DECIMAL 数据处理原理浅析
注:本文分析内容基于 MySQL 8.0 版本
文章开始前先复习一下官方文档关于 DECIMAL
类型的一些介绍:
The declaration syntax for a DECIMAL column is DECIMAL(M,D). The ranges of values for the arguments are as follows:
M is the maximum number of digits (the precision). It has a range of 1 to 65.
D is the number of digits to the right of the decimal point (the scale). It has a range of 0 to 30 and must be no larger than M.
If D is omitted, the default is 0. If M is omitted, the default is 10.
The maximum value of 65 for M means that calculations on DECIMAL values are accurate up to 65 digits. This limit of 65 digits of precision also applies to exact-value numeric literals, so the maximum range of such literals differs from before. (There is also a limit on how long the text of DECIMAL literals can be; see Section 12.25.3, “Expression Handling”.)
以上材料提到的最大精度和小数位是本文分析关注的重点:
- 最大精度是
65
位 - 小数位最多
30
位
接下来将先分析 MySQL 服务输入处理 DECIMAL
类型的常数。
现在,先抛出几个问题:
- MySQL 中当使用
SELECT
查询常数时,例如:SELECT 123456789.123;
是如何处理的? - MySQL 中查询一下两条语句分别返回结果是多少?为什么?
SELECT 111111111111111111111111111111111111111111111111111111111111111111111111111111111; SELECT 1111111111111111111111111111111111111111111111111111111111111111111111111111111111;
MySQL 如何解析常数
来看第1个问题,MySQL 的词法分析在处理 SELECT
查询常数的语句时,会根据数字串的长度选择合适的类型来存储数值,决策逻辑代码位于 int_token(const char *str, uint length)@sql_lex.cc
,具体的代码片段如下:
static inline uint int_token(const char *str, uint length) {
...
if (neg) {
cmp = signed_long_str + 1;
smaller = NUM; // If <= signed_long_str
bigger = LONG_NUM; // If >= signed_long_str
} else if (length < signed_longlong_len)
return LONG_NUM;
else if (length > signed_longlong_len)
return DECIMAL_NUM;
else {
cmp = signed_longlong_str + 1;
smaller = LONG_NUM; // If <= signed_longlong_str
bigger = DECIMAL_NUM;
}
} else {
if (length == long_len) {
cmp = long_str;
smaller = NUM;
bigger = LONG_NUM;
} else if (length < longlong_len)
return LONG_NUM;
else if (length > longlong_len) {
if (length > unsigned_longlong_len) return DECIMAL_NUM;
cmp = unsigned_longlong_str;
smaller = ULONGLONG_NUM;
bigger = DECIMAL_NUM;
} else {
cmp = longlong_str;
smaller = LONG_NUM;
bigger = ULONGLONG_NUM;
}
}
while (*cmp && *cmp++ == *str++)
;
return ((uchar)str[-1] <= (uchar)cmp[-1]) ? smaller : bigger;
}
上面代码中,long_len
值为 10
,longlong_len
值为 19
,unsigned_longlong_len
值为20
。
neg
表示是否是负数,直接看正数的处理分支,负数同理:
- 当输入的数值串长度等于
10
时 MySQL 可能使用LONG_NUM
或LONG_NUM
表示 - 当输入的数值串长度小于
19
时 MySQL 使用LONG_NUM
表示 - 当输入的数值串长度等于
20
时 MySQL 可能使用LONG_NUM
或DECIMAL_NUM
表示 - 当输入的数值串长度大于
20
时 MySQL 使用DECIMAL_NUM
表示 - 其他长度时,MySQL 可能使用
LONG_NUM
或ULONGLONG_NUM
表示
对于可能有两种表示方式的数据,MySQL 是通过将数字串与 cmp
指向的数值字符串进行比较,如果小于等于 cmp
表示的数值则使用 smaller
表示,否则使用 bigger
表示。cmp
指向的数值字符串定义在 sql_lex.cc
文件中,具体如下:
static const char *long_str = "2147483647";
static const uint long_len = 10;
static const char *signed_long_str = "-2147483648";
static const char *longlong_str = "9223372036854775807";
static const uint longlong_len = 19;
static const char *signed_longlong_str = "-9223372036854775808";
static const uint signed_longlong_len = 19;
static const char *unsigned_longlong_str = "18446744073709551615";
static const uint unsigned_longlong_len = 20;
因此,这里我们可以得出结论:MySQL 中当使用 SELECT
查询常数时,根据数值串的长度和数值大小来决定使用什么类型来接收常数。当数值串长度大于 20
,或数值串长度等于 20
且数值小于-9223372036854775808
或大于18446744073709551615
时,MySQL 服务选择使用 DECIMAL
类型来接收处理常数。
这里,再抛出一个问题:
3. 上面分析提到的 DECIMAL
是否与官方文档中提到的 DECIMAL
类型或者换一种方式说:是否与建表语句 CREATE TABLE t(d DECIMAL(65, 30));
中字段 d
的 DECIMAL(65, 30)
类型(可以不考虑精度和小数位)相同?
MySQL 解析 DECIMAL 常数时怎么处理溢出
分析第2个问题,先看一下语句的执行结果:
root@mysqldb 14:09: [(none)]> SELECT 111111111111111111111111111111111111111111111111111111111111111111111111111111111;
+-----------------------------------------------------------------------------------+
| 111111111111111111111111111111111111111111111111111111111111111111111111111111111 |
+-----------------------------------------------------------------------------------+
| 111111111111111111111111111111111111111111111111111111111111111111111111111111111 |
+-----------------------------------------------------------------------------------+
1 row in set (2.28 sec)
root@mysqldb 14:09: [(none)]> SELECT 1111111111111111111111111111111111111111111111111111111111111111111111111111111111;
+------------------------------------------------------------------------------------+
| 1111111111111111111111111111111111111111111111111111111111111111111111111111111111 |
+------------------------------------------------------------------------------------+
| 99999999999999999999999999999999999999999999999999999999999999999 |
+------------------------------------------------------------------------------------+
1 row in set, 1 warning (2.01 sec)
接着上面的思路往下看常数的语法解析:
NUM_literal:
int64_literal
| DECIMAL_NUM
{
$$= NEW_PTN Item_decimal(@$, $1.str, $1.length, YYCSCL);
}
| FLOAT_NUM
{
$$= NEW_PTN Item_float(@$, $1.str, $1.length);
}
;
语法解析器在获取到 toekn = DECIMAL_NUM
后,会创建一个 Item_decimal
对象来存储输入的数值。
在分析代码之前先来看几个常数定义:
/** maximum length of buffer in our big digits (uint32). */
static constexpr int DECIMAL_BUFF_LENGTH{9};
/** the number of digits that my_decimal can possibly contain */
static constexpr int DECIMAL_MAX_POSSIBLE_PRECISION{DECIMAL_BUFF_LENGTH * 9};
/**
maximum guaranteed precision of number in decimal digits (number of our
digits * number of decimal digits in one our big digit - number of decimal
digits in one our big digit decreased by 1 (because we always put decimal
point on the border of our big digits))
*/
static constexpr int DECIMAL_MAX_PRECISION{DECIMAL_MAX_POSSIBLE_PRECISION -
8 * 2};
static constexpr int DECIMAL_MAX_SCALE{30};
DECIMAL_BUFF_LENGTH
:表示整个DECIMAL
类型数据的缓冲区大小DECIMAL_MAX_POSSIBLE_PRECISION
:每个缓冲区单元可以存储9
位数字,所以最大可以处理的精度这里为81
DECIMAL_MAX_PRECISION
:用来限制官方文档介绍中decimal(M,D)
中的M
的最大值,亦或是当超大常数溢出后返回的整数部分最大长度DECIMAL_MAX_SCALE
:用来限制官方文档介绍中decimal(M,D)
中的D
的最大值
Item_decimal::Item_decimal(const POS &pos, const char *str_arg, uint length,
const CHARSET_INFO *charset)
: super(pos) {
str2my_decimal(E_DEC_FATAL_ERROR, str_arg, length, charset, &decimal_value);
item_name.set(str_arg);
set_data_type(MYSQL_TYPE_NEWDECIMAL);
decimals = (uint8)decimal_value.frac;
fixed = true;
max_length = my_decimal_precision_to_length_no_truncation(
decimal_value.intg + decimals, decimals, unsigned_flag);
}
在Item_decimal
构造函数中调用str2my_decimal
函数对输入数值进行处理,将其转换为my_decimal
类型的数据。
int str2my_decimal(uint mask, const char *from, size_t length,
const CHARSET_INFO *charset, my_decimal *decimal_value) {
const char *end, *from_end;
int err;
char buff[STRING_BUFFER_USUAL_SIZE];
String tmp(buff, sizeof(buff), &my_charset_bin);
if (charset->mbminlen > 1) {
uint dummy_errors;
tmp.copy(from, length, charset, &my_charset_latin1, &dummy_errors);
from = tmp.ptr();
length = tmp.length();
charset = &my_charset_bin;
}
from_end = end = from + length;
err = string2decimal(from, (decimal_t *)decimal_value, &end);
if (end != from_end && !err) {
/* Give warning if there is something other than end space */
for (; end < from_end; end++) {
if (!my_isspace(&my_charset_latin1, *end)) {
err = E_DEC_TRUNCATED;
break;
}
}
check_result_and_overflow(mask, err, decimal_value);
return err;
}
str2my_decimal
函数先将数值字符串转为合适的字符集后,调用 string2decimal
函数将数值字符串转为 decimal_t
类型的数据。my_decimal
类型和 decimal_t
类型的关系如下:
@startuml
class decimal_t
{
+ int intg, frac, len;
+ bool sign;
+ decimal_digit_t *buf;
}
class my_decimal
{
- decimal_digit_t buffer[DECIMAL_BUFF_LENGTH];
}
decimal_t <|-- my_decimal
@enduml
decimal_digit_t
是int32_t
的别名intg
表示整数部分的字符个数frac
表示小数部分的字符个数sign
表示是否负数buf
指向buffer
buffer
是数据存放数组,数组长度为9
,也就意味着一个decimal
最多可以存放9
个int32_t
大小的数据,但由于设计限制每个数组元素限制存储9
个字符,因此buffer
最多可以存储81
个字符
由于 buffer
长度的限制,在 string2decimal
函数解析时会有溢出的可能,因此,解析后还需要调用check_result_and_overflow
函数处理溢出的情况。
string2decimal
的代码实现:
int string2decimal(const char *from, decimal_t *to, const char **end) {
const char *s = from, *s1, *endp, *end_of_string = *end;
int i, intg, frac, error, intg1, frac1;
dec1 x, *buf;
sanity(to);
error = E_DEC_BAD_NUM; /* In case of bad number */
while (s < end_of_string && my_isspace(&my_charset_latin1, *s)) s++;
if (s == end_of_string) goto fatal_error;
if ((to->sign = (*s == '-')))
s++;
else if (*s == '+')
s++;
s1 = s;
while (s < end_of_string && my_isdigit(&my_charset_latin1, *s)) s++;
intg = (int)(s - s1);
if (s < end_of_string && *s == '.') {
endp = s + 1;
while (endp < end_of_string && my_isdigit(&my_charset_latin1, *endp))
endp++;
frac = (int)(endp - s - 1);
} else {
frac = 0;
endp = s;
}
*end = endp;
if (frac + intg == 0) goto fatal_error;
error = 0;
intg1 = ROUND_UP(intg);
frac1 = ROUND_UP(frac);
FIX_INTG_FRAC_ERROR(to->len, intg1, frac1, error);
if (unlikely(error)) {
frac = frac1 * DIG_PER_DEC1;
if (error == E_DEC_OVERFLOW) intg = intg1 * DIG_PER_DEC1;
}
/* Error is guranteed to be set here */
to->intg = intg;
to->frac = frac;
buf = to->buf + intg1;
s1 = s;
for (x = 0, i = 0; intg; intg--) {
x += (*--s - '0') * powers10[i];
if (unlikely(++i == DIG_PER_DEC1)) {
*--buf = x;
x = 0;
i = 0;
}
}
if (i) *--buf = x;
buf = to->buf + intg1;
for (x = 0, i = 0; frac; frac--) {
x = (*++s1 - '0') + x * 10;
if (unlikely(++i == DIG_PER_DEC1)) {
*buf++ = x;
x = 0;
i = 0;
}
}
if (i) *buf = x * powers10[DIG_PER_DEC1 - i];
/* Handle exponent */
if (endp + 1 < end_of_string && (*endp == 'e' || *endp == 'E')) {
int str_error;
longlong exponent = my_strtoll10(endp + 1, &end_of_string, &str_error);
if (end_of_string != endp + 1) /* If at least one digit */
{
*end = end_of_string;
if (str_error > 0) {
error = E_DEC_BAD_NUM;
goto fatal_error;
}
if (exponent > INT_MAX / 2 || (str_error == 0 && exponent < 0)) {
error = E_DEC_OVERFLOW;
goto fatal_error;
}
if (exponent < INT_MIN / 2 && error != E_DEC_OVERFLOW) {
error = E_DEC_TRUNCATED;
goto fatal_error;
}
if (error != E_DEC_OVERFLOW) error = decimal_shift(to, (int)exponent);
}
}
/* Avoid returning negative zero, cfr. decimal_cmp() */
if (to->sign && decimal_is_zero(to)) to->sign = false;
return error;
fatal_error:
decimal_make_zero(to);
return error;
}
解析过程大致如下:
- 分别计算整数部分和小数部分各有多少个字符
- 分别计算整数部分和小数部分各需要多少个
buffer
元素来存储- 如果整数部分需要的
buffer
元素个数超过9
,则表示溢出 - 如果整数部分和小数部分需要的
buffer
元素个数超过9
,则表示需要将小数部分进行截断
由于先解析整数部分,再解析小数部分,因此,如果整数部分如果完全占用所有buffer
元素,此时,小数部分会被截断。
- 如果整数部分需要的
- 将整数部分和小数部分按每
9
个字符转为一个整数记录到buffer
的元素中(buffer
中的模型示例如下)
例如常数:111111111222222222333333333.444444444
intg = 27, frac = 9, len = 9, sign = false
byte 0 1 2 3 4 5 6 6 7 8
buffer: | 111111111 | 222222222 | 333333333 | 444444444 | UNKNOWN | UNKNOWN | UNKNOWN | UNKNOWN | UNKNOWN | UNKNOWN |
低地址 -----------------------------------------------------------------------------------------------> 高地址
check_result_and_overflow
代码实现:
void max_decimal(int precision, int frac, decimal_t *to) {
int intpart;
dec1 *buf = to->buf;
assert(precision && precision >= frac);
to->sign = false;
// 发生溢出时将 buffer 中的数据更新为 9 99 999 ...
if ((intpart = to->intg = (precision - frac))) {
int firstdigits = intpart % DIG_PER_DEC1;
if (firstdigits) *buf++ = powers10[firstdigits] - 1; /* get 9 99 999 ... */
for (intpart /= DIG_PER_DEC1; intpart; intpart--) *buf++ = DIG_MAX;
}
if ((to->frac = frac)) {
int lastdigits = frac % DIG_PER_DEC1;
for (frac /= DIG_PER_DEC1; frac; frac--) *buf++ = DIG_MAX;
if (lastdigits) *buf = frac_max[lastdigits - 1];
}
}
inline void max_my_decimal(my_decimal *to, int precision, int frac) {
assert((precision <= DECIMAL_MAX_PRECISION) && (frac <= DECIMAL_MAX_SCALE));
max_decimal(precision, frac, to);
}
inline void max_internal_decimal(my_decimal *to) {
max_my_decimal(to, DECIMAL_MAX_PRECISION, 0);
}
inline int check_result_and_overflow(uint mask, int result, my_decimal *val) {
// 检查前面的处理是否发生溢出
if (val->check_result(mask, result) & E_DEC_OVERFLOW) {
bool sign = val->sign();
val->sanity_check();
max_internal_decimal(val);
val->sign(sign);
}
/*
Avoid returning negative zero, cfr. decimal_cmp()
For result == E_DEC_DIV_ZERO *val has not been assigned.
*/
if (result != E_DEC_DIV_ZERO && val->sign() && decimal_is_zero(val))
val->sign(false);
return result;
}
如果 check_result_and_overflow
调用之前的处理发生了溢出行为,则意味着 decimal
不能存储完整的数据,MySQL 决定这种情况下仅返回decimal
默认的最大精度数值,由上面的代码片段可以看出最大精度数值是 65
个 9
。
超大常量数据生成的 DECIMAL 数据与 DECIMAL 字段类型的区别
通过上面对超大常量数据生成的 DECIMAL
数据处理的分析,可以得出问题3的答案:两者不同,区别如下:
DECIMAL
字段类型有显式的精度和小数位的限制,也就是DECIMAL
字段插入数据时能插入的正数部分的长度为M-D
,而超大常量数据生成的DECIMAL
数据则会隐含的优先处理考虑整数部分,整数部分处理完才继续处理小数部分,如果缓冲区不够则将小数位截断,如果缓冲区不够整数部分存放则转为65
个9
。- 在 MySQL 的服务源码中
DECIMAL
字段类型使用Field_new_decimal
类型接收处理,而超大常量数据生成的DECIMAL
数据由Item_decimal
类型接收处理。
Enjoy GreatSQL 😃
文章推荐:
ulimits不生效导致数据库启动失败和相关设置说明
MGR及GreatSQL资源汇总
关于 GreatSQL
GreatSQL是由万里数据库维护的MySQL分支,专注于提升MGR可靠性及性能,支持InnoDB并行查询特性,是适用于金融级应用的MySQL分支版本。
Gitee:
https://gitee.com/GreatSQL/GreatSQL
GitHub:
https://github.com/GreatSQL/GreatSQL
Bilibili:
https://space.bilibili.com/1363850082/favlist
技术交流群:
微信:扫码添加
GreatSQL社区助手
微信好友,发送验证信息加群
。