메인 콘텐츠로 건너뛰기
정확한 계산이 필요하고, 특히 높은 정밀도가 요구되는 금융 또는 비즈니스 데이터를 다루는 경우에는 Decimal 사용을 고려하십시오.아래 예시에서 보듯이 부동소수점 수는 부정확한 결과를 초래할 수 있습니다.
CREATE TABLE IF NOT EXISTS float_vs_decimal
(
   my_float Float64,
   my_decimal Decimal64(3)
)
ENGINE=MergeTree
ORDER BY tuple();

# 소수점 이하 2자리 난수 1,000,000개를 생성하여 float와 decimal로 저장합니다
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 │
└────────────────────┴──────────────────────┘
ClickHouse와 C에서 대응되는 타입은 다음과 같습니다.
  • Float32 — float.
  • Float64 — double.
ClickHouse의 Float 타입에는 다음과 같은 Aliases가 있습니다.
  • Float32 — FLOAT, REAL, SINGLE.
  • Float64 — DOUBLE, DOUBLE PRECISION.
테이블을 생성할 때 부동소수점 수에 대한 숫자 매개변수를 지정할 수 있지만(예: FLOAT(12), FLOAT(15, 22), DOUBLE(12), DOUBLE(4, 18)), ClickHouse는 이를 무시합니다.

​
부동소수점 수 사용

  • 부동소수점 수를 사용한 계산에서는 반올림 오류가 발생할 수 있습니다.
SELECT 1 - 0.9

┌───────minus(1, 0.9)─┐
│ 0.09999999999999998 │
└─────────────────────┘
  • 계산 결과는 계산 방식(컴퓨터 시스템의 프로세서 유형과 아키텍처)에 따라 달라집니다.
  • 부동소수점 계산에서는 무한대(Inf) 및 “숫자가 아님”(NaN)과 같은 값이 나올 수 있습니다. 계산 결과를 처리할 때는 이 점을 고려해야 합니다.
  • 텍스트에서 부동소수점 수를 파싱할 때, 결과가 기계에서 표현 가능한 가장 가까운 숫자가 아닐 수 있습니다.

​
NaN 및 Inf

표준 SQL과 달리 ClickHouse는 다음과 같은 부동소수점 수 범주를 지원합니다.
  • Inf – 무한대입니다.
SELECT 0.5 / 0

┌─divide(0.5, 0)─┐
│            inf │
└────────────────┘
  • -Inf — 음의 무한대입니다.
SELECT -0.5 / 0

┌─divide(-0.5, 0)─┐
│            -inf │
└─────────────────┘
  • NaN — 숫자가 아닙니다.
SELECT 0 / 0

┌─divide(0, 0)─┐
│          nan │
└──────────────┘
ORDER BY 절 섹션에서 NaN 정렬 규칙을 확인하십시오.

​
집합 의미론에서의 NaN 값

IEEE 754 표준에서는 스칼라 비교 NaN = NaN의 결과가 false가 되도록 NaN을 정의합니다. ClickHouse도 = 연산자에서 이 규칙을 따릅니다. 하지만 NaN은 단일한 값이 아닙니다. 지수부가 모두 1이고 가수가 0이 아닌 모든 비트 패턴이 NaN에 해당합니다. 연산 방식이나 CPU 아키텍처에 따라 부호 비트가 다르거나 가수 payload가 다른 NaN 값이 생성될 수 있습니다. 예시는 다음과 같습니다.
  • 0./0.은 대부분의 x86 플랫폼에서 부호 비트가 1인 NaN을 생성합니다.
  • 리터럴 nan은 부호 비트가 0인 NaN을 생성합니다.
  • PR #98230 이후 AArch64 NEON 경로의 log는 음수 입력에 대해 glibc의 스칼라 log와 부호 비트가 다른 NaN을 반환합니다.
ClickHouse의 해시 테이블은 키를 바이트 단위로 비교하므로, 서로 다른 NaN 비트 패턴은 서로 다른 버킷으로 해시되며 DISTINCT, GROUP BY, uniqExact, countDistinct, 그리고 Float 키에 대한 등가 JOIN을 포함한 집합 의미론 연산에서 서로 다른 값으로 처리됩니다. 
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.
이는 IEEE 754와 일치합니다(모든 NaN은 자기 자신을 포함한 다른 모든 값과 같지 않음). 하지만 다소 의외일 수 있습니다. 집합 의미론 연산에서 모든 NaN 값을 동일하게 처리해야 한다면, 쿼리에서 이를 정규화하십시오: 
-- 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.
같은 방식이 DISTINCT, GROUP BY, JOIN 키에도 적용됩니다.

​
BFloat16

BFloat16은 8비트 지수부, 1비트 부호, 7비트 가수로 구성된 16비트 부동소수점 데이터 타입입니다. 머신 러닝 및 AI 애플리케이션에 유용합니다. ClickHouse는 Float32와 BFloat16 간의 변환을 지원하며, 이 변환은 toFloat32() 또는 toBFloat16 함수를 사용해 수행할 수 있습니다.
대부분의 다른 연산은 지원되지 않습니다.
마지막 수정일 2026년 6월 25일