Andrei Lepikhov：为什么 PostgreSQL 的 numeric 类型如此之慢？
内容提要
PostgreSQL 的 numeric 类型因值自描述、变长、精度与标度随数据动态确定等设计，性能低于 double：聚合慢近三倍、内存多九倍，且无法按值传递、元组解析更慢。DuckDB 改用整数存储、标度存于列类型、规划期定精度，以提升速度，但牺牲精确除法与超限安全。
延伸解读
numeric 慢在架构，不在算术
文章指出，PostgreSQL 的 numeric 类型性能问题并非源于十进制算术本身，而是源于四个刻意设计：表示不依赖声明、标度存于值内、结果标度由数据决定、精度上限灵活。这些决策保证了精确性和灵活性，但导致值自描述、变长、按引用传递，进而使聚合慢近三倍、内存多九倍。因此，优化方向应关注包装层（如内存分配、解包、标度计算），而非单纯改进算术。
DuckDB 的取舍：速度换精确
DuckDB 将 DECIMAL 存储为整数，标度存于列类型，规划期确定精度，从而获得接近整数的性能。但代价是：除法退化为浮点近似，AVG 返回 DOUBLE，且精度上限固定为 38 位，超出即报错。文章举例说明，DECIMAL(18,0) 相乘可能因结果超出容器而运行时溢出。这种设计适合 OLAP 场景，但对要求精确舍入的金融交易等场景可能不适用。
变长存储的连锁代价
numeric 是变长类型，导致元组解析（deform）时无法缓存列偏移，每行都需读取前序列头。文章引用 PostgreSQL 18 和 19 的改进（如 CompactAttribute）说明社区已关注此问题，但未根除。DuckDB 的列式存储虽无 deform，但压缩下宽类型（如 DECIMAL(19,2)）解压成本显著，扫描耗时从毫秒级跃升至数百毫秒。两者都表明：将值送达操作的成本可能超过操作本身。
精确除法的硬约束
文章强调，精确十进制除法需要将操作数按结果标度扩展，例如计算 a·10^s/b。numeric 可动态增长数字数组，而固定宽度类型（如 int128）仅有 38 位，扩展空间有限。若参数精度加结果标度超过 38，则需 int256、报错或转浮点。DuckDB 选择浮点除法，牺牲精确性；PostgreSQL 则通过动态标度保持精确，但付出性能代价。这一矛盾在固定宽度设计中难以调和。
Q&A
为什么 PostgreSQL 的 numeric 类型比 double 慢那么多？
PostgreSQL 的 numeric 类型设计为自描述、变长，精度和标度随数据动态确定，导致聚合操作比 double 慢近三倍，内存使用多九倍。具体原因包括：值按引用传递、元组解析更慢、中间结果标度需动态计算等。
PostgreSQL 的 numeric 类型有哪些设计决策导致性能问题？
PostgreSQL 的 numeric 类型有四个关键设计决策：1) 表示不依赖于声明，宽度是类型属性，因此必须变长；2) 标度存储在值中而非列描述中；3) 结果的标度由数据计算而非预先确定；4) 精度上限灵活，运行时几乎不会溢出。这些决策保证了精确性，但带来了性能开销。
DuckDB 的 DECIMAL 类型是如何实现高性能的？
DuckDB 将 DECIMAL 存储为整数，标度存储在列类型中，精度在规划阶段确定。它使用 INT16、INT32、INT64、INT128 作为载体，根据声明宽度选择，使得算术运算简单快速。但牺牲了精确除法和超限安全性，除法使用浮点近似，且没有 NaN 和无穷大。
PostgreSQL 的 numeric 类型在聚合操作中为什么内存消耗大？
因为 numeric 是变长且自描述的，每个值都携带标度等信息，聚合时需要更多内存来存储中间结果。例如，对 12 个 numeric 列进行分组聚合，内存使用可达 1.8GB，而 double 仅需 196MB。此外，sum(numeric) 使用 NumericSumAccum 结构，用 32 位整数存储数字，正负值分开累加，也增加了内存开销。
将 numeric 存储为 int128 能解决性能问题吗？
不能完全解决。虽然 int128 可以加速一些操作，但除法仍然昂贵，因为 128 位除法需要调用库函数。此外，精确除法需要扩展被除数，而 int128 只有 38 位数字，容易溢出。打印也会变慢，因为需要将二进制转换为十进制。因此，优化应关注外围操作如内存分配、解包和标度计算。
PostgreSQL 和 DuckDB 在处理 decimal 除法时有什么不同？
PostgreSQL 的 numeric 除法会动态选择结果标度，保证至少 16 位有效数字，结果精确。而 DuckDB 的 DECIMAL 除法直接使用浮点近似，返回 DOUBLE 类型，因为固定点小数除法通常不产生有限小数。这导致 DuckDB 无法满足需要精确除法的场景，如金融计算。
