如何在Memgraph中存储30位超大整数？

以下是几种无需丢失精度的存储方案，可根据你的业务需求选择：

• 字符串存储
  这是最直接的方案，将30位超大整数转换为字符串类型存储，完全避免精度丢失。

  • 注意：若需要对该数值进行运算，需在应用层（如Python、Java）将字符串转换为对应大整数类型（Python的int、Java的BigInteger）处理后，再将结果转回字符串存入Memgraph；Cypher查询本身无法直接对字符串形式的大整数执行数值运算。
  • 示例Cypher语句：

    CREATE (n:LargeNumber {value: "123456789012345678901234567890"})
    

• 拆分片段存储
  将30位大整数拆分为多个可被64位整数容纳的片段（比如按高位、低位拆分，或按每15位拆分），分别存储为不同的属性。

  • 优势：若仅需在Memgraph内部做大小比较，可通过先比较高位片段、再比较低位片段的逻辑实现；复杂运算仍需在应用层拼接片段后处理。
  • 示例：将123456789012345678901234567890拆分为高位123456789012345和低位678901234567890，存储语句：

    CREATE (n:LargeNumber {high_segment: 123456789012345, low_segment: 678901234567890})
    

• 二进制序列化存储
  利用Memgraph的blob类型，在应用层将超大整数序列化为二进制字节数组后存储，读取时再反序列化为大整数。

  • 优势：相比字符串更节省存储空间，适合对存储效率有要求的场景；同样，数值运算需在应用层完成。
  • 示例（Python端逻辑）：

    large_num = 123456789012345678901234567890
    # 序列化为字节数组
    num_blob = large_num.to_bytes((large_num.bit_length() + 7) // 8, byteorder='big')
    # 传入Memgraph执行存储
    query = "CREATE (n:LargeNumber {value: $blob})"
    memgraph_client.execute(query, parameters={"blob": num_blob})
    

内容的提问来源于stack exchange，提问作者ShymPi1999