注記

特に高い精度が求められる金融データや業務データを扱うなど、正確な計算が必要な場合は、代わりに Decimal の利用を検討してください。

浮動小数点数は、以下の例で示すように不正確な結果になる可能性があります。

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桁の乱数を 1 000 000 個生成し、float 型および decimal 型として保存する

INSERT INTO float_vs_decimal SELECT round(randCanonical(), 3) AS res, res FROM system.numbers LIMIT 1000000;

```sql
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次のとおりです。

• Float32 — float
• Float64 — double

ClickHouse における浮動小数点数型には次のエイリアスがあります。

• Float32 — FLOAT、REAL、SINGLE
• Float64 — DOUBLE、DOUBLE PRECISION

テーブルを作成する際、浮動小数点数に対して数値パラメータを指定できます（例: FLOAT(12)、FLOAT(15, 22)、DOUBLE(12)、DOUBLE(4, 18)）が、ClickHouse はこれらを無視します。

浮動小数点数を使用する

• 浮動小数点数での計算では、丸め誤差が発生することがあります。

SELECT 1 - 0.9

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

• 計算結果は、計算方法（コンピュータシステムのプロセッサの種類およびアーキテクチャ）によって異なります。
• 浮動小数点計算では、無限大（Inf）や "not-a-number"（NaN）といった値が結果として得られる場合があります。計算結果を処理する際には、この点を考慮する必要があります。
• 文字列から浮動小数点数を解析する場合、結果が最も近い機械表現可能な数値にならないことがあります。

NaN と Inf

標準的な SQL とは異なり、ClickHouse は次のカテゴリ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 — 「Not a Number」（数値ではないことを示す値）。

SELECT 0 / 0

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

NaN のソート規則については、ORDER BY 句 を参照してください。

BFloat16

BFloat16 は、8 ビットの指数部、符号、7 ビットの仮数部を持つ 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有用です。

ClickHouse は Float32 と BFloat16 間の変換をサポートしており、 toFloat32() または toBFloat16 関数で行えます。

注記

その他のほとんどの演算はサポートされていません。