Float32 | Float64 | BFloat16 类型

注意

如果您需要精确的计算，特别是当您处理金融或业务数据时，这些数据需要高精度，您应该考虑使用 Decimal 类型代替。

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 语言中等效的类型如下所示

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。

在创建表时，可以为浮点数设置数字参数（例如 FLOAT(12), FLOAT(15, 22), DOUBLE(12), DOUBLE(4, 18)），但 ClickHouse 会忽略它们。

使用浮点数

使用浮点数进行计算可能会产生舍入误差。

SELECT 1 - 0.9

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

计算结果取决于计算方法（计算机系统的处理器类型和架构）。
浮点数计算可能会产生诸如无穷大 (Inf) 和“非数字” (NaN) 之类的数字。在处理计算结果时，应考虑到这一点。
从文本解析浮点数时，结果可能不是最接近的可表示机器数。

NaN 和 Inf

与标准 SQL 相比，ClickHouse 支持以下类型的浮点数

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 排序规则，请参阅 ORDER BY 子句部分。

BFloat16

BFloat16 是一种 16 位浮点数据类型，具有 8 位指数、符号和 7 位尾数。它适用于机器学习和人工智能应用。

ClickHouse 支持 Float32 和 BFloat16 之间的转换，可以使用 toFloat32() 或 toBFloat16 函数进行转换。

注意

大多数其他操作都不受支持。

使用浮点数​

NaN 和 Inf​

BFloat16​

使用浮点数

NaN 和 Inf

BFloat16