跳转到主要内容
如果你需要精确计算，尤其是在处理需要高精度的金融或业务数据时，建议改用 Decimal。如下所示，浮点数 可能会导致结果不准确：
下面列出了 ClickHouse 和 C 中对应的类型：
  • Float32 — float.
  • Float64 — double.
ClickHouse 中的 Float 类型有以下别名：
  • Float32 — FLOAT, REAL, SINGLE.
  • Float64 — DOUBLE, DOUBLE PRECISION.
创建表时，可以为浮点数指定数值参数 (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

  • 浮点数运算可能会产生舍入误差。
  • 计算结果取决于计算方式 (即计算机系统的处理器类型和架构) 。
  • 浮点计算可能会产生无穷大 (Inf) 和“非数” (NaN) 之类的数值。处理计算结果时应考虑到这一点。
  • 从文本中解析浮点数时，结果可能不是机器可表示的最接近值。

​
NaN 和 Inf

不同于标准 SQL，ClickHouse 支持以下几类浮点数：
  • Inf – 无穷大。
  • -Inf — 负无穷大。
  • NaN — 非数值。
有关 NaN 排序规则，请参见ORDER BY 子句一节。

​
集合语义中的 NaN 值

IEEE 754 标准规定，NaN 在标量比较中满足 NaN = NaN 返回 false。 ClickHouse 对 = 运算符也遵循这一规则。 不过，NaN 并不是某一个单独的值；凡是指数部分全为 1 且 尾数不为 0 的位模式，都属于 NaN。不同的操作以及不同的 CPU 架构都可能产生 具有不同符号位或不同尾数载荷的 NaN 值。例如：
  • 0./0. 会产生一个 NaN，在大多数 x86 平台上其符号位为 1。
  • 字面量 nan 会产生一个符号位为 0 的 NaN。
  • 在 PR #98230 之后，AArch64 NEON 路径上的 log 在输入为负时返回的 NaN，其符号位与 glibc 的标量 log 不同。
ClickHouse 中的哈希表会按字节比较键，因此不同的 NaN 位模式会被哈希到 不同的桶中，并在包括 DISTINCT、GROUP BY、uniqExact、countDistinct 以及基于 Float 键的等值 JOIN 在内的集合语义操作中 被视为不同的值：
这与 IEEE 754 一致 (每个 NaN 都不等于任何其他值，包括它自身) ， 但这可能会让人感到意外。如果你需要基于集合语义的操作将所有 NaN 值视为相等， 请在查询中将它们规范化：
同样的方法也适用于 DISTINCT、GROUP BY 和 JOIN 的键。

​
BFloat16

BFloat16 是一种 16 位浮点数据类型，由 8 位指数、符号位和 7 位尾数组成。 它适用于机器学习和 AI 应用。 ClickHouse 支持在 Float32 和 BFloat16 之间进行转换， 可使用 toFloat32() 或 toBFloat16 函数。
暂不支持大多数其他操作。
最后修改于 2026年6月25日