Math.hypot() 的核心价值是安全计算多维欧氏距离，通过缩放算法避免平方导致的溢出或下溢；支持任意维度，计算两点距离需先求坐标差再传入；对Infinity、NaN、零等特殊值有明确定义。
Math.hypot() 不是简单替代 sqrt(x*x + y*y)，它的核心价值在于**安全计算多维欧氏距离，尤其在坐标值极大或极小时避免中间平方导致的溢出或下溢**。
为什么不能直接用 sqrt(x*x + y*y)？
浮点数有表示范围限制。当 x 或 y 接近 double 类型上限（约 1e308）时，x*x 就会溢出为 Infinity；若 x、y 极小（如 1e-200），x*x 可能下溢为 0.0，丢失精度。hypot() 内部采用缩放算法（如先提取最大绝对值，再归一化计算），全程避开直接平方，确保结果数值稳健。
二维到高维：统一调用方式
多数语言支持多参数版本：
- Java 和 C/C++ 的 hypot(x, y) 仅限二维；
- Python 的 math.hypot(*coordinates) 支持任意维度：math.hypot(3, 4) → 5.0，math.hypot(1, 2, 2, 4) → 5.0（对应 √(1²+2²+2²+4²)）；
- C++17 起 std::hypot 支持重载：std::hypot(x,y), std::hypot(x,y,z)，甚至可嵌套用于更高维。
计算两点间距离的正确姿势
hypot() 默认算的是点到原点的距离。要算两点 A(x₁,y₁,z₁…) 和 B(x₂,y₂,z₂…) 之间距离，需先做坐标差，再传入 hypot：
- Python 示例：dist = math.hypot(x2-x1, y2-y1, z2-z1)
- Java 示例：double dist = Math.hypot(x2-x1, y2-y1);（三维需手动组合：Math.hypot(Math.hypot(dx, dy), dz)）
- 关键点：差值本身也可能很大，所以仍应优先用 hypot 处理差值，而不是先平方求和。
特殊值行为与容错提示
了解返回规律可帮你快速诊断输入问题：
- 任一参数为 Infinity → 结果为 Positive Infinity；
- 含 NaN 且无 Infinity → 结果为 NaN；
- 全为零 → 返回 0.0（带符号零也会被规整为正零）；
- 实践中建议对原始坐标做合理性检查（如是否为 NaN），避免把脏数据直接喂给 hypot。
