelbagai keperluan , pangkalan data Sistem biasanya menyokong jenis angka yang tepat dan jenis angka anggaran Jenis angka yang tepat termasuk int, perpuluhan, dsb. Kedudukan titik perpuluhan jenis ini ditetapkan semasa pengiraan, dan keputusan serta tingkah lakunya boleh diramalkan. masalah ini Ia amat penting, jadi sesetengah pangkalan data melaksanakan jenis wang khas termasuk apungan, berganda, dsb., dan ketepatan nombor ini adalah terapung

2 Penggunaan jenis Perpuluhan

perpuluhan Penggunaannya adalah serupa dalam kebanyakan pangkalan data Mari kita ambil perpuluhan MySQL sebagai contoh untuk memperkenalkan penggunaan asas perpuluhan.

2.1 Penerangan Perpuluhan

berbeza daripada apungan dan dua, keperluan perpuluhan. untuk dinyatakan semasa mencipta Dua nombor yang menerangkan kejituan ialah kejituan dan skala kejituan merujuk kepada bilangan digit dalam keseluruhan perpuluhan termasuk bahagian integer dan skala merujuk kepada bilangan digit dalam bahagian perpuluhan =5, skala= 2 perpuluhan Kita boleh mentakrifkan perpuluhan yang kita inginkan dengan cara ini semasa membina jadual.

2.2 Tentukan Perpuluhan semasa membina jadual

Kita boleh mentakrifkan perpuluhan seperti ini apabila membina jadual:

create table t(d decimal(5, 2));

2.3 Menulis data perpuluhan

boleh memasukkan data undang-undang ke dalamnya, contohnya

insert into t values(123.45);
insert into t values(123.4);

Pada masa ini, jika anda melaksanakan pilih * daripada t, anda akan mendapat perhatian

+--------+
| d      |
+--------+
| 123.45 |
| 123.40 |
+--------+

123.4 menjadi 123.40 Ini adalah ciri jenis yang tepat Setiap baris data dalam lajur d memerlukan skala=2, iaitu, terdapat dua digit selepas titik perpuluhan

<. 🎜>Apabila memasukkan data yang tidak memenuhi ketepatan dan definisi skala

insert into t values(1123.45);
ERROR 1264 (22003): Out of range value for column 'd' at row 1
insert into t values(123.456);
Query OK, 1 row affected, 1 warning
show warnings;
+-------+------+----------------------------------------+
| Level | Code | Message                                |
+-------+------+----------------------------------------+
| Note  | 1265 | Data truncated for column 'd' at row 1 |
+-------+------+----------------------------------------+
select * from t;
+--------+
| d      |
+--------+
| 123.46 |
+--------+

Nombor seperti 1234.5 (ketepatan=5, skala=1) nampaknya memenuhi keperluan, tetapi sebenarnya ia perlu memenuhi keperluan skala=2, jadi ia akan menjadi 1234.50 (ketepatan=6, skala=2) Ia juga tidak memenuhi keperluan.

2.4 Keluarkan deimcal untuk pengiraan

Hasil pengiraan tidak terhad mengikut definisi, tetapi dipengaruhi oleh format pelaksanaan dalaman Untuk MySQL, hasil maksimum boleh menjadi ketepatan=81, skala=30, tetapi disebabkan oleh format memori dan isu pelaksanaan fungsi pengiraan perpuluhan MySQL, saiz ini tidak dapat dicapai dalam. semua situasi, yang akan diperkenalkan secara terperinci kemudian Meneruskan contoh di atas:

select d + 9999.999 from t;
+--------------+
| d + 9999.999 |
+--------------+
|    10123.459 |
+--------------+

Hasilnya adalah satu kejayaan Had ketepatan=5, skala=2, yang melibatkan perubahan skala semasa operasi peraturannya ialah:

1. Tambahan/tolak/jumlah: Ambil skala terbesar pada kedua-dua belah

2. Pendaraban: Tambahkan skala pada kedua-dua belah

3. Bahagian: skala dividen + div_precision_increment (bergantung pada pelaksanaan pangkalan data)

3 Pelaksanaan jenis Decimal

Dalam ini sebahagiannya, kami terutamanya memperkenalkan pelaksanaan perpuluhan dalam MySQL Selain itu, kami juga akan membandingkan ClickHouse untuk melihat perbezaan dalam reka bentuk dan pelaksanaan perpuluhan dalam sistem yang berbeza.

Untuk melaksanakan perpuluhan, anda perlu memikirkan tentang. isu berikut

1. Berapa banyak ketepatan dan skala yang disokong

2. Tempat menyimpan skala

3. Semasa pendaraban atau pembahagian berterusan, skala terus berkembang, dan bahagian integer juga terus berkembang, dan saiz penimbal yang disimpan sentiasa mempunyai had atas Bagaimana kita harus menangani perkara ini?

4. Pembahagian boleh menghasilkan perpuluhan tak terhingga Bagaimana untuk menentukan skala hasil bahagi?

5. Adakah terdapat konflik antara julat perwakilan perpuluhan. dan prestasi pengiraan? Adakah ia boleh dilakukan? >Perpuluhan MySQL menggunakan decimal_digit_t (int32) dengan panjang len ) buf tatasusunan untuk menyimpan nombor perpuluhan_digit_t setiap decimal Intg mewakili bilangan digit dalam bahagian integer, frac mewakili bilangan digit dalam bahagian perpuluhan, dan tanda mewakili simbol Bahagian perpuluhan dan bahagian integer perlu disimpan secara berasingan , tidak boleh dicampur dalam satu digit_digit_t, kedua-dua bahagian dijajarkan ke arah titik perpuluhan, ini kerana integer dan perpuluhan biasanya perlu dikira. secara berasingan, jadi format ini boleh memudahkan untuk menjajarkan perpuluhan dan integer perpuluhan_t berbeza secara berasingan untuk memudahkan operasi penambahan dan penolakan len Dalam pelaksanaan MySQL, ia sentiasa 9, yang mewakili had atas storan, dan bahagian berkesan sebenar. buf ditentukan oleh intg dan frac Contohnya:

   typedef int32 decimal_digit_t;
   
   struct decimal_t {
     int intg, frac, len;
     bool sign;
     decimal_digit_t *buf;
   };

   MySQL perlu menggunakan dua digit_digit_t (int32) untuk menyimpan 123.45, yang pertama ialah 123, digabungkan dengan intg=3, ia bermakna bahagian integer ialah 123. , nombor kedua ialah 450000000 (jumlah 9 nombor), kerana frac=2, ia bermakna bahagian perpuluhan ialah .45

Mari kita lihat contoh yang lebih besar:

// 123.45 decimal(5, 2) 整数部分为 3,  小数部分为 2
decimal_t dec_123_45 = {
  int intg = 3;
  int frac = 2;
  int len = 9;
  bool sign = false;
  decimal_digit_t *buf = {123, 450000000, ...};
};

Contoh ini menggunakan sehingga 81 nombor, tetapi terdapat beberapa senario di mana nombor penuh 81 tidak boleh digunakan Ini kerana bahagian integer dan perpuluhan disimpan secara berasingan Jadi digit_digit_perpuluhan (int32) hanya boleh menyimpan satu digit perpuluhan yang sah, tetapi bahagian yang selebihnya tidak boleh digunakan untuk bahagian integer Contohnya, perpuluhan mempunyai 62 digit dalam bahagian integer dan 19 digit dalam bahagian perpuluhan (ketepatan=81, skala= 19), maka bahagian perpuluhan perlu menggunakan 3 decimal_digit_t (int32), dan bahagian integer masih berbaki 54 digit, dan 62 digit tidak boleh disimpan Dalam kes ini, MySQL akan memberi keutamaan kepada keperluan bahagian integer dan secara automatik memotong titik perpuluhan Selepas bahagian itu, tukarkannya kepada perpuluhan(80, 18)<. 🎜>

接下来看看 MySQL 如何在这个数据结构上进行运算. MySQL 通过一系列 decimal_digit_t(int32) 来表示一个较大的 decimal, 其计算也是对这个数组中的各个 decimal_digit_t 分别进行, 如同我们在小学数学计算时是一个数字一个数字地计算, MySQL 会把每个 decimal_digit_t 当作一个数字来进行计算、进位. 由于代码较长, 这里不再对具体的代码进行完整的分析, 仅对代码中核心部分进行分析, 如果感兴趣, 可以直接参考 MySQL 源码 strings/decimal.h 和 strings/decimal.cc 中的 decimal_add, decimal_mul, decimal_div 等代码.

准备步骤

在真正计算前, 还需要做一些准备工作：

1. MySQL 会将数字的个数 ROUND_UP 到 9 的整数倍, 这样后面就可以按照 decimal_digit_t 为单位来进行计算

2. 此外还要针对参与运算的两个 decimal 的具体情况, 计算结果的 precision 和 scale, 如果发现结果的 precision 超过了支持的上限, 那么会按照 decimal_digit_t 为单位减少小数的数字.

3. 在乘法过程中, 如果发生了 2 中的减少行为, 则需要 TRUNCATE 两个运算数, 避免中间结果超出范围.

加法主要步骤

首先, 因为两个数字的 precision 和 scale 可能不相同, 需要做一些准备工作, 将小数点对齐, 然后开始计算, 从最末尾小数开始向高位加, 分为三个步骤：

1. 将小数较多的 decimal 多出的小数数字复制到结果中

2. 将两个 decimal 公共的部分相加

3. 将整数较多的 decimal 多出的整数数字与进位相加到结果中

代码中使用了 stop, stop2 来标记小数点对齐后, 长度不同的数字出现差异的位置.

/* part 1 - max(frac) ... min (frac) */
while (buf1 > stop) *--buf0 = *--buf1;

/* part 2 - min(frac) ... min(intg) */
carry = 0;
while (buf1 > stop2) {
  ADD(*--buf0, *--buf1, *--buf2, carry);
}

/* part 3 - min(intg) ... max(intg) */
buf1 = intg1 > intg2 ? ((stop3 = from1->buf) + intg1 - intg2)
                     : ((stop3 = from2->buf) + intg2 - intg1);
while (buf1 > stop3) {
  ADD(*--buf0, *--buf1, 0, carry);
}

乘法主要步骤

乘法引入了一个新的 dec2, 表示一个 64 bit 的数字, 这是因为两个 decimal_digit_t(int32) 相乘后得到的可能会是一个 64 bit 的数字. 在计算时一定要先把类型转换到 dec2(int64), 再计算, 否则会得到溢出后的错误结果. 乘法与加法不同, 乘法不需要对齐, 例如计算 11.11 5.0, 那么只要计算 111150=55550, 再移动小数点位置就能得到正确结果 55.550

MySQL 实现了一个双重循环将 decimal1 的 每一个 decimal_digit_t 与 decimal2 的每一个 decimal_digit_t 相乘, 得到一个 64 位的 dec2, 其低 32 位是当前的结果, 其高 32 位是进位.

typedef decimal_digit_t dec1;
typedef longlong dec2;

for (buf1 += frac1 - 1; buf1 >= stop1; buf1--, start0--) {
  carry = 0;
  for (buf0 = start0, buf2 = start2; buf2 >= stop2; buf2--, buf0--) {
    dec1 hi, lo;
    dec2 p = ((dec2)*buf1) * ((dec2)*buf2);
    hi = (dec1)(p / DIG_BASE);
    lo = (dec1)(p - ((dec2)hi) * DIG_BASE);
    ADD2(*buf0, *buf0, lo, carry);
    carry += hi;
  }
  if (carry) {
    if (buf0 < to->buf) return E_DEC_OVERFLOW;
    ADD2(*buf0, *buf0, 0, carry);
  }
  for (buf0--; carry; buf0--) {
    if (buf0 < to->buf) return E_DEC_OVERFLOW;
    ADD(*buf0, *buf0, 0, carry);
  }
}

除法主要步骤

除法使用的是 Knuth's Algorithm D, 其基本思路和手动除法也比较类似.

首先使用除数的前两个 decimal_digit_t 组成一个试商因数, 这里使用了一个 norm_factor 来保证数字在不溢出的情况下尽可能扩大, 这是因为 decimal 为了保证精度必须使用整形来进行计算, 数字越大, 得到的结果就越准确. D3: 猜商, 就是用被除数的前两个 decimal_digit_t 除以试商因数 这里如果不乘 norm_factor, 则 start1[1] 和 start2[1] 都不会体现在结果之中.

D4: 将 guess 与除数相乘, 再从被除数中剪掉结果 然后做一些修正, 移动向下一个 decimal_digit_t, 重复这个过程.

想更详细地了解这个算法可以参考 https://skanthak.homepage.t-online.de/division.html

norm2 = (dec1)(norm_factor * start2[0]);
if (likely(len2 > 0)) norm2 += (dec1)(norm_factor * start2[1] / DIG_BASE)；

x = start1[0] + ((dec2)dcarry) * DIG_BASE;
y = start1[1];
guess = (norm_factor * x + norm_factor * y / DIG_BASE) / norm2;

for (carry = 0; buf2 > start2; buf1--) {
  dec1 hi, lo;
  x = guess * (*--buf2);
  hi = (dec1)(x / DIG_BASE);
  lo = (dec1)(x - ((dec2)hi) * DIG_BASE);
  SUB2(*buf1, *buf1, lo, carry);
  carry += hi;
}
carry = dcarry < carry;

3.2 ClickHouse

ClickHouse 是列存, 相同列的数据会放在一起, 因此计算时通常也将一列的数据合成 batch 一起计算.

一列的 batch 在 ClickHouse 中使用 PODArray, 例如上图中的 c1 在计算时就会有一个 PODArray, 进行简化后大致可以表示如下:

class PODArray {
    char * c_start          = null;
    char * c_end            = null;
    char * c_end_of_storage = null;
}

在计算时会讲 c_start 指向的数组转换成实际的类型, 对于 decimal, ClickHouse 使用足够大的 int 来表示, 根据 decimal 的 precision 选择 int32, int64 或者 int128. 例如一个 decimal(10, 2), 123.45, 使用这样方式可以表示为一个 int32_t, 其内容为 12345, decimal(10, 3) 的 123.450 表示为 123450. ClickHouse 用来表示每个 decimal 的结构如下, 实际上就是足够大的 int：

template <typename T>
struct Decimal
{
    using NativeType = T;
    // ...
    T value;
};
using Int32 = int32_t;
using Int64 = int64_t;
using Int128 = __int128;
using Decimal32 = Decimal<Int32>;
using Decimal64 = Decimal<Int64>;
using Decimal128 = Decimal<Int128>;

显而易见, 这样的表示方法相较于 MySQL 的方法更轻量, 但是范围更小, 同时也带来了一个问题是没有小数点的位置, 在进行加减法、大小比较等需要小数点对齐的场景下, ClickHouse 会在运算实际发生的时候将 scale 以参数的形式传入, 此时配合上面的数字就可以正确地还原出真实的 decimal 值了.

ResultDataType type = decimalResultType(left, right, is_multiply, is_division);

int scale_a = type.scaleFactorFor(left, is_multiply);
int scale_b = type.scaleFactorFor(right, is_multiply || is_division);
OpImpl::vector_vector(col_left->getData(), col_right->getData(), vec_res,
                      scale_a, scale_b, check_decimal_overflow);

例如两个 decimal: a = 123.45000(p=8, s=5), b = 123.4(p=4, s=1), 那么计算时传入的参数就是 col_left->getData() = 123.45000 10 ^ 5 = 12345000, scale_a = 1, col_right->getData() = 123.4 10 ^ 1 = 1234, scale_b = 10000, 12345000 1 和 1234 10000 的小数点位置是对齐的, 可以直接计算.

加法主要步骤

ClickHouse 实现加法同样要先对齐, 对齐的方法是将 scale 较小的数字乘上一个系数, 使两边的 scale 相等. 然后直接做加法即可. ClickHouse 在计算中也根据 decimal 的 precision 进行了细分, 对于长度没那么长的 decimal, 直接用 int32, int64 等原生类型计算就可以了, 这样大大提升了速度.

bool overflow = false;
if constexpr (scale_left)
    overflow |= common::mulOverflow(a, scale, a);
else
    overflow |= common::mulOverflow(b, scale, b);

overflow |= Op::template apply<NativeResultType>(a, b, res);

template <typename T>
inline bool addOverflow(T x, T y, T & res)
{
    return __builtin_add_overflow(x, y, &res);
}

template <>
inline bool addOverflow(__int128 x, __int128 y, __int128 & res)
{
    static constexpr __int128 min_int128 = __int128(0x8000000000000000ll) << 64;
    static constexpr __int128 max_int128 = (__int128(0x7fffffffffffffffll) << 64) + 0xffffffffffffffffll;
    res = x + y;
    return (y > 0 && x > max_int128 - y) || (y < 0 && x < min_int128 - y);
}

乘法主要步骤

同 MySQL, 乘法不需要对齐, 直接按整数相乘就可以了, 比较短的 decimal 同样可以使用 int32, int64 原生类型. int128 在溢出检测时被转换成 unsigned int128 避免溢出时的未定义行为.

template <typename T>
inline bool mulOverflow(T x, T y, T & res)
{
    return __builtin_mul_overflow(x, y, &res);
}

template <>
inline bool mulOverflow(__int128 x, __int128 y, __int128 & res)
{
    res = static_cast<unsigned __int128>(x) * static_cast<unsigned __int128>(y);    /// Avoid signed integer overflow.
    if (!x || !y)
        return false;

    unsigned __int128 a = (x > 0) ? x : -x;
    unsigned __int128 b = (y > 0) ? y : -y;
    return (a * b) / b != a;
}

除法主要步骤

先转换 scale 再直接做整数除法. 本身来讲除法和乘法一样是不需要对齐小数点的, 但是除法不一样的地方在于可能会产生无限小数, 所以一般数据库都会给结果一个固定的小数位数, ClickHouse 选择的小数位数是和被除数一样, 因此需要将 a 乘上 scale, 然后在除法运算的过程中, 这个 scale 被自然减去, 得到结果的小数位数就可以保持和被除数一样.

bool overflow = false;
if constexpr (!IsDecimalNumber<A>)
    overflow |= common::mulOverflow(scale, scale, scale);
overflow |= common::mulOverflow(a, scale, a);
if (overflow)
    throw Exception("Decimal math overflow", ErrorCodes::DECIMAL_OVERFLOW);

return Op::template apply<NativeResultType>(a, b);

3.3 总结

MySQL 通过一个 int32 的数组来表示一个大数, ClickHouse 则是尽可能使用原生类型, GCC 和 Clang 都支持 int128 扩展, 这使得 ClickHouse 的这种做法可以比较方便地实现.

MySQL 与 ClickHouse 的实现差别还是比较大的, 针对我们开始提到的问题, 分别来看看他们的解答.

1. precision 和 scale 范围, MySQL 最高可定义 precision=65, scale=30, 中间结果最多包含 81 个数字, ClickHouse 最高可定义 precision=38, scale=37, 中间结果最大为 int128 的最大值 -2^127 ~ 2^127-1.

2. 在哪里存储 scale, MySQL 是行式存储, 使用火山模型逐行迭代, 计算也是按行进行, 每个 decimal 都有自己的 scale；ClickHouse 是列式存储, 计算按列批量进行, 每行按照相同的 scale 处理能提升性能, 因此 scale 来自表达式解析过程中推导出来的类型.

3. scale 增长, scale 增长超过极限时, MySQL 会通过动态挤占小数空间, truncate 运算数, 尽可能保证计算完成, ClickHouse 会直接报溢出错.

4. 除法 scale, MySQL 通过 div_prec_increment 来控制除法结果的 scale, ClickHouse 固定使用被除数的 scale.

5. 性能, MySQL 使用了更宽的 decimal 表示, 同时要进行 ROUND_UP, 小数挤占, TRUNCATE 等动作, 性能较差, ClickHouse 使用原生的数据类型和计算最大限度地提升了性能.

4. MySQL 违反直觉的地方

在这一部分中, 我们将讲述一些 MySQL 实现造成的违反直觉的地方. 这些行为通常发生在运算结果接近 81 digit 时, 因此如果可以保证运算结果的范围较小也可以忽略这些问题.

1. 乘法的 scale 会截断到 31, 且该截断是通过截断运算数字的方式来实现的, 例如: select 10000000000000000000000000000000.100000000 10000000000000000000000000000000 = 10000000000000000000000000000000.100000000000000000000000000000 10000000000000000000000000000000.555555555555555555555555555555 返回 1, 第二个运算数中的 .555555555555555555555555555555 全部被截断

2. MySQL 使用的 buffer 包含了 81 个 digit 的容量, 但是由于小数部分必须和整数部分分开, 因此很多时候无法用满 81 个 digit, 例如: select 99999999999999999999999999999999999999999999999999999999999999999999999999.999999 = 99999999999999999999999999999999999999999999999999999999999999999999999999.9 返回 1

3. 计算过程中如果发现整数部分太大会动态地挤占小数部分, 例如: select 999999999999999999999999999999999999999999999999999999999999999999999999.999999999 + 999999999999999999999999999999999999999999999999999999999999999999999999.999999999 = 999999999999999999999999999999999999999999999999999999999999999999999999 + 999999999999999999999999999999999999999999999999999999999999999999999999 返回 1

4. 除法计算中间结果不受 scale = 31 的限制, 除法中间结果的 scale 一定是 9 的整数倍, 不能按照最终结果来推测除法作为中间结果的精度, 例如 select 2.0000 / 3 3 返回 2.00000000, 而 select 2.00000 / 3 3 返回 1.999999998, 可见前者除法的中间结果其实保留了更多的精度.

5. 除法, avg 计算最终结果的小数部分如果正好是 9 的倍数, 则不会四舍五入, 例如: select 2.00000 / 3 返回 0.666666666, select 2.0000 / 3 返回 0.66666667

6. 除法, avg 计算时, 运算数字的小数部分如果不是 9 的倍数, 那么会实际上存储 9 的倍数个小数数字, 因此会出现以下差异：

create table t1 (a decimal(20, 2), b decimal(20, 2), c integer);

insert into t1 values (100000.20, 1000000.10,   5);
insert into t1 values (200000.20, 2000000.10,   2);
insert into t1 values (300000.20, 3000000.10,   4);
insert into t1 values (400000.20, 4000000.10,   6);
insert into t1 values (500000.20, 5000000.10,   8);
insert into t1 values (600000.20, 6000000.10,   9);
insert into t1 values (700000.20, 7000000.10,   8);
insert into t1 values (800000.20, 8000000.10,   7);
insert into t1 values (900000.20, 9000000.10,   7);
insert into t1 values (1000000.20, 10000000.10, 2);
insert into t1 values (2000000.20, 20000000.10, 5);
insert into t1 values (3000000.20, 30000000.10, 2);

select sum(a+b), avg(c), sum(a+b) / avg(c) from t1;
+--------------+--------+-------------------+
| sum(a+b)     | avg(c) | sum(a+b) / avg(c) |
+--------------+--------+-------------------+
| 115500003.60 | 5.4167 |   21323077.590317 |
+--------------+--------+-------------------+
1 row in set (0.01 sec)

select 115500003.60 / 5.4167;
+-----------------------+
| 115500003.60 / 5.4167 |
+-----------------------+
|       21322946.369561 |
+-----------------------+
1 row in set (0.00 sec)

Atas ialah kandungan terperinci Cara menggunakan jenis Decimal dalam pangkalan data mysql. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!