PG：INT4 VS. FLOAT4 VS. NUMERIC
PG：INT4 VS. FLOAT4 VS. NUMERIC
PG：INT4 VS. FLOAT4 VS. NUMERIC
关系型数据库中数据类型是一个重要话题。PG提供很多不同类型，但并不是所有类型都相同。根据需要实现的目标，可能应用需要不同列类型。本文主要关注三种重要的数据类型：整型、浮点型、数字型。最近，我们看到了一些与这个话题相关的案例，我认为应该与公众分享这些知识，以确保读者避免最近在客户端应用程序中遇到的一些坑。
创建表并初始化数据
开始前，首先创建一个表并初始化10亿条数据，数据类型如下所示：
test=# CREATE TABLE t_demo (a int, b float, c numeric);
CREATE TABLE
test=# INSERT INTO t_demo
SELECT random()*1000000, random()*1000000, random()*1000000
FROM generate_series(1, 10000000) AS id;
INSERT 0 10000000
test=# VACUUM ANALYZE;
VACUUM
test=# \timing
Timing is on.导入数据后，设置好优化器统计信息和hint位，以确保公平比较。
FLOAT VS. Numeric
虽然整型数据类型用处非常清楚但是numeric和float4/foat8之间有一个重要区别。在内部，float使用CPU的浮点单元。这有几个含义：float遵循IEEE754标准，意味着遵循标准定义的舍入规则。孙然这对于许多数据集来说正确，但是不适合处理金钱。
对于货币，需要不同的舍入规则，这就是为什么必须使用numeric数据类型来处理财务数据。案例：
test=# SELECT a,
b,
c,
a + b,
a + b = c
FROM (SELECT 0.1::float8 a,
0.2::float8 b,
0.3::float8 c
) AS t;
a | b | c | ?column? | ?column?
-----+-----+-----+---------------------+----------
0.1 | 0.2 | 0.3 | 0.30000000000000004 | f
(1 row)如是，浮点数类型总是使用近似值。在多数情况下很好，但是税收人员一点不喜欢近似值，这就是为什么浮点数完全不合适。
性能问题
然而，数字类型比浮点数有优点吗？当然有。看一个简单的对比：
test=# SELECT avg(a) FROM t_demo;
avg
---------------------
499977.020028900000
(1 row)
Time: 255.179 ms整数类型很快，执行时间大约255毫秒，对于float4也是如此：
test=# SELECT avg(b) FROM t_demo;
avg
-------------------
499983.2076499941
(1 row)
3
Time: 267.371 ms然而numeric类型有一点不同，他有更多开销，如下：
test=# SELECT avg(c) FROM t_demo;
avg
-------------------------
500114.1490108727200733
(1 row)
Time: 368.749 ms查询慢很多，因为内部FPU没参与numeric的实现，所有操作都是在CPU上使用整数运算模拟的。当然这就需要更多时间。
最后
如果想了解更多性能问题，查阅https://www.cybertec-postgresql.com/en/hot-updates-in-postgresql-for-better-performance/。
原文
https://www.cybertec-postgresql.com/en/postgresql-int4-vs-float4-vs-numeric/
本文分享自 yanzongshuaiDBA 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ，欢迎热爱写作的你一起参与！
腾讯云开发者
