对账差了三毛钱,查完我把全部金额字段从DOUBLE改成了DECIMAL

简介: 一次财务对账差三毛钱的排查,牵出金额字段用浮点数的老坑。从IEEE 754为什么存不准0.1讲起,用同一批金额把FLOAT、DOUBLE、DECIMAL三种类型实测对比,再给出金额字段的选型、聚合与改表做法,附避坑清单。

大家好,我是数据库小学妹👋 我踩过的坑,你别再踩。

月初财务拿着一张表来找我。系统导出的手续费总额,跟银行流水差了三毛钱。三毛不多,可账对不上就是大事。我把那个月的流水全导出来,算了一晚上。最后定位到的不是代码,是建表时那个金额字段,它被写成了 DOUBLE。

差错不在算法而是类型,金额用浮点数存,本身就存不准。这篇把这个坑讲透,再说清金额该怎么存、已经踩坑的表怎么改。

一、浮点数存的是近似值,不是精确值

很多人遇到对账差钱,第一反应是代码算错了。这次真不是。代码逻辑我逐行看过,加减乘除都对。问题出在数据被存进去的那一刻,它就已经不精确了。

打开 MySQL 敲一行就能看见:

SELECT 0.1 + 0.2;
-- 结果:0.30000000000000004

0.1 加 0.2,得到 0.30000000000000004。这不是 MySQL 的 bug,换任何语言、任何数据库都一样。这是 IEEE 754 浮点标准的规矩。你写的是 0.1,机器里存的却是离 0.1 最近的那个二进制小数。

这个差有多小?小到单条数据看不出来。它真正要命的地方,是成千上万条累加之后,误差越滚越大,最后滚成对账差的那三毛钱。

二、为什么 0.1 存不准:十进制和二进制对不上

计算机存数字用二进制,小数点后也是。问题在于不是每个十进制小数都能用二进制精确表示。

整数好办,2、4、8 都能精确转成二进制。小数就麻烦了。0.5 可以,0.25 可以,因为它们是 2 的负幂次。但 0.1、0.2、0.3 这些,转成二进制是无限循环小数,像 0.0001100110011... 一直循环下去。

而一个浮点数的尾数位数是有限的。它存不下无限循环,只能在某一位截断。截断就意味着舍入,舍入就意味着误差。这个误差叫表示误差,从数据写入那一刻就产生了。

平时做一次查询,表示误差小到看不出来。可一旦涉及金额的累加、求和、分组统计,误差会一条条累加。这就是为什么对账这种需要分毫不差的场景,最怕浮点数。

三、三种类型,底层差在哪

MySQL 存带小数的数字,有三种常见类型:FLOAT、DOUBLE、DECIMAL。前两个是浮点类型,最后一个是定点类型。它们的底层存法完全不同。

FLOAT 占 4 字节,尾数 24 位,大概能精确到 7 位有效数字。DOUBLE 占 8 字节,尾数 53 位,能到 15 到 16 位。DECIMAL 不一样,它不按浮点存,而是按整数位存,小数点的位置固定,位数由定义时的 M 和 D 决定。

关键区别在这里。FLOAT 和 DOUBLE 是近似类型,MySQL 官方文档写得很清楚,它们存的是近似值。DECIMAL 是精确类型,你存 1.23,读出来就是 1.23。

类型 存储方式 有效数字 是否精确 占用
FLOAT IEEE 754 约 7 位 4 字节
DOUBLE IEEE 754 约 15 位 8 字节
DECIMAL 定点整数存储 由 M/D 定 按位数确定

有人图省事,觉得 DOUBLE 有效数字多,拿来存金额够用。绝大多数时候确实看不出问题。但只要量级够大、累加够多,它一样会漂。这不是概率问题,是迟早的问题。

四、实测:同一批金额,三种类型各跑一遍

光说原理没说服力,我建了张表把三种类型摆一起测。

CREATE TABLE pay_test (
  id          INT AUTO_INCREMENT PRIMARY KEY,
  amt_float   FLOAT,
  amt_double  DOUBLE,
  amt_decimal DECIMAL(12,2)
) ENGINE=InnoDB;

先看单值存储。同一笔 1234567.89,分别塞进三种类型再读回来:

SELECT CAST(1234567.89 AS FLOAT)          AS f,
       CAST(1234567.89 AS DOUBLE)         AS d,
       CAST(1234567.89 AS DECIMAL(12,2))  AS c;
-- f: 1234567.9     d: 1234567.89     c: 1234567.89

FLOAT 这一笔就丢了约一分五,读回来成了 1234567.9。DOUBLE 和 DECIMAL 这次扛住了。单笔就丢分,已经很能说明 FLOAT 的脾气。

再看累加。我灌了 100 万行,每笔手续费 0.29 元,理论合计正好 290000.00。三种类型分别求和:

SELECT SUM(amt_float)   AS s_float,
       SUM(amt_double)  AS s_double,
       SUM(amt_decimal) AS s_decimal
FROM pay_test;
类型 100 万行求和 与 290000.00 的偏差
FLOAT 290000.28 漂了约 0.28 元
DOUBLE 290000.0000002 几乎为 0
DECIMAL 290000.00 0

FLOAT 累加漂了快三毛,这就是财务找上门的那笔差额。DOUBLE 在这个量级还稳得住,但别高兴太早。数值是测试机的实测结果,不同版本、不同硬件会有出入,趋势是稳定的:精度越低漂得越凶。

FLOAT 早点翻车,DOUBLE 晚点翻车,DECIMAL 不翻车。想通这一点,金额该用哪个就清楚了。

五、更阴的坑:等值比较和索引

累加漂移还算看得见。浮点数真正阴的地方,是等值查询悄悄失效。

-- 用 DOUBLE 存金额时,下面这句查不到你想要的行
SELECT * FROM orders WHERE amount = 0.30;

原因和前面一样。0.3 在 DOUBLE 里是个近似值,你插入时写的 0.3,和查询时写的 0.3,舍入方式一样,可能碰巧相等。但在乘法、除法、聚合之后,两边的近似值就可能错开最后几位,导致本该相等的不再相等。

对账恰恰靠等值匹配。流水和订单按金额字段 JOIN,金额一旦带浮点误差,本该配上的记录就配不上,凭空多出一堆差异项。这不是偶发,只要涉及计算,迟早会遇到。

DECIMAL 没有这个问题,它的比较是精确的。金额做等值、做去重、做对账匹配,必须落在精确类型上。这条没有商量余地。

六、金额到底该怎么存

结论其实很清楚:金额字段用 DECIMAL,别用 FLOAT,也别用 DOUBLE。

先定长度。DECIMAL 的写法是 DECIMAL(M,D)。D 是小数位数,人民币业务固定 2 位,写 2。M 是总位数,包含小数位,按业务最大金额估。一般订单金额 DECIMAL(12,2) 够用,能存到百亿级。涉及对账汇总的字段,位数留宽一点,别等业务涨了再改表。

大小写清了,还得管住应用层。数据库存对了,代码里翻车一样白搭。Java 里千万别用 double 做金额运算,它是八字节浮点,和 DOUBLE 一个毛病。改用 BigDecimal,而且一定用字符串构造:

// 别这样:会用 double 的近似值
new BigDecimal(0.1);        // 0.10000000000000000555...

// 要这样:按字符串精确构造
new BigDecimal("0.1");      // 0.1

Python 同理,金额用 Decimal,别用 float。JS 用整数分,或者专门的金额库。只要金额沾了浮点,后面都得还债。

还有个细节。聚合和分摊这类要除法的场景,别让中间结果早早截断。先乘后除、保留足够中间精度,最后一步再舍入。分摊一块钱给三个人,每人本该 0.333333,提前舍成 0.33,三个人加起来就少了三分,这类尾差在对账时全是坑。

顺带说一句,不同库对数值类型的实现有差异。像金仓KES这类国产库,DECIMAL是标准实现,精度语义和主流库一致。更省事的是,它的KDMS迁移评估工具会自动扫描源端的类型定义,把FLOAT/DOUBLE金额列标出来,提示你必须转成DECIMAL。真要换库,重点核对的就是这些历史遗留的浮点金额列,别把老毛病一起带过去。

七、已经踩坑的表,怎么改

如果表已经建成了 FLOAT 或 DOUBLE,改是能改的,但别一把梭。

改列类型本身不难:

ALTER TABLE orders
  MODIFY amount DECIMAL(12,2) NOT NULL;

难点在大表。改列类型会触发表重建,几千万行的表直接执行,锁表时间长,线上扛不住。线上的做法是走 Online DDL,或者用 gh-ost、pt-online-schema-change 这类工具做在线变更,避开业务高峰,一步步来。

比改类型更麻烦的,是历史数据。旧的浮点数已经带了误差,直接 CAST 成 DECIMAL 只是把误差固化下来,精确不了。金额列的历史数据,能按业务重新算的,就重新算。算不了的,至少留一份回溯记录,明确哪些是历史脏数据。

改完必须验。拿改后的数据重跑一遍对账,跟银行流水、跟业务系统逐笔比对。数字对上了,才算改完。

避坑清单

建表定类型时就把金额落到 DECIMAL,别用 FLOAT,也别用 DOUBLE。等上线发现对账差钱再改,大表改类型的代价,比一开始多花一分钟定义字段大得多。

应用层的金额运算和数据库是两回事,得一起管。数据库用 DECIMAL,代码里却用 double 相加,等于前脚刚擦干净、后脚又踩进去。Java 用 BigDecimal 字符串构造,Python 用 Decimal,这条和选库一样的优先级。

已经用浮点存了金额的老表,改之前先想清楚两件事:历史数据怎么修正,线上大表变更怎么不停机。想不清楚就别急着改,先加一层对账监控把差异暴露出来,再定改造方案。

写在最后

金额这道题,说到底是问一句:这个数要不要分毫不差。要,就上 DECIMAL,没别的选。浮点数本身没问题。科学计算、坐标、图像,它又快又省。只是它不适合拿来存钱。金额差一分,会计的账就过不了,这跟差一百万没区别,都是错。

我现在建表定金额,手都是条件反射:DECIMAL,两位小数,位数往宽了留。这个习惯是被那三毛钱教会的。

你手里的表,金额字段用的是哪种类型?有没有在对账时被浮点数坑过?评论区聊聊,我猜不少人都跟那三毛钱打过照面。

我是数据库小学妹,帮你少走弯路少踩坑,咱们下篇见👋

相关文章
|
7天前
|
人工智能 API 内存技术
刚刚 DeepSeek V4.1 Flash 开启内测,1 分钟教你用上!
刚刚 DeepSeek 内测群发布了 DeepSeek V4.1 Flash 中间版本内测的消息,这次的模型采用了新的结构,原生支持多模态、能力更强、速度更快、且成本更低。
1799 10
|
12天前
|
人工智能 运维 BI
阿里云千问办公QwenWork深度解析:基于Qwen3.8,六大核心能力重构企业全自动化工作流与计费选型指南
传统AI办公工具大多停留在对话问答、文档摘要、简单文案生成层面,只能完成单点碎片化任务,无法自主拆解复杂业务流程,很难串联多工具、多文档、外部业务系统完成端到端完整工作交付。很多企业在落地AI办公的时候,需要组合多款不同工具,来回切换界面,手动复制粘贴中间结果,智能化改造落地门槛居高不下。千问办公QwenWork是整合多款智能体产品能力打造的一体化企业办公智能体平台,底层基座依托Qwen3.8大模型,打通桌面端Agent、云端Agent、企业协同Agent三种运行形态,不再局限简单问答,接收业务目标之后自主拆解任务步骤,调用各类工具,处理文档、表格、浏览器自动化、数据查询,直接输出可交付的办公
1644 3
|
13天前
|
网络协议 Linux iOS开发
【2026实测】Wireshark下载+安装+汉化+使用教程(图文版,巨详细)
Wireshark 是一款免费开源的网络协议分析工具,可实时捕获、解析并可视化数据包,助你诊断网络故障、分析通信协议(如HTTP、DNS、TCP等)。支持Windows/macOS/Linux,含中文界面,新手入门便捷。(239字)
|
8天前
|
SQL 人工智能 前端开发
QoderWake 1.0 正式发布:从桌面里的 Agent,到工作现场的数字员工
QoderWake v1.0正式发布:企业级数字员工团队平台。支持“一句话建岗”,预置10类特训岗位;Waker常驻钉钉/飞书群,@即响应、自动协作、跨任务记忆;具备定时/事件/API多触发方式与统一任务看板;已沉淀27.6万条记忆、12.3万项技能,助力组织实现人机协同增效。
783 2
|
6天前
|
缓存 测试技术 API
DeepSeek V4.1 Flash 内测接入:改个模型名即可调用(附代码)
DeepSeek V4.1 Flash 内测不用申请,base_url 不变、改个模型名就能调,9/10 到期。本文讲清接入、计费限流与多模态注意点。
809 0
DeepSeek V4.1 Flash 内测接入:改个模型名即可调用(附代码)
|
20天前
|
人工智能 自然语言处理 安全
阿里云千问办公、Qoder Teams、Qoder CN区别与选择指南:模型能力、适用场景与最新活动参考
本文聚焦阿里云2026年推出的三款自研AI办公产品,清晰拆解千问办公、Qoder Teams、Qoder CN的差异化定位与能力边界:千问办公主打职场全场景提效,支持自然语言指令一键完成PPT生成、数据分析等高频办公任务;Qoder Teams面向程序员团队,深度整合AI代码生成、团队协同与企业知识库能力;Qoder CN则专为金融、政务等强合规场景打造,实现数据不出境与VPC私有化部署。文章同步给出分场景选型指南与最新活动定价,帮助不同类型的企业按需组合产品,实现业务岗、研发岗与强合规场景的AI能力全覆盖。
3976 5
阿里云千问办公、Qoder Teams、Qoder CN区别与选择指南:模型能力、适用场景与最新活动参考
|
11天前
|
人工智能 自然语言处理 安全
阿里云AI数智鉴密:AI 生成内容如何拿到一张"防篡改的身份证"
隐形水印 + C2PA签名:让AI生成内容“持证上岗”。
1156 0
|
13天前
|
缓存 数据可视化 开发工具
DeepSeek Harness 怎么更新?dsh 更新完整指南:更新本体(npx、npm、源码)与更新插件两种方式
DeepSeek Harness 的更新分两层:本体更新(npx 自动最新、npm update -g、源码 git pull)与插件更新(插件市场点更新、命令行覆盖安装)。本文按「准备 → 更新本体 → 更新插件 → 更新后检查」四步走,覆盖新手常见疑问。
1554 1
DeepSeek Harness 怎么更新?dsh 更新完整指南:更新本体(npx、npm、源码)与更新插件两种方式
|
6天前
|
人工智能
千问办公官网入口:阿里AI办公QwenWork产品页和免费网页端链接
千问办公官网含两大入口:一是网页端(qwenwork.cn),即开即用,支持浏览器直接访问;二是阿里云产品页 https://t.aliyun.com/U/JNKJuO 提供免费/付费版详情、功能介绍及使用指南。

热门文章

最新文章