Hive 2.3 decimal精度損失問題

1.準(zhǔn)備測試數(shù)據(jù)

????使用如下建表語句，并插入測試數(shù)據(jù)：

CREATE?TABLE?IF?NOT?EXISTS test_decimal(

? ? md5 string,

? ? id int,

? ? ty int,

? ? amount decimal(38, 12)

) stored as orc?;

insert into table test_decimal values

('9F99855A44BD41FE592B69E0D36BF3E8', 4591, 2, 188593.210890000000),

('9F99855A44BD41FE592B69E0D36BF3E8', 4592, 2, 177918.123481132049),

('9F99855A44BD41FE592B69E0D36BF3E8', 4593, 2, 10675.087408867951);

2.使用測試sql測試（在2.3.x版本中執(zhí)行的）

????使用測試sql穴豫，發(fā)現(xiàn)測試的結(jié)果有精度損失：

hive> select id, sum(amount) from test_decimal group by id;

OK

4591 188593.210890000000

4592 177918.123481132049

4593 10675.087408867951

Time taken: 28.013 seconds, Fetched: 3 row(s)


hive>? select id, sum(amount) * -1 from test_decimal group by id;

OK

4591 -188593.2108900000

4592 -177918.1234811320

4593 -10675.0874088680

Time taken: 26.016 seconds, Fetched: 3 row(s)

????通過比較測試結(jié)果發(fā)現(xiàn)，在sum函數(shù)之后乘以 -1 導(dǎo)致精度損失了2位。

3.通過分析執(zhí)行計(jì)劃查找兩條sql的執(zhí)行計(jì)劃的區(qū)別习柠，查找原因（在2.3.x版本中執(zhí)行的）

????直接輸出sum的sql的執(zhí)行計(jì)劃：

hive> explain select id, sum(amount) from test_decimal group by id;

OK

STAGE DEPENDENCIES:

? Stage-1 is a root stage

? Stage-0 depends on stages: Stage-1

STAGE PLANS:

? Stage: Stage-1

? ? Map Reduce

? ? ? Map Operator Tree:

? ? ? ? ? TableScan

? ? ? ? ? ? alias: test_decimal

? ? ? ? ? ? Statistics: Num rows: 3 Data size: 708 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? ? Select Operator

? ? ? ? ? ? ? expressions: id (type: int), amount (type: decimal(38,12))

? ? ? ? ? ? ? outputColumnNames: id, amount

? ? ? ? ? ? ? Statistics: Num rows: 3 Data size: 708 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? ? ? Group By Operator

? ? ? ? ? ? ? ? aggregations: sum(amount)

? ? ? ? ? ? ? ? keys: id (type: int)

? ? ? ? ? ? ? ? mode: hash

? ? ? ? ? ? ? ? outputColumnNames: _col0, _col1

? ? ? ? ? ? ? ? Statistics: Num rows: 3 Data size: 708 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? ? ? ? Reduce Output Operator

? ? ? ? ? ? ? ? ? key expressions: _col0 (type: int)

? ? ? ? ? ? ? ? ? sort order: +

? ? ? ? ? ? ? ? ? Map-reduce partition columns: _col0 (type: int)

? ? ? ? ? ? ? ? ? Statistics: Num rows: 3 Data size: 708 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? ? ? ? ? value expressions: _col1 (type: decimal(38,12))

? ? ? Reduce Operator Tree:

? ? ? ? Group By Operator

? ? ? ? ? aggregations: sum(VALUE._col0)

? ? ? ? ? keys: KEY._col0 (type: int)

? ? ? ? ? mode: mergepartial

? ? ? ? ? outputColumnNames: _col0, _col1

? ? ? ? ? Statistics: Num rows: 1 Data size: 236 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? File Output Operator

? ? ? ? ? ? compressed: false

? ? ? ? ? ? Statistics: Num rows: 1 Data size: 236 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? ? table:

? ? ? ? ? ? ? ? input format: org.apache.hadoop.mapred.SequenceFileInputFormat

? ? ? ? ? ? ? ? output format: org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat

? ? ? ? ? ? ? ? serde: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe

? Stage: Stage-0

? ? Fetch Operator

? ? ? limit: -1

? ? ? Processor Tree:

? ? ? ? ListSink

Time taken: 0.16 seconds, Fetched: 48 row(s)

sum后乘以 -1 的sql的執(zhí)行計(jì)劃：

hive> explain select id, sum(amount)*-1 from test_decimal group by id;

OK

STAGE DEPENDENCIES:

? Stage-1 is a root stage

? Stage-0 depends on stages: Stage-1

STAGE PLANS:

? Stage: Stage-1

? ? Map Reduce

? ? ? Map Operator Tree:

? ? ? ? ? TableScan

? ? ? ? ? ? alias: test_decimal

? ? ? ? ? ? Statistics: Num rows: 3 Data size: 708 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? ? Select Operator

? ? ? ? ? ? ? expressions: id (type: int), amount (type: decimal(38,12))

? ? ? ? ? ? ? outputColumnNames: id, amount

? ? ? ? ? ? ? Statistics: Num rows: 3 Data size: 708 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? ? ? Group By Operator

? ? ? ? ? ? ? ? aggregations: sum(amount)

? ? ? ? ? ? ? ? keys: id (type: int)

? ? ? ? ? ? ? ? mode: hash

? ? ? ? ? ? ? ? outputColumnNames: _col0, _col1

? ? ? ? ? ? ? ? Statistics: Num rows: 3 Data size: 708 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? ? ? ? Reduce Output Operator

? ? ? ? ? ? ? ? ? key expressions: _col0 (type: int)

? ? ? ? ? ? ? ? ? sort order: +

? ? ? ? ? ? ? ? ? Map-reduce partition columns: _col0 (type: int)

? ? ? ? ? ? ? ? ? Statistics: Num rows: 3 Data size: 708 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? ? ? ? ? value expressions: _col1 (type: decimal(38,12))

? ? ? Reduce Operator Tree:

? ? ? ? Group By Operator

? ? ? ? ? aggregations: sum(VALUE._col0)

? ? ? ? ? keys: KEY._col0 (type: int)

? ? ? ? ? mode: mergepartial

? ? ? ? ? outputColumnNames: _col0, _col1

? ? ? ? ? Statistics: Num rows: 1 Data size: 236 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? Select Operator

? ? ? ? ? ? expressions: _col0 (type: int), (_col1 * -1) (type: decimal(38,10))

? ? ? ? ? ? outputColumnNames: _col0, _col1

? ? ? ? ? ? Statistics: Num rows: 1 Data size: 236 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? ? File Output Operator

? ? ? ? ? ? ? compressed: false

? ? ? ? ? ? ? Statistics: Num rows: 1 Data size: 236 Basic stats: COMPLETE Column stats: NONE

? ? ? ? ? ? ? table:

? ? ? ? ? ? ? ? ? input format: org.apache.hadoop.mapred.SequenceFileInputFormat

? ? ? ? ? ? ? ? ? output format: org.apache.hadoop.hive.ql.io.HiveSequenceFileOutputFormat

? ? ? ? ? ? ? ? ? serde: org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe

? Stage: Stage-0

? ? Fetch Operator

? ? ? limit: -1

? ? ? Processor Tree:

? ? ? ? ListSink

Time taken: 4.656 seconds, Fetched: 52 row(s)

????通過查看兩條sql（兩條sql的差別是在sum函數(shù)后面有沒有乘以 -1）的執(zhí)行計(jì)劃發(fā)現(xiàn)暖途，直接輸出sum的結(jié)果是 （value expressions: _col1 (type:decimal(38,12))）類型膏执，輸出乘以 -1 的結(jié)果是 （ expressions: _col0 (type: int), (_col1 * -1) (type:decimal(38,10)) ）類型驻售，說明乘以 -1 之后欺栗，精度損失了2位。

4.分析源碼类腮，找原因

????通過分析sum后乘以 -1 的代碼蚜枢，其中關(guān)鍵的代碼如下：

????2.3.x 版本的GenericUDFOPMultiply 類的關(guān)鍵代碼


????prec1 和 scale1 代表的是 decimal（38,12）

????prec2 和 scale2 代表的是 -1被轉(zhuǎn)換成decimal后的類型為 decimal（1， 0）

????其中 adjustPrecScale()方法的代碼在其父類GenericUDFBaseNumeric中筷凤，代碼如下：


????decimal支持的最大精度為38，而通過上面的計(jì)算莽鸭，發(fā)現(xiàn)精度precision字段的值已經(jīng)達(dá)到了40足淆，超過的最大精度丹鸿，因此廊敌，需要重新計(jì)算精度肋殴，計(jì)算后的結(jié)果是护锤，將小數(shù)的精度減少了2位為10拧粪，精度使用最大精度值38。

????在hive2.3.x中，算術(shù)運(yùn)算的精度的計(jì)算公式如下：


????至此正卧，精度損失的原因已經(jīng)找到蠢熄，是因?yàn)槌朔ㄟ\(yùn)算，將兩個(gè)精度進(jìn)行相加后再加1炉旷，超出了最大精度签孔，重新計(jì)算精度時(shí)叉讥，將小數(shù)位的精度改成了10導(dǎo)致的。

5.解決方案

1）針對(duì)這個(gè)乘以 -1 的操作饥追，可以改成使用單目運(yùn)算負(fù)號(hào) - 的方式图仓，將負(fù)號(hào) - 加到sum前即可。

2）降低建表語句中decimal類型的精度字段的值但绕，根據(jù)上面計(jì)算精度的表算出一個(gè)滿足需要的最小精度值救崔。

6.為啥相同的sql在1.2.x版本中結(jié)果就沒有損失精度

????1.2.x 版本的GenericUDFOPMultiply 類的關(guān)鍵代碼

public class GenericUDFOPMultiply extends GenericUDFBaseNumeric {

.....

? @Override

? protected DecimalTypeInfo deriveResultDecimalTypeInfo(int prec1, int scale1, int prec2, int scale2) {

? ? int scale = Math.min(HiveDecimal.MAX_SCALE, scale1 + scale2 );

? ? int prec = Math.min(HiveDecimal.MAX_PRECISION, prec1 + prec2 + 1);

? ? return TypeInfoFactory.getDecimalTypeInfo(prec, scale);

? }

}

????其中 HiveDecimal.MAX_SCALE 和 HiveDecimal.MAX_PRECISION 的值都是38。

????從上面的關(guān)鍵代碼中可以看到捏顺，在1.2.x中帚豪，沒有重新校準(zhǔn)精度的地方，而是使用簡單粗暴的方式草丧，各自計(jì)算precision和scale的精度，這就會(huì)導(dǎo)致在真實(shí)數(shù)據(jù)很大的時(shí)候莹桅，計(jì)算出來的值的精度達(dá)不到預(yù)期昌执，也就是會(huì)不準(zhǔn)確。诈泼，

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 人面猴
    序言：七十年代末懂拾，一起剝皮案震驚了整個(gè)濱河市，隨后出現(xiàn)的幾起案子铐达，更是在濱河造成了極大的恐慌岖赋，老刑警劉巖，帶你破解...
    沈念sama閱讀 206,214評(píng)論 6贊 481
  • 死咒
    序言：濱河連續(xù)發(fā)生了三起死亡事件瓮孙，死亡現(xiàn)場離奇詭異唐断，居然都是意外死亡，警方通過查閱死者的電腦和手機(jī)杭抠，發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,307評(píng)論 2贊 382
  • 救了他兩次的神仙讓他今天三更去死
    文/潘曉璐 我一進(jìn)店門脸甘，熙熙樓的掌柜王于貴愁眉苦臉地迎上來，“玉大人偏灿，你說我怎么就攤上這事丹诀。” “怎么了翁垂？”我有些...
    開封第一講書人閱讀 152,543評(píng)論 0贊 341
  • 道士緝兇錄：失蹤的賣姜人
    文/不壞的土叔 我叫張陵铆遭，是天一觀的道長。 經(jīng)常有香客問我沿猜，道長枚荣，這世上最難降的妖魔是什么？ 我笑而不...
    開封第一講書人閱讀 55,221評(píng)論 1贊 279
  • ?港島之戀（遺憾婚禮）
    正文 為了忘掉前任邢疙，我火速辦了婚禮棍弄，結(jié)果婚禮上望薄，老公的妹妹穿的比我還像新娘。我一直安慰自己呼畸，他們只是感情好痕支，可當(dāng)我...
    茶點(diǎn)故事閱讀 64,224評(píng)論 5贊 371
  • 惡毒庶女頂嫁案：這布局不是一般人想出來的
    文/花漫 我一把揭開白布。 她就那樣靜靜地躺著蛮原，像睡著了一般卧须。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上儒陨，一...
    開封第一講書人閱讀 49,007評(píng)論 1贊 284
  • 城市分裂傳說
    那天花嘶，我揣著相機(jī)與錄音，去河邊找鬼蹦漠。 笑死椭员，一個(gè)胖子當(dāng)著我的面吹牛，可吹牛的內(nèi)容都是我干的笛园。 我是一名探鬼主播隘击，決...
    沈念sama閱讀 38,313評(píng)論 3贊 399
  • 雙鴛鴦連環(huán)套：你想象不到人心有多黑
    文/蒼蘭香墨 我猛地睜開眼，長吁一口氣：“原來是場噩夢啊……” “哼研铆！你這毒婦竟也來了埋同？” 一聲冷哼從身側(cè)響起，我...
    開封第一講書人閱讀 36,956評(píng)論 0贊 259
  • 萬榮殺人案實(shí)錄
    序言：老撾萬榮一對(duì)情侶失蹤棵红，失蹤者是張志新（化名）和其女友劉穎凶赁，沒想到半個(gè)月后，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體逆甜，經(jīng)...
    沈念sama閱讀 43,441評(píng)論 1贊 300
  • ?護(hù)林員之死
    正文 獨(dú)居荒郊野嶺守林人離奇死亡虱肄，尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,925評(píng)論 2贊 323
  • ?白月光啟示錄
    正文 我和宋清朗相戀三年，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了忆绰。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片浩峡。...
    茶點(diǎn)故事閱讀 38,018評(píng)論 1贊 333
  • 活死人
    序言：一個(gè)原本活蹦亂跳的男人離奇死亡，死狀恐怖错敢，靈堂內(nèi)的尸體忽然破棺而出翰灾，到底是詐尸還是另有隱情，我是刑警寧澤稚茅，帶...
    沈念sama閱讀 33,685評(píng)論 4贊 322
  • ?日本核電站爆炸內(nèi)幕
    正文 年R本政府宣布纸淮，位于F島的核電站，受9級(jí)特大地震影響亚享，放射性物質(zhì)發(fā)生泄漏咽块。R本人自食惡果不足惜，卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,234評(píng)論 3贊 307
  • 男人毒藥：我在死后第九天來索命
    文/蒙蒙 一欺税、第九天 我趴在偏房一處隱蔽的房頂上張望侈沪。 院中可真熱鬧揭璃，春花似錦、人聲如沸亭罪。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,240評(píng)論 0贊 19
  • 一樁弒父案，背后竟有這般陰謀
    文/蒼蘭香墨 我抬頭看了看天上的太陽应役。三九已至情组，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間箩祥，已是汗流浹背院崇。 一陣腳步聲響...
    開封第一講書人閱讀 31,464評(píng)論 1贊 261
  • 情欲美人皮
    我被黑心中介騙來泰國打工， 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留袍祖，地道東北人底瓣。 一個(gè)月前我還...
    沈念sama閱讀 45,467評(píng)論 2贊 352
  • 代替公主和親
    正文 我出身青樓，卻偏偏與公主長得像蕉陋，于是被迫代替她去往敵國和親濒持。 傳聞我的和親對(duì)象是個(gè)殘疾皇子，可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,762評(píng)論 2贊 345

推薦閱讀更多精彩內(nèi)容