首页 » Web前端 » phpredis累加技巧_Redis 浮点数累计实现

phpredis累加技巧_Redis 浮点数累计实现

访客 2024-12-10 0

扫一扫用手机浏览

文章目录 [+]

INCRBYFLOAT mykey 0.1INCRBYFLOAT mykey 1.111INCRBYFLOAT mykey 1.111111

利用 lua 脚本的办法,由于 redis 可以通过 lua 脚本来担保操作的原子性,以是当我们同时操作多个 key 的时候一样平常利用 lua 脚本的办法。

eval \公众return redis.call('INCRBYFLOAT', KEYS[1], ARGV[1])\公众 1 mykey1 \"大众1.11\公众 eval \"大众return redis.call('INCRBYFLOAT', KEYS[1], ARGV[1])\"大众 1 mykey1 \"大众1.11111\公众 eval \"大众return redis.call('INCRBYFLOAT', KEYS[1], ARGV[1])\公众 1 mykey1 \"大众1.11111\"大众 INCRBYFLOAT 可表示范围

按照官方文档的说法 INCRBYFLOAT 可以表示小数位 17 位。
比如按照 jedis 的 api 来说,我们能够利用的便是在 double 的精度范围内,也便是 15-16位。
这里我也看了 redis 的源码,他在底层实现是通过 c 措辞的 long double 类型来进行打算的。

phpredis累加技巧_Redis 浮点数累计实现

void incrbyfloatCommand(client c) { long double incr, value; robj o, new; o = lookupKeyWrite(c->db,c->argv[1]); if (checkType(c,o,OBJ_STRING)) return; if (getLongDoubleFromObjectOrReply(c,o,&value,) != C_OK || getLongDoubleFromObjectOrReply(c,c->argv[2],&incr,) != C_OK) return; value += incr; if (isnan(value) || isinf(value)) { addReplyError(c,\公众increment would produce NaN or Infinity\"大众); return; } new = createStringObjectFromLongDouble(value,1); if (o) dbReplaceValue(c->db,c->argv[1],new); else dbAdd(c->db,c->argv[1],new); signalModifiedKey(c,c->db,c->argv[1]); notifyKeyspaceEvent(NOTIFY_STRING,\"大众incrbyfloat\"大众,c->argv[1],c->db->id); server.dirty++; addReplyBulk(c,new); / Always replicate INCRBYFLOAT as a SET command with the final value in order to make sure that differences in float precision or formatting will not create differences in replicas or after an AOF restart. / rewriteClientCommandArgument(c,0,shared.set); rewriteClientCommandArgument(c,2,new); rewriteClientCommandArgument(c,3,shared.keepttl);}

源码地址:https://github.com/redis/redis/blob/unstable/src/t_string.c long double 是 c 措辞的长双精度浮点型,在 x86 的 64 位操作系统上占常日占用 16 字节(128 位),相较于 8 字节的 double 类型具有更大的范围和更高的精度。
(这部分来源于 chatgpt) 由于 redis 采取的 long double 类型来做浮点数打算, 以是 redis 就可以担保到小数点后 17 位的精度。
整数位也可以表示 17 位 redis 的浮点数打算常日情形下会丢失精度吗? 常日情形下是不会的,但是不能担保一定不会。

phpredis累加技巧_Redis 浮点数累计实现
(图片来自网络侵删)
浮点数范围测试

测试代码如下:

public class RedisIncrByFloatTest {public static void main(String[] args) { Jedis jedis = new Jedis(\"大众127.0.0.1\"大众, 6379); BigDecimal decimalIncr = java.math.BigDecimal.ZERO; String key = \公众IncrFloat:Digit100\公众;//测试精度 test_accuracy(jedis, decimalIncr, key);//测试正浮点数最大值 test_max_positive_float(jedis, decimalIncr, key); jedis.disconnect(); jedis.close(); }private static void test_max_positive_float(Jedis jedis, BigDecimal decimalIncr, String key) { jedis.del(key); String value = \公众99999999999999999.00000000000000003\"大众; List<String> evalKeys = Collections.singletonList(key); List<String> evalArgs = Collections.singletonList(value); String luaStr = \公众redis.call('INCRBYFLOAT', KEYS[1], ARGV[1]) return redis.call('GET', KEYS[1])\公众; Object result = jedis.eval(luaStr, evalKeys, evalArgs); decimalIncr = decimalIncr.add(new BigDecimal(value)); BigDecimal redisIncr = new BigDecimal(String.valueOf(result)); value = \公众0.99999999999999996\公众; evalKeys = Collections.singletonList(key); evalArgs = Collections.singletonList(value); luaStr = \"大众redis.call('INCRBYFLOAT', KEYS[1], ARGV[1]) return redis.call('GET', KEYS[1])\公众; result = jedis.eval(luaStr, evalKeys, evalArgs); decimalIncr = decimalIncr.add(new BigDecimal(value)); redisIncr = new BigDecimal(String.valueOf(result));boolean eq = comparteNumber(redisIncr, decimalIncr);if (eq) { System.out.println(\公众累计结果精确, 整数位: \"大众 + 17 + \"大众位, 结果期望值: decimalIncr \公众 + decimalIncr.toPlainString() + \"大众, 目标值(redis):\"大众 + redisIncr.toPlainString()); } else { System.out.println(\公众累计结果禁绝确, 整数位: \"大众 + 17 + \"大众位, 期望值: decimalIncr \"大众 + decimalIncr.toPlainString() + \公众, 目标值(redis):\"大众 + redisIncr.toPlainString()); } }private static void test_accuracy(Jedis jedis, BigDecimal decimalIncr, String key) { jedis.del(key);for (int i = 16; i < 30; i++) { String value = createValue(i);final List<String> evalKeys = Collections.singletonList(key);final List<String> evalArgs = Collections.singletonList(value); String luaStr = \公众redis.call('INCRBYFLOAT', KEYS[1], ARGV[1]) return redis.call('GET', KEYS[1])\"大众; Object result = jedis.eval(luaStr, evalKeys, evalArgs); decimalIncr = decimalIncr.add(new BigDecimal(value)); BigDecimal redisIncr = new BigDecimal(String.valueOf(result));boolean eq = comparteNumber(redisIncr, decimalIncr);if (eq) { System.out.println(\"大众累计结果精确, 整数位: \"大众 + i + \公众位, 结果期望值: decimalIncr \公众 + decimalIncr.toPlainString() + \"大众, 目标值(redis):\公众 + redisIncr.toPlainString()); } else { System.out.println(\"大众累计结果禁绝确, 整数位: \"大众 + i + \公众位, 期望值: decimalIncr \"大众 + decimalIncr.toPlainString() + \公众, 目标值(redis):\公众 + redisIncr.toPlainString());break; } } }private static String createValue(int i) { String result = \"大众9\"大众 + \"大众0\公众.repeat(Math.max(0, i - 1));return result + \"大众.00000000000000003\"大众; }private static boolean comparteNumber(BigDecimal redisIncr, BigDecimal decimalIncr) {return decimalIncr.compareTo(redisIncr) == 0; }}

输出结果:

累计结果精确, 整数位: 16位, 结果期望值: decimalIncr 9000000000000000.00000000000000003, 目标值(redis):9000000000000000.00000000000000003累计结果精确, 整数位: 17位, 结果期望值: decimalIncr 99000000000000000.00000000000000006, 目标值(redis):99000000000000000.00000000000000006累计结果禁绝确, 整数位: 18位, 期望值: decimalIncr 999000000000000000.00000000000000009, 目标值(redis):999000000000000000累计结果精确, 整数位: 17位, 结果期望值: decimalIncr 99999999999999999.99999999999999999, 目标值(redis):99999999999999999.99999999999999999INCRBYFLOAT 导致精度丢失

INCRBYFLOAT 导致精度丢失有两种情形:

累计的范围值超过 INCRBYFLOAT 所能表示的最大精度范围,在 double 范围内。

INCRBYFLOAT 底层打算是通过long double 来打算的在 C措辞中 long double占用128 位,其范围为: 最小值: ±5.4×10^-4951 最大值: ±1.1×10^4932 能表示的有效数字在34~35位之间。

我们利用类似 jedis 的 api 供应的是 double 类型的参数,可能在调用之前,参数转换的过程就发生了精度问题。
比如

StringRedisTemplate template = new StringRedisTemplate(); template.opsForValue().increment(\公众v1\公众, 1.3D);

在 RedisTemplate 的这个 increment 接管的参数类型便是一个 double 以是会发生精度问题

C 措辞长双精度类型

由于 redis 底层采取的是long double 打算,以是这个问题转化为长双精度(long double)为什么没有精度问题? 这是由于 long double 具有更大的范围和更高的精度。
long double 的范围和精度高于 double 类型:

范围更大:long double 可以表示更大和更小的数字
精度更高:long double 可以表示的有效数字多于 double 类型这意味着,对付同样的浮点打算,long double 具有更少的舍入偏差。

详细来说,几点缘故原由造成 long double 没有精度问题:

long double 利用更多的bit位来表示浮点数。
long double 利用四舍五入(rounding to nearest)而不是银里手舍入(bankers' rounding),导致更少的偏差累加。
许多编译器及 CPU 针对 long double 具有优化, 会天生精度更高的机器码来实行 long double 打算。
long double 内部采取更大的指数域, 能更准确地表示相同范围内的数字。

综上,long double 的更广范围和更高精度,让它在相同的浮点打算中具有更少的舍入偏差。
这也就阐明了为什么 long double 没有明显的精度问题,由于它天生便是为了供应更高精度而设计的。
比较之下,double 利用的位数相对有限,纵然采取折中舍入法,在一些场景下它的偏差也可能累加显著。
以是总的来说,long double 之以是没有精度问题,紧张还是源于其更大的范围和更高的内在精度。

问题总结
Redis 浮点数累计操作 INCRBYFLOAT 不适宜精度哀求比较高的金额打算。
Redis 浮点数累计操作 INCRBYFLOAT 也不能平替 BigDecimal 打算,如果一定须要存储可以考虑通过 lua 脚本实现 CAS 进行修正,终极存储为 String 类型的一个结果。
Redis 的浮点数虽然做了比较好的优化,但是没有从根本办理打算精度问题。
参考文档
https://redis.io/commands/incrbyfloat/
https://wiki.c2.com/?BankersRounding
https://www.wikihow.com/Round-to-the-Nearest-Tenth
https://learn.microsoft.com/zh-cn/cpp/c-language/type-long-double?view=msvc-170
https://learn.microsoft.com/zh-cn/cpp/c-runtime-library/reference/strtold-strtold-l-wcstold-wcstold-l?view=msvc-170

末了,求关注。
如果你还想看更多优质原创文章,欢迎关注我们的公众号「运维开拓故事」。

如果我的文章对你有所帮助,还请帮忙一下,你的支持会勉励我输出更高质量的文章,非常感谢!

你还可以把我的"大众年夜众号设为「星标」,这样当公众年夜众号文章更新时,你会在第一韶光收到推送,避免错过我的文章更新。

相关文章