Float32 | Float64 | BFloat16 类型

备注

如果您需要精确的计算，尤其是在处理需要高精度的财务或商业数据时，您应该考虑使用 Decimal 代替。

浮点数 可能会导致不准确的结果，如下所示：

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


# Generate 1 000 000 random numbers with 2 decimal places and store them as a float and as a decimal
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 和 C 中的等效类型如下：

• Float32 — float。
• Float64 — double。

ClickHouse 中的浮点类型具有以下别名：

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

创建表时，可以设置浮点数的数字参数（例如 FLOAT(12)，FLOAT(15, 22)，DOUBLE(12)，DOUBLE(4, 18)），但 ClickHouse 会忽略这些参数。

使用浮点数

• 与浮点数的计算可能会产生舍入误差。

SELECT 1 - 0.9

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

• 计算的结果依赖于计算方法（处理器类型和计算机系统架构）。
• 浮点计算可能会产生如无穷大（Inf）和“非数字”（NaN）的结果。这在处理计算结果时应该予以考虑。
• 从文本中解析浮点数时，结果可能不是最近的机器可表示数字。

NaN 和 Inf

与标准 SQL 相比，ClickHouse 支持以下类别的浮点数：

• Inf – 无穷大。

SELECT 0.5 / 0

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

• -Inf — 负无穷大。

SELECT -0.5 / 0

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

• NaN — 非数字。

SELECT 0 / 0

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

有关 NaN 排序的规则，请参见ORDER BY 子句。

BFloat16

BFloat16 是一种 16 位的浮点数据类型，具有 8 位的指数、符号和 7 位的尾数。 它对机器学习和 AI 应用非常有用。

ClickHouse 支持 Float32 和 BFloat16 之间的转换， 可以使用 toFloat32() 或 toBFloat16 函数来完成。

备注

大多数其他操作不被支持。