绝大多数情况下选 double，只有明确知道 float 足够用且有硬性约束时才换 float；float 最多稳定保留 6–7 位有效数字，double 为 15–16 位，精度差异决定适用性。
直接说结论：绝大多数情况下选 double，只有明确知道 float 足够用、且有硬性约束时才换 float。
精度差异决定是否“能用”
float 最多稳定保留 6–7 位有效数字，double 是 15–16 位。这不是“小数点后几位”的问题，而是整个数字的可靠位数。
- 比如存 1234567.89：float 可能变成 1234567.9（第 7 位起失真），double 通常能保持到 1234567.8900000002
- 连续做加法、开方、sin/cos 等运算时，float 的误差会快速累积；double 能把误差压制在 1e−15 量级，实际中基本可忽略
- 地理坐标（经纬度）、物理仿真参数、机器学习权重——这些值本身带多位小数，且参与大量迭代，float 容易漂移
内存与性能不是主要瓶颈
现代 CPU 处理 double 和 float 的速度差距已极小，真正卡顿往往来自算法或 I/O，而非浮点类型本身。
- float 占 4 字节，double 占 8 字节——单个变量几乎无感；但若定义百万级浮点数组，内存差一倍（比如图像像素缓冲）
- GPU 图形管线（如 OpenGL/Vulkan）普遍用 float，因硬件专为单精度优化，且顶点坐标、颜色值对精度要求不高
- 嵌入式设备（如传感器节点、MCU）内存紧张时，float 才是合理选择；通用服务器或 Android/iOS 应用无需为此妥协
语言默认与写法细节不能忽略
Java、C/C++、C# 中，所有小数常量默认是 double，这是关键陷阱。
-
float f = 3.14;→ 编译报错；必须写成float f = 3.14f; - 混合计算时，float 会自动提升为 double 再运算——全程用 double 反而更干净，避免隐式转换和意外降精度
- 金融计算不适用 float/double：0.1 在二进制中本就不能精确表示，两者都存在误差，只是 double 更小；务必用
BigDecimal或整数分单位处理
比较和判断要换思路
无论 float 还是 double，都不能用 == 判断相等，因为存储本质是近似值。
- 正确做法是设定容差：
Math.abs(a - b) < 1e-10（double）或Math.abs(a - b) < 1e-5（float） - 容差值不是随意定的：它应略大于该类型可能产生的最大舍入误差，double 一般取 1e−10～1e−12，float 取 1e−5～1e−6
- 涉及范围判断（如
a > 0.5）相对安全，但累加后判断阈值仍建议预留余量
