hive3.1decimal计算详细逻辑

本文章参考

DECIMAL data type

先备注下hive2合hive3计算逻辑不一样 且hive2存在bug 详情见上篇文章。

decimal计算中我们主要是用+-*/

那么这几个计算到底是什么样呢？

比如 decimla(38,18)*decimla(38,18) =我们期望的是什么呢？ decimla(38,18) 还是decimla(38,36)

那万一数值是1234567890123456789.1*1234567890123456789.1 

注意这个前面是19位*19位 那么我们期望的值是什么呢？

1.直接报错。因为我们期望得到的格式是decimla(38,18) 个数位只能有20位

2.算出结果，截取小数位，因为最后会有38位个数，小数位不要了

3. 如果算出的结果是39、40位个数呢？报错吗？

那如果是1.012345678912345678*1.012345678912345678 

我们又期望是什么结果呢？

1整数或者小数超过精度即报错

2.计算后截取整数或者小数

3.太多了报错，稍微超过一点截取小数位

所以现在hive3.1来研究下。直接git clone 源码。然后找到源码

例如 org.apache.hadoop.hive.ql.udf.generic.GenericUDFOPMultiply

研究加减乘除前我们先看hive3 针对hive2的bug 做了一个adjustPrecScale()的方法。

这个入参是计算后的精度例如 decimal(77,36) decimal(38,18) 各种
protected DecimalTypeInfo adjustPrecScale(int precision, int scale) {
  // Assumptions:
  // precision >= scale
  // scale >= 0
  //  这里说明 精度p >=刻度s 没啥好说的 必须的
  if (precision <= HiveDecimal.MAX_PRECISION) { 
    // Adjustment only needed when we exceed max precision
    return new DecimalTypeInfo(precision, scale);
  }
  //这个max=38 说明p<=38了 那么直接就返回了(38,18) (38,38) (38,0)

  // Precision/scale exceed maximum precision. Result must be adjusted to HiveDecimal.MAX_PRECISION.
  // See https://blogs.msdn.microsoft.com/sqlprogrammability/2006/03/29/multiplication-and-division-with-numerics/
  int intDigits = precision - scale; //算出有多少整数位
  // If original scale less than 6, use original scale value; otherwise preserve at least 6 fractional digits 
  //如果原先的刻度也就是小数位小于6，那么就用原来的小数，否则就用6
  int minScaleValue = Math.min(scale, MINIMUM_ADJUSTED_SCALE); 算出最小的刻度，反正不超过6，原先是1还是1 原先是6还是6 原先是7变6 原先30变6
  int adjustedScale = HiveDecimal.MAX_PRECISION - intDigits;//38-整数位
  adjustedScale = Math.max(adjustedScale, minScaleValue); // 两者取最大值
// 其实这里就是算小数位到底是多少。因为精度已经确定了就是38
  return new DecimalTypeInfo(HiveDecimal.MAX_PRECISION, adjustedScale);
}

我们先看乘

@Override
protected DecimalTypeInfo deriveResultDecimalTypeInfo(int prec1, int scale1, int prec2, int scale2) {
  // From https://msdn.microsoft.com/en-us/library/ms190476.aspx
  // e1 * e2
  // Precision: p1 + p2 + 1
  // Scale: s1 + s2
  int scale = scale1 + scale2;
  int prec = prec1 + prec2 + 1;
  return adjustPrecScale(prec, scale);
}

 很简单，举例

(38,18)*(38,18)=(77,36)

adjust

77>38 所以我们走下面的逻辑  整数位 77-36=41 小数位36

int adjustedScale = HiveDecimal.MAX_PRECISION - intDigits=38-41=-2

adjustedScale = Math.max(adjustedScale, minScaleValue); max(-2,6)

所以结果 (38,6)

这里有个问题了。 这个精度6总感觉很低 我还是想要38,18或者说38,10那么怎么办？ 

adjustedScale = Math.max(adjustedScale, minScaleValue)=10 因为adjustedScale<=6

所以minScaleValue=10 才会有adjustedScale=10

int adjustedScale = HiveDecimal.MAX_PRECISION - intDigits=10

所以intDigits=38-20=28

int intDigits = precision - scale; 由此我们可以推出针对乘以来说

(p1+p2+1)-(s1+s2)=28

随便写两个吧 (20,6)*(19,6)=(38,10)

（18,9）*(17,9)=>((18+17+1),(9+9))=(38,18)

create table test.cc_decimal2(id decimal(20,6) ,score decimal(19,6))

insert into table cc_decimal2 values(1.123456789,1.123456789)

select id, score,id*id,score*score ,id*score  from cc_decimal2

 所以说不吹牛比，看着源码写就是简单。

(20,6)*(20,6) 因为20+20+1=41>38 刻度6+6=12 整数位=41-12=29 ，所以小数位=38-29=9

(19,6)*(19,6) 因为19+19+1=39>38 刻度6+6=12 整数位=39-12=27,  所以小数位=38-27=11 图错了

(19,6)*(19,6)*(19,6)=(38,11)*(19,6) 19+38+1=58>38 刻度=11+6=17 整数=58-17=41 小数=38-41=-1 所以max(-1,6)=6 所以结果(38,6) 如下图。

 所以不要想着保留几位小数了 就按hive的来默认保留6位

其实看着复杂，总结下。

1看两个p1+p2+1大不大于38 如果小于等于 那么最终精度就是(p1+p2+1，s1+s2)

2.如果精度>38 那么就保留整数位，同时看保留的整数位后的小数位和6比谁大。(也不一定是6)

这样做的目的是尽可能的保证小数多的相乘的精度，又保证了整数多的数相乘的位数(能够保留38-6=32位整数) 

我们来看除

  protected DecimalTypeInfo deriveResultDecimalTypeInfo(int prec1, int scale1, int prec2, int scale2) {
    // From https://msdn.microsoft.com/en-us/library/ms190476.aspx
    // e1 / e2
    // Precision: p1 - s1 + s2 + max(6, s1 + p2 + 1)
    // Scale: max(6, s1 + p2 + 1)
    int intDig = prec1 - scale1 + scale2;
    int scale = Math.max(6, scale1 + prec2 + 1);
    int prec = intDig + scale;
    return adjustPrecScale(prec, scale);
  }

、艹 这个计算这么麻烦

刻度 max(6, s1 + p2 + 1) 
还是以6为基准不过是最小是6，为啥呢？ e1/e2 

精度 p1 - s1 + s2 + max(6, s1 + p2 + 1)

-------未完待续------