본문으로 바로가기
본문으로 바로가기

Float32 | Float64 | BFloat16 타입

참고

정확한 계산, 특히 높은 정밀도가 필요한 금융 또는 비즈니스 데이터로 작업하는 경우에는 Decimal 사용을 고려하는 것이 좋습니다.

부동 소수점 수(Floating Point Numbers)는 아래 예시와 같이 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();

# 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 │
└────────────────────┴──────────────────────┘

ClickHouse와 C에서의 동일한 타입은 다음과 같습니다.

  • Float32 — float.
  • Float64 — double.

ClickHouse의 부동 소수점 타입에는 다음과 같은 별칭이 있습니다.

  • Float32 — FLOAT, REAL, SINGLE.
  • Float64 — DOUBLE, DOUBLE PRECISION.

테이블을 생성할 때 부동 소수점 수에 대해 숫자 매개변수(예: FLOAT(12), FLOAT(15, 22), DOUBLE(12), DOUBLE(4, 18))를 지정할 수 있지만, ClickHouse에서는 이를 무시합니다.

부동소수점 수 사용​

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

┌───────minus(1, 0.9)─┐
│ 0.09999999999999998 │
└─────────────────────┘
  • 계산 결과는 계산 방식(컴퓨터 시스템의 프로세서 종류와 아키텍처)에 따라 달라집니다.
  • 부동소수점 계산은 무한대(Inf)나 「숫자가 아님(Not-a-Number)」(NaN)과 같은 값을 결과로 생성할 수 있습니다. 계산 결과를 처리할 때 이를 고려해야 합니다.
  • 텍스트에서 부동소수점 숫자를 파싱할 때, 결과가 항상 가장 가까운 기계에서 표현 가능한 값이 아닐 수 있습니다.

NaN 및 Inf​

표준 SQL과 달리 ClickHouse는 다음과 같은 부동소수점 수 범주를 지원합니다.

  • Inf – 무한대.
SELECT 0.5 / 0

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

┌─divide(-0.5, 0)─┐
│            -inf │
└─────────────────┘
  • NaN — 숫자가 아님(Not a Number)을 나타냅니다.
SELECT 0 / 0

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

NaN 정렬 규칙은 ORDER BY 절 섹션을 참조하십시오.

집합 의미론에서의 NaN 값​

IEEE 754 표준에서는 스칼라 비교 NaN = NaN이 false를 반환하도록 NaN을 정의합니다. ClickHouse도 = 연산자에 대해 이 규칙을 따릅니다.

하지만 NaN은 단일한 값이 아닙니다. 지수부가 모두 1이고 가수가 0이 아닌 모든 비트 패턴이 NaN에 해당합니다. 서로 다른 연산과 서로 다른 CPU 아키텍처에서는 부호 비트가 다르거나 가수 페이로드가 다른 NaN 값을 생성할 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 동등 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 (NaN은 자기 자신을 포함한 모든 다른 값과 같지 않음) 하지만 다소 의외일 수 있습니다. 집합 의미론 연산에서 모든 NaN 값을 동일한 것으로 처리해야 한다면, 쿼리에서 이를 표준화하십시오:

-- 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 키에도 동일한 접근 방식이 적용됩니다.

BFloat16​

BFloat16은 8비트 지수, 부호, 7비트 가수를 갖는 16비트 부동 소수점 데이터 형식입니다. 머신 러닝 및 AI 애플리케이션에서 유용하게 사용됩니다.

ClickHouse는 Float32와 BFloat16 간의 변환을 지원하며, toFloat32() 또는 toBFloat16 함수를 사용해 수행할 수 있습니다.

참고

대부분의 다른 연산은 지원되지 않습니다.