牛顿迭代法整数开方需防溢出、用long long、整数终止条件及边界特判；std::sqrt转int出错因double精度不足、浮点误差偏移及环境限制。
牛顿迭代法不是“套公式就行”的黑盒——它快，但错一步就溢出、死循环或返回错误整数；整数开方必须用 long long 中间计算、整数终止条件、边界特判，三者缺一不可。
为什么直接用 std::sqrt 转 int 会出错
比如对 x = 9223372030926249000LL（接近 LLONG_MAX），static_cast<int>(std::sqrt(x))</int> 可能返回 3037000499，而正确向下取整结果是 3037000498。原因有三：
-
double只有 53 位有效精度，该数共约 63 位，高位截断后sqrt输入已失真 - 浮点
sqrt返回值可能略大于真实根（如 3037000498.9999995 → 向下取整仍得 3037000498，但若误差朝上偏移就翻车） - 嵌入式环境或 freestanding C++ 实现中，
std::sqrt可能根本不可用
long long 版牛顿迭代：防溢出与整数收敛的关键写法
核心不是“套 (res + x / res) / 2”，而是控制每一步不越界、不停错。以下写法经实测覆盖 [0, LLONG_MAX] 全范围：
- 初始值用
res = x > 1 ? x >> 1 : x，避免x == 0或x == 1时除零或无效迭代 - 所有中间计算用
long long，尤其res * res和x / res必须在long long下算，否则int溢出直接 UB - 停止条件不用
res != last或浮点差值，改用：if (res > x / res) { res--; }然后检查res * res x—— 这才是整数平方根的定义 - 迭代中若
res == 0，立即 break，防止后续x / res崩溃
浮点牛顿迭代的精度陷阱与安全退出条件
当目标是高精度浮点结果（如 double）时，常见错误是用 fabs(x1 - x0) 判定收敛。问题在于：
C++ Code Review Master
下载
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
立即学习“C++免费学习笔记（深入）”；
- 早期迭代差值大，后期可能卡在
eps之外反复震荡（尤其x接近 0 或极大时） - 更稳的方式是限定最大迭代次数（如 10 次），同时辅以相对误差：
fabs(x1 - x0) / fmax(1.0, fabs(x1)) - 初始值别硬写
1.0：对x >= 1，用x * 0.5；对x ，用 <code>x + 0.5，能减少 1–2 次迭代 - 务必加
if (x ::quiet_NaN();，不处理负输入是多数手写sqrt的 crash 根源
整数开方 vs 浮点开方：选算法前先看需求场景
二者数学目标不同，强行混用必踩坑：
- 要的是“≤ √x 的最大整数”（如二分查找索引、内存页对齐、算法竞赛），必须用整数牛顿或位移搜索，
double转换不可信 - 要的是“满足 |y² − x|
- 嵌入式无 FPU？放弃浮点牛顿，直接上位移搜索法（纯
>>和加减），O(log n)且零分支预测失败风险 - 性能敏感场景（如高频数值积分内层），整数牛顿平均 6 次迭代，比二分（~63 次）快一个数量级，但要注意编译器是否把
/优化成倒数乘法
真正难的不是写出能跑的版本，而是让 x = 0、x = 1、x = LLONG_MAX、x = LLONG_MAX - 1 全部通过，且不依赖未定义行为——这些边界才是检验是否吃透牛顿迭代的试金石。
