BigQuery中的NUMERIC和FLOAT有什么区别？

Question

我阅读了以下文档： https://cloud.google.com/bigquery/docs/reference/standard-sql/data-types https://cloud.google.com/bigquery/pricing#data

我知道FLOAT是8个字节，而NUMERIC是16个字节 那是唯一的区别吗？ 文档说NUMERIC的范围可以从-99999999999999999999999999999.999999999到99999999999999999999999999999.999999999，但是没有指定FLOAT的范围。

Answer 1

我喜欢当前的答案。我想补充一下，以证明为什么NUMERIC是必要的：

SELECT 
  4.35 * 100 a_float
  , CAST(4.35 AS NUMERIC) * 100 a_numeric

这不是错误-这正是IEEE defines floats的处理方式。同时NUMERIC表现出的行为更接近人类的期望。

为进一步证明NUMERIC有用，此答案说明NUMERIC如何处理numbers too big for JavaScript to normally handle。

在将此问题归咎于BigQuery之前，您可以检查大多数其他编程语言是否会执行相同的操作。 Python，例如：

Answer 2

主要区别是浮点数/双精度数是二进制浮点类型，数值将值存储为浮点小数点类型。因此，Numeric具有更高的精度，通常用于要求高度准确性的货币（金融）应用程序中。但是在性能方面，数字要比双精度和浮点型慢。数字可以100％准确地表示十进制格式精度内的任何数字，而浮点和双精度不能准确表示所有数字，即使是其各自格式精度内的数字。

Answer 3

有很多区别：

• 范围：FLOAT可以达到±2 ^ 1023（尽管它不能代表此范围内的每个整数）

• 接近零的精度：接近零，FLOAT的精度可以达到2 ^ -1022。

• NaN / Inf：FLOAT具有“非数字”和正负的“无限”值，而NUMERIC没有。

• 存储大小：每个NUMERIC需要16个字节的存储空间，而FLOAT仅需要8个字节的存储空间。

• 不可预测的性质：正如Ajay所暗示的那样，FLOAT的最大缺点在于，它可以精确表示的数字与我们通常感兴趣的数字并不十分吻合。结果，浮点数应用于可接受某些误差的物理量。如果您需要可预测的，准确的人类可预测的结果，例如在财务计算中，请使用NUMERIC