PostgreSQL fixeddecimal - 用CPU 硬解码 提升1倍 数值运算能力 助力金融大数据量计算
背景
PostgreSQL 支持的数字类型包括整型，浮点，以及PG自己实现的numeric数据类型。
src/backend/utils/adt/numeric.c
src/backend/utils/adt/float.c
numeric可以存储非常大的数字，超过2^17次方个数字长度。提升了精度的同时，也带来了性能的损耗，不能充分利用CPU 的 “硬解码”能力。
typedef struct NumericVar
{
int ndigits; /* # of digits in digits[] - can be 0! */
int weight; /* weight of first digit */
int sign; /* NUMERIC_POS, NUMERIC_NEG, or NUMERIC_NAN */
int dscale; /* display scale */
NumericDigit *buf; /* start of palloc'd space for digits[] */
NumericDigit *digits; /* base-NBASE digits */
} NumericVar;
浮点类型就比numeric轻量很多，所以性能也会好很多，一倍左右。
在大数据的场合中，节约1倍的计算量是很可观的哦，特别是在金融行业，涉及到大量的数值计算。
如果你玩过greenplum, deepgreen, vitessedb ，也能发现在这些数据库产品的测试手册中，会提到使用money, float8类型来替换原有的numeric类型来进行测试。可以得到更好的性能。
但是money, float8始终是有一定的弊端的，超出精度时，结果可能不准确。
那么怎样提升numeric的性能又不会得到有误的结果呢？
我们可以使用fexeddecimal插件，如下：
https://github.com/2ndQuadrant/fixeddecimal
fixeddecimal的原理很简单，实际上它是使用int8来存储的，整数位和小数位是在代码中固定的：
/*
* The scale which the number is actually stored.
* For example: 100 will allow 2 decimal places of precision
* This must always be a '1' followed by a number of '0's.
*/
#define FIXEDDECIMAL_MULTIPLIER 100LL
/*
* Number of decimal places to store.
* This number should be the number of decimal digits that it takes to
* represent FIXEDDECIMAL_MULTIPLIER - 1
*/
#define FIXEDDECIMAL_SCALE 2
如果 FIXEDDECIMAL_SCALE 设置为2，则FIXEDDECIMAL_MULTIPLIER 设置为100，如果 FIXEDDECIMAL_SCALE 设置为3，FIXEDDECIMAL_MULTIPLIER 设置为1000。
也就是通过整型来存储，显示时除以multiplier得到整数部分，取余得到小数部分。
/*
* fixeddecimal2str
* Prints the fixeddecimal 'val' to buffer as a string.
* Returns a pointer to the end of the written string.
*/
static char *
fixeddecimal2str(int64 val, char *buffer)
{
char *ptr = buffer;
int64 integralpart = val / FIXEDDECIMAL_MULTIPLIER;
int64 fractionalpart = val % FIXEDDECIMAL_MULTIPLIER;
if (val < 0)
{
fractionalpart = -fractionalpart;
/*
* Handle special case for negative numbers where the intergral part
* is zero. pg_int64tostr() won't prefix with "-0" in this case, so
* we'll do it manually
*/
if (integralpart == 0)
*ptr++ = '-';
}
ptr = pg_int64tostr(ptr, integralpart);
*ptr++ = '.';
ptr = pg_int64tostr_zeropad(ptr, fractionalpart, FIXEDDECIMAL_SCALE);
return ptr;
}
所以fixeddecimal能存取的值范围就是INT8的范围除以multiplier。
postgres=# select 9223372036854775807::int8;
int8
---------------------
9223372036854775807
(1 row)
postgres=# select 9223372036854775808::int8;
ERROR: 22003: bigint out of range
LOCATION: numeric_int8, numeric.c:2955
postgres=# select 92233720368547758.07::fixeddecimal;
fixeddecimal
----------------------
92233720368547758.07
(1 row)
postgres=# select 92233720368547758.08::fixeddecimal;
ERROR: 22003: value "92233720368547758.08" is out of range for type fixeddecimal
LOCATION: scanfixeddecimal, fixeddecimal.c:499
另外需要注意，编译fixeddecimal需要用到支持__int128的编译器，gcc 4.9.3是支持的。所以如果你用的gcc版本比较低的话，需要提前更新好gcc。
http://blog.163.com/digoal@126/blog/static/163877040201601313814429/
下面测试一下fixeddecimal+PostgreSQL 9.5的性能表现，对1亿数据进行加减乘除以及聚合的运算，看float8, numeric, fixeddecimal类型的运算结果和速度：
使用auto_explain记录下对比float8,numeric,fixeddecimal的执行计划和耗时。
psql
\timing
postgres=# load 'auto_explain';
LOAD
Time: 2.328 ms
postgres=# set auto_explain.log_analyze =true;
SET
Time: 0.115 ms
postgres=# set auto_explain.log_buffers =true;
SET
Time: 0.080 ms
postgres=# set auto_explain.log_nested_statements=true;
SET
Time: 0.073 ms
postgres=# set auto_explain.log_timing=true;
SET
Time: 0.089 ms
postgres=# set auto_explain.log_triggers=true;
SET
Time: 0.076 ms
postgres=# set auto_explain.log_verbose=true;
SET
Time: 0.074 ms
postgres=# set auto_explain.log_min_duration=0;
SET
Time: 0.149 ms
postgres=# set client_min_messages ='log';
SET
Time: 0.144 ms
postgres=# set work_mem='8GB';
SET
Time: 0.152 ms
postgres=# select sum(i::numeric),min(i::numeric),max(i::numeric),avg(i::numeric),sum(3.0::numeric*(i::numeric+i::numeric)),avg(i::numeric/3.0::numeric) from generate_series(1,100000000) t(i);
LOG: duration: 241348.655 ms plan:
Query Text: select sum(i::numeric),min(i::numeric),max(i::numeric),avg(i::numeric),sum(3.0::numeric*(i::numeric+i::numeric)),avg(i::numeric/3.0::numeric) from generate_series(1,100000000) t(i);
Aggregate (cost=50.01..50.02 rows=1 width=4) (actual time=241348.631..241348.631 rows=1 loops=1)
Output: sum((i)::numeric), min((i)::numeric), max((i)::numeric), avg((i)::numeric), sum((3.0 * ((i)::numeric + (i)::numeric))), avg(((i)::numeric / 3.0))
-> Function Scan on pg_catalog.generate_series t (cost=0.00..10.00 rows=1000 width=4) (actual time=12200.116..22265.586 rows=100000000 loops=1)
Output: i
Function Call: generate_series(1, 100000000)
sum | min | max | avg | sum | avg
------------------+-----+-----------+-----------------------+---------------------+-------------------------------
5000000050000000 | 1 | 100000000 | 50000000.500000000000 | 30000000300000000.0 | 16666666.83333333333333333333
(1 row)
Time: 243149.286 ms
postgres=# select sum(i::float8),min(i::float8),max(i::float8),avg(i::float8),sum(3.0::float8*(i::float8+i::float8)),avg(i::float8/3.0::float8) from generate_series(1,100000000) t(i);
LOG: duration: 112407.004 ms plan:
Query Text: select sum(i::float8),min(i::float8),max(i::float8),avg(i::float8),sum(3.0::float8*(i::float8+i::float8)),avg(i::float8/3.0::float8) from generate_series(1,100000000) t(i);
Aggregate (cost=50.01..50.02 rows=1 width=4) (actual time=112406.967..112406.967 rows=1 loops=1)
Output: sum((i)::double precision), min((i)::double precision), max((i)::double precision), avg((i)::double precision), sum(('3'::double precision * ((i)::double precision + (i)::double precision))), avg(((i)::double precision / '3'::double precision))
-> Function Scan on pg_catalog.generate_series t (cost=0.00..10.00 rows=1000 width=4) (actual time=12157.571..20994.444 rows=100000000 loops=1)
Output: i
Function Call: generate_series(1, 100000000)
sum | min | max | avg | sum | avg
----------------+-----+-----------+------------+----------------------+------------------
5.00000005e+15 | 1 | 100000000 | 50000000.5 | 3.00000003225094e+16 | 16666666.8333333
(1 row)
Time: 114208.528 ms
postgres=# select sum(i::fixeddecimal),min(i::fixeddecimal),max(i::fixeddecimal),avg(i::fixeddecimal),sum(3.0::fixeddecimal*(i::fixeddecimal+i::fixeddecimal)),avg(i::fixeddecimal/3.0::fixeddecimal) from generate_series(1,100000000) t(i);
LOG: duration: 97956.458 ms plan:
Query Text: select sum(i::fixeddecimal),min(i::fixeddecimal),max(i::fixeddecimal),avg(i::fixeddecimal),sum(3.0::fixeddecimal*(i::fixeddecimal+i::fixeddecimal)),avg(i::fixeddecimal/3.0::fixeddecimal) from generate_series(1,100000000) t(i);
Aggregate (cost=50.01..50.02 rows=1 width=4) (actual time=97956.431..97956.431 rows=1 loops=1)
Output: sum((i)::fixeddecimal), min((i)::fixeddecimal), max((i)::fixeddecimal), avg((i)::fixeddecimal), sum(('3.00'::fixeddecimal * ((i)::fixeddecimal + (i)::fixeddecimal))), avg(((i)::fixeddecimal / '3.00'::fixeddecimal))
-> Function Scan on pg_catalog.generate_series t (cost=0.00..10.00 rows=1000 width=4) (actual time=12168.630..20874.617 rows=100000000 loops=1)
Output: i
Function Call: generate_series(1, 100000000)
sum | min | max | avg | sum | avg
---------------------+------+--------------+-------------+----------------------+-------------
5000000050000000.00 | 1.00 | 100000000.00 | 50000000.50 | 30000000300000000.00 | 16666666.83
(1 row)
Time: 99763.032 ms
性能对比:
注意上面的测试case,
float8的结果已经不准确了，fixeddecimal使用了默认的scale=2，所以小数位保持2位精度。
numeric则精度更高，显示的部分没有显示全，这是PG内部控制的。
另外需要注意的是，fixeddecimal对于超出精度的部分是做的截断，不是round, 因此123.555是存的12355而不是12356。
postgres=# select '123.555'::fixeddecimal;
fixeddecimal
--------------
123.55
(1 row)
postgres=# select '123.555'::fixeddecimal/'123.556'::fixeddecimal;
?column?
----------
1.00
(1 row)
postgres=# select '124.555'::fixeddecimal/'123.556'::fixeddecimal;
?column?
----------
1.00
(1 row)
postgres=# select 124.555/123.556;
?column?
--------------------
1.0080854025704944
(1 row)
参考
https://github.com/2ndQuadrant/fixeddecimal