Passer au contenu principal
Si vous avez besoin de calculs exacts, en particulier si vous travaillez avec des données financières ou des données d’entreprise exigeant une grande précision, vous devriez envisager d’utiliser Decimal à la place.Les nombres à virgule flottante peuvent produire des résultats inexacts, comme illustré ci-dessous :
CREATE TABLE IF NOT EXISTS float_vs_decimal
(
   my_float Float64,
   my_decimal Decimal64(3)
)
ENGINE=MergeTree
ORDER BY tuple();

# Génère 1 000 000 nombres aléatoires avec 2 décimales et les stocke sous forme de float et de 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 │
└────────────────────┴──────────────────────┘
Les types équivalents dans ClickHouse et en C sont indiqués ci-dessous :
  • Float32 — float.
  • Float64 — double.
Les types à virgule flottante dans ClickHouse ont les alias suivants :
  • Float32 — FLOAT, REAL, SINGLE.
  • Float64 — DOUBLE, DOUBLE PRECISION.
Lors de la création de tables, il est possible de spécifier des paramètres numériques pour les nombres à virgule flottante (par ex. FLOAT(12), FLOAT(15, 22), DOUBLE(12), DOUBLE(4, 18)), mais ClickHouse les ignore.

​
Utilisation des nombres à virgule flottante

  • Les calculs avec des nombres à virgule flottante peuvent entraîner une erreur d’arrondi.
SELECT 1 - 0.9

┌───────minus(1, 0.9)─┐
│ 0.09999999999999998 │
└─────────────────────┘
  • Le résultat du calcul dépend de la méthode utilisée (du type de processeur et de l’architecture du système informatique).
  • Les calculs à virgule flottante peuvent produire des valeurs telles que l’infini (Inf) et “pas un nombre” (NaN). Il faut en tenir compte lors du traitement des résultats.
  • Lors de l’analyse de nombres à virgule flottante à partir de texte, le résultat peut ne pas correspondre au nombre représentable par la machine le plus proche.

​
NaN et Inf

Contrairement au SQL standard, ClickHouse prend en charge les catégories suivantes de nombres à virgule flottante :
  • Inf – l’infini.
SELECT 0.5 / 0

┌─divide(0.5, 0)─┐
│            inf │
└────────────────┘
  • -Inf — Moins l’infini.
SELECT -0.5 / 0

┌─divide(-0.5, 0)─┐
│            -inf │
└─────────────────┘
  • NaN — n’est pas un nombre.
SELECT 0 / 0

┌─divide(0, 0)─┐
│          nan │
└──────────────┘
Consultez les règles de tri des NaN dans la section clause ORDER BY.

​
Valeurs NaN dans la sémantique d’ensemble

La norme IEEE 754 définit NaN de sorte que la comparaison scalaire NaN = NaN renvoie false. ClickHouse suit cette règle pour l’opérateur =. Cependant, NaN n’est pas une valeur unique ; c’est n’importe quel motif de bits dont l’exposant est entièrement à 1 et dont la mantisse est non nulle. Des opérations différentes et des architectures CPU différentes peuvent produire des valeurs NaN avec des bits de signe différents ou des bits de mantisse différents. Par exemple :
  • 0./0. produit un NaN dont le bit de signe vaut 1 sur la plupart des plateformes x86.
  • Le littéral nan produit un NaN dont le bit de signe vaut 0.
  • Après la PR #98230, le code AArch64 NEON de log renvoie un NaN dont le bit de signe diffère de celui du log scalaire de glibc pour des entrées négatives.
Les tables de hachage de ClickHouse comparent les clés octet par octet. Ainsi, différents motifs de bits NaN sont hachés dans des compartiments différents et traités comme des valeurs distinctes par les opérations à sémantique d’ensemble, notamment DISTINCT, GROUP BY, uniqExact, countDistinct et les JOIN d’égalité sur une clé Float : 
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.
Ceci est conforme à la norme IEEE 754 (chaque NaN n’est égal à aucune autre valeur, y compris à lui-même), mais cela peut être surprenant. Si vous avez besoin que des opérations fondées sur une sémantique d’ensemble traitent toutes les valeurs NaN comme égales, ramenez-les à une forme canonique dans la requête : 
-- 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.
La même approche fonctionne pour les clés de DISTINCT, GROUP BY et JOIN.

​
BFloat16

BFloat16 est un type de données à virgule flottante sur 16 bits, avec un exposant sur 8 bits, un signe et une mantisse sur 7 bits. Il est utile pour les applications de machine learning et d’IA. ClickHouse prend en charge les conversions entre Float32 et BFloat16, qui peuvent être effectuées à l’aide des fonctions toFloat32() ou toBFloat16.
La plupart des autres opérations ne sont pas prises en charge.
Dernière modification le 25 juin 2026