ODPS double类型转型精度问题总结

简介：ODPS double类型转型精度问题总结

从相差0.0000000000001说起，本文主要是对odps的Double和Decimal的精度使用问题做一个总结。

1. 问题描述

客户开发人员在使用maxcompute对double数据类型求和时出现错误（数据表由oracle数据库抽取到maxcompute, 对应字段类型为number到double），正确的结果是1943.38，但求和结果为1943.3799999999999，结果相差了0.0000000000001，这个差值的比例可以这样类比——如果地球的周长（40076.02千米）作为单位1的话，那么误差换算出来是4微米，差不多是一个红细胞的大小。绝大多数的情况下，我们可以忽略这个问题，但是在金融线，“差一微米也不行”。

2. 问题的根因：double求和带来精度问题

double适合做科学计算，如果用来进行精确计算，会带来精度丢失的问题。二进制的浮点数计算标准是IEEE二进制浮点数算术标准（ANSI/IEEE Std 754-1985），IEEE 754规定了四种表示浮点数值的方式：单精确度（32位）、双精确度（64位）、延伸单精确度（43比特以上，很少使用）与延伸双精确度（79比特以上，通常以80位实现），double类型通常指“双精确度（64位）”，53位有效数字。要理解double的精度问题，我们从最基础的二机制与十进制转换看起，比如：如何用二进制表示0.1？小数是用整数除法来表示的，0.1=1/10（十进制）=1/1010（二进制），会得到一个除不尽的值，用double类型来表示这个数的时候就必须要进行截断（舍入），得到的结果是0.00011001100110011001100110011001100110011001100110011010，如果把结果转回十进制，会发现这个值已经不是0.1，精度问题产生了。同理，double类型在进行计算也会造成同样的精度问题。

3. 如何解决——double转型decimal

double计算会有精度问题，为了得到精确的结果，就要在计算之前进行处理，转换成无损计算的类型之后，再进行计算，maxcompute提供了这种无损类型——decimal。

3.1 double直接转成decimal再次遇到问题

不幸的是，直接转型会遇到以下两个问题：
1）转型也会有精度损失。
2）同列的某些值看起来没有精度损失，另一些有，出现表现不一致的情况。

• double直接转decimal会带来精度损失，因为double的小数位有效位比decimal要少，decimal会对最后的几位进行随机数补齐，引入了精度问题。
• 同列中某些值没有出现任何精度损失，因为客户使用了2.0数据类型版本，在这个版本中maxcompute对转换进行了优化，对位数较小的数（测试结果为7位，供参考）采用了不同的转型算法（类似decimal的处理方法，转换成整数进行计算，保证无损）。位数较大的数无法采用该算法，标准算法处理，会出现精度损失。

4. 转换成decimal就大功告成了么？

4.1 incompatible type exception

decimal类型的计算虽然是无损的，但是decimal在计算过程可能会产生精度位数的变化，导致下图中的问题：计算结果插入结果表中时出现”incompatible type”的错误。

4.2 如何避免

问题出现的原因是混用了1.0 decimal类型和2.0 decimal类型。若想有效的避免decimal计算导致的问题，需要遵循：

• 从建表开始，始终使用同一种数据类型，不要混用。
• 使用2.0数据类型，建源表和结果表时指定具体的decimal精度位，如decimal(35,6)，避免计算中精度位数的变化。

5. 避免转型问题的最佳实践

如果希望避免精度问题，并且在计算过程中避免结果转型，那么可以将所有涉及精确计算的字段在建表时就采用2.0数据类型，并且指定所需要的精度，例如：

set odps.sql.decimal.odps2=true;
CREATE TABLE `ods_test` (
  ` account_balance` DECIMAL(38, 18) COMMENT '账户余额'
)

在后续的查询和计算过程中，设置“odps.sql.decimal.odps2=true”后进行操作，例如：

set odps.sql.decimal.odps2=true;
select sum(account_balance) from ods_test

6. 写在最后

本篇主要讨论了计算（数据开发）过程中double类型精度问题，maxcompute在数据集成的过程中会不会产生精度问题？最佳实践是什么？预知后事如何，且听下回分解！

参考文档

[1] https://blog.csdn.net/liliuteng/article/details/8062019
[2] https://cloud.tencent.com/developer/article/1468551
[3] https://blog.csdn.net/lkforce/article/details/81564927
[4] https://www.zhihu.com/question/42024389/answer/93528601
[5] https://help.aliyun.com/product/27797.html?spm=a2c4g.11186623.6.540.615f44f675F7Wi
[6] https://baike.baidu.com/item/IEEE%20754/3869922?fr=aladdin

我们是阿里云智能全球技术服务-SRE团队，我们致力成为一个以技术为基础、面向服务、保障业务系统高可用的工程师团队；提供专业、体系化的SRE服务，帮助广大客户更好地使用云、基于云构建更加稳定可靠的业务系统，提升业务稳定性。我们期望能够分享更多帮助企业客户上云、用好云，让客户云上业务运行更加稳定可靠的技术，您可用钉钉扫描下方二维码，加入阿里云SRE技术学院钉钉圈子，和更多云上人交流关于云平台的那些事。

原文链接：https://developer.aliyun.com/article/782709?

版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

原文链接：https://blog.csdn.net/alitech2017/article/details/115177696

本站声明:网站内容来源于网络,如有侵权,请联系我们,我们将及时处理。