Float32 | Float64 | BFloat16 Types

注記

正確な計算が必要な場合、特に高精度を要求する財務データやビジネスデータを扱う場合は、代わりに Decimal の使用を検討してください。

Floating Point Numbers は、以下の例のように不正確な結果を引き起こす可能性があります：

CREATE TABLE IF NOT EXISTS float_vs_decimal
(
   my_float Float64,
   my_decimal Decimal64(3)
)
Engine=MergeTree
ORDER BY tuple();


# 小数点以下2桁のランダムな数値を1,000,000生成し、floatとdecimalとして保存します
INSERT INTO float_vs_decimal SELECT round(randCanonical(), 3) AS res, res FROM system.numbers LIMIT 1000000;

SELECT sum(my_float), sum(my_decimal) FROM float_vs_decimal;

┌──────sum(my_float)─┬─sum(my_decimal)─┐
│ 499693.60500000004 │      499693.605 │
└────────────────────┴─────────────────┘

SELECT sumKahan(my_float), sumKahan(my_decimal) FROM float_vs_decimal;

┌─sumKahan(my_float)─┬─sumKahan(my_decimal)─┐
│         499693.605 │           499693.605 │
└────────────────────┴──────────────────────┘

ClickHouseとCにおける対応する型は以下の通りです：

• Float32 — float.
• Float64 — double.

ClickHouseにおけるFloat型の別名は次の通りです：

• Float32 — FLOAT, REAL, SINGLE.
• Float64 — DOUBLE, DOUBLE PRECISION.

テーブルを作成する際には、浮動小数点数の数値パラメータを設定できます（例：FLOAT(12), FLOAT(15, 22), DOUBLE(12), DOUBLE(4, 18)）、ですがClickHouseはこれらを無視します。

浮動小数点数の使用

• 浮動小数点数を使用した計算は、丸め誤差を生じる可能性があります。

SELECT 1 - 0.9

┌───────minus(1, 0.9)─┐
│ 0.09999999999999998 │
└─────────────────────┘

• 計算の結果は、計算方法（プロセッサのタイプとコンピュータシステムのアーキテクチャ）によって異なります。
• 浮動小数点計算の結果として、無限大（Inf）や "数ではない"（NaN）のような数値が生じる可能性があります。計算結果を処理する際にはこれを考慮する必要があります。
• テキストから浮動小数点数を解析する場合、結果が最も近いマシン表現可能な数でない可能性があります。

NaNとInf

標準SQLとは異なり、ClickHouseは以下のカテゴリーの浮動小数点数をサポートしています：

• Inf – 無限大。

SELECT 0.5 / 0

┌─divide(0.5, 0)─┐
│            inf │
└────────────────┘

• -Inf — 負の無限大。

SELECT -0.5 / 0

┌─divide(-0.5, 0)─┐
│            -inf │
└─────────────────┘

• NaN — 数ではない。

SELECT 0 / 0

┌─divide(0, 0)─┐
│          nan │
└──────────────┘

NaNのソート規則については、ORDER BY句のセクションを参照してください。

BFloat16

BFloat16 は、8ビットの指数、符号、7ビットの仮数を持つ16ビット浮動小数点データ型です。 機械学習やAIアプリケーションに役立ちます。

ClickHouseは、toFloat32() または toBFloat16 関数を使用して Float32 と BFloat16 の間の変換をサポートしています。

注記

その他の操作はサポートされていないものがほとんどです。