程序员必看！FLOAT和DECIMAL的黄金取舍法则

一、FLOAT硬件加速的底层原理

1. IEEE 754标准与CPU指令集

• 文献依据：

• 第5.6节「Floating-Point Operations」：

• x86架构的FADD
  （浮点加法）指令仅需1-3个时钟周期

• SIMD指令（如SSE/AVX）可并行处理多个浮点运算

• 第3章「Arithmetic for Computers」：详解浮点数在CPU中的表示和运算逻辑

• 关键内容：

• 单精度（FLOAT）的32位二进制结构：1符号位 + 8指数位 + 23尾数位
  

• 双精度（DOUBLE）的64位结构：1符号位 + 11指数位 + 52尾数位
  

• 《Computer Organization and Design》第5版（David Patterson & John Hennessy）

• Intel® 64 and IA-32 Architectures Optimization Manual

• https://www.intel.com/content/dam/www/public/us/en/documents/manuals/64-ia-32-architectures-optimization-manual.pdf

2. FPU（浮点运算单元）工作流程

• 文献依据：

• NEON指令集：ARM芯片的浮点加速技术，支持单指令多数据（SIMD）

• 第7章「Floating-Point Units」：

• FPU的流水线设计：取指 → 解码 → 指数对齐 → 尾数运算 → 规格化 → 舍入
  

• 对比整数运算单元（ALU），FPU增加了指数处理和舍入电路

• 《Modern Processor Design》（John Paul Shen）

• ARM Cortex-A系列编程指南

• https://developer.arm.com/documentation/den0013/d

3. 性能优势的量化分析

• 测试数据来源：

• 指令延迟表：

  指令类型	x86延迟（周期）	ARM延迟（周期）
  FADD	3-5	4-6
  FMUL	4-7	5-8
  DECIMAL加法（软件模拟）	15+	20+

• 《Agner Fog’s Optimization Manual》

• https://www.agner.org/optimize/

二、DECIMAL的软件模拟代价

1. MySQL源码实现

• 关键文件：

• 函数：decimal_add()
  , decimal_mul()
  

• 核心逻辑：基于字符串的逐位运算（类似手算竖式）

  /* 伪代码示例 */
  for (int i=0; i<prec; i++) {
    carry = a.digit[i] + b.digit[i] + carry;
    result.digit[i] = carry % 10;
    carry = carry  10;
  }

• strings/decimal.cc
  

  
  

  GitHub源码

  https://github.com/mysql/mysql-server/blob/8.0/strings/decimal.cc

  
  

• 性能瓶颈：

• 每次运算需处理进位和借位

• 无法利用CPU的并行指令（如SIMD）

2. 学术论文支持

• 《Decimal Versus Floating-Point Arithmetic: A Case Study》（IEEE Computer Society）

• 结论：DECIMAL的运算开销是FLOAT的5-10倍

• 测试场景：金融交易系统（需兼顾精度与性能）

三、 如何在MySQL中测试

1.创建测试表

 CREATE TABLE performance_test(
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `float_val` float NULL DEFAULT NULL,
  `decimal_val` decimal(16, 4) NULL DEFAULT NULL,
  PRIMARY KEY (`id`) USING BTREE
) ENGINE = MyISAM AUTO_INCREMENT = 2000001 CHARACTER SET = utf8 COLLATE = utf8_unicode_ci ROW_FORMAT = Fixed;

2.插入一百万测试数据

-- 改进的数据插入脚本（示例）
INSERT INTO performance_test (float_val, decimal_val)
SELECT 
  CASE WHEN RAND() < 0.1 THEN RAND() * 1e-10 
       WHEN RAND() < 0.8 THEN RAND() * 1000 
       ELSE RAND() * 1e10 END,  -- 分层数据


  ROUND(
    CASE WHEN RAND() < 0.1 THEN RAND() * 1e-10 
         WHEN RAND() < 0.8 THEN RAND() * 1000 
         ELSE RAND() * 1e10 END,
    CASE WHEN RAND() < 0.3 THEN 6 ELSE 4 END  -- 可变精度
  )
FROM information_schema.columns c1, information_schema.columns c2
LIMIT 1000000;

3. 使用 PROFILING 测试执行时间

-- 启用性能分析
SET profiling = 1;


-- 执行查询
SELECT SUM(float_val) FROM performance_test;
SELECT SUM(decimal_val) FROM performance_test;


-- 查看耗时
SHOW PROFILES;

四、 Float和Decimal使用场景

真实工业实践：

为什么金融系统必须禁用浮点数？

(1) 二进制浮点数的致命缺陷精度丢失：FLOAT/DOUBLE 的二进制表示无法精确存储十进制小数（如 0.1），导致累加误差。

(2) 违反财务合规要求

会计准则：GAAP/IFRS 要求资金计算 零误差，浮点数的舍入行为属于违规。

审计风险：浮点数导致的微小差异可能触发监管审查（如 SEC 对支付系统的审计）。

(3) 跨系统一致性风险银行接口：SWIFT、银联等金融协议强制要求 定点数传输（如 amount DECIMAL(18,2)）。

行业规范

数据库设计规范：《阿里巴巴Java开发手册》强制要求：“所有编号字段禁用浮点数，必须使用字符串或整型”。

金融行业标准：央行《支付交易编号规范》规定：“交易流水号必须为定长字符串，禁止参与数学运算”。

权威参考文献

1. Intel浮点运算优化手册

   https://www.intel.com/content/dam/www/public/us/en/documents/manuals/64-ia-32-architectures-optimization-manual.pdf第5章详细讲解FPU指令流水线优化

   
   

2. MySQL 8.0 DECIMAL源码实现
   

   https://github.com/mysql/mysql-server/blob/8.0/strings/decimal.cc
   

   关键函数：decimal_add(), decimal_mul()

3. IEEE 754-2019标准文档

   https://ieeexplore.ieee.org/document/8766229最新浮点数国际标准规范

   
   

4. MySQL性能优化权威指南

   https://dev.mysql.com/doc/refman/8.0/en/optimization.html官方数据类型选择建议

   
   

5. Stack Overflow经典讨论

   https://stackoverflow.com/questions/588004/is-floating-point-math-broken浮点数精度问题的通俗解释

   
   

6. CPU指令集参考https://www.felixcloutier.com/x86/SSE/AVX指令的周期数说明