メインコンテンツへスキップ
メインコンテンツへスキップ

Float32 | Float64 | BFloat16 型

注記

特に高精度が求められる金融データや業務データなど、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、以下に示すように不正確な結果を招くことがあります。

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

# 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 と C の同等の型は以下のとおりです:

  • Float32 — float。
  • Float64 — double。

ClickHouse の Float 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ときに、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)）が、ClickHouse はそれらを無視します。

浮動小数点数の使用​

  • 浮動小数点数を使用した計算では、丸め誤差が発生す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(プロセッサの種類とコンピュータシステムのアーキテクチャ)に依存します。
  • 浮動小数点計算では、無限大(Inf)や「非数」(NaN)などの数値が生成され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、結果は最も近い機械表現可能な数値ではない可能性があります。

NaN と Inf​

標準 SQL とは対照的に、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 — 非数。
SELECT 0 / 0

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

NaN のソートルールについては、ORDER BY 句セクションを参照してください。

集合セマンティクスにおける NaN 値​

IEEE 754 標準では、スカラー比較 NaN = NaN が false を返すように NaN が定義されています。 ClickHouse も、= 演算子についてはこの規則に従います。

ただし、NaN は単一の値ではありません。指数がすべて 1 で、仮数が 0 ではない任意のビットパターンを指します。異なる演算や CPU アーキテクチャによって、符号ビットや仮数のペイロードが異なる NaN 値が生成されることがあります。たとえば、次のとおりです。

  • 0./0. は、ほとんどの x86 プラットフォームで、符号ビットが 1 の NaN を生成します。
  • リテラル nan は、符号ビットが 0 の NaN を生成します。
  • PR #98230 以降、AArch64 NEON パスの log は、負の入力に対して glibc のスカラー log とは符号ビットの異なる NaN を返します。

ClickHouse のハッシュテーブルではキーをバイト単位で比較するため、異なる NaN のビットパターンは異なるバケットにハッシュされ、DISTINCT、GROUP BY、uniqExact、countDistinct、および Float キーに対する等値 JOIN などの集合セマンティクス演算では、別個の値として扱われます。

SELECT countDistinct(arrayJoin([0./0., nan, log(-1.)]));
-- May return 2 or 3 depending on architecture and build, even though all three inputs are NaN.

これは IEEE 754 と整合しています (すべての NaN は、自身を含む他のあらゆる値とも等しくありません) が、直感に反する場合があります。集合セマンティクスの演算で、すべての NaN 値を等しいものとして扱う必要がある場合は、 クエリ内で正規化してください:

-- Replace every NaN with a single canonical NaN value
SELECT countDistinct(if(isNaN(x), CAST('nan' AS Float64), x))
FROM (SELECT arrayJoin([0./0., nan, log(-1.)]) AS x);
-- Returns 1.

-- Or exclude NaN values from the set entirely
SELECT countDistinct(if(isNaN(x), NULL, x))
FROM (SELECT arrayJoin([0./0., nan, log(-1.)]) AS x);
-- Returns 0.

DISTINCT、GROUP BY、JOIN のキーにも同じアプローチが使えます。

BFloat16​

BFloat16 は、8 ビットの指数、符号、および 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。 機械学習および AI アプリケーションに役立ちます。

ClickHouse は Float32 と BFloat16 間の変換をサポートしており、toFloat32() または toBFloat16 関数を使用して実行できます。

注記

その他のほとんどの操作はサポートされていません。