科学计算应优先选double，因其15～16位有效数字可抑制误差累积；float仅6～7位，易致迭代失真。普朗克常数、轨道力学、金融复利等必须用double；OpenGL渲染等视觉容错场景可用float。
科学计算中选 float 还是 double，不能只看“快”或“省”，关键得看误差会不会滚成雪球——一次小偏差，上百次迭代后可能让结果完全失真。
精度差异直接决定结果可信度
float 稳定保留 6～7 位有效数字，double 是 15～16 位。这不是“多几位小数”的问题，而是误差边界的量级差异：
- 普朗克常数 6.62607015×10⁻³⁴，用 float 存储后第 7 位起就不可靠；double 能完整承载前 15 位，参与运算时相对误差通常在 10⁻¹⁶ 量级
- 整数 16777216（即 2²⁴）是 float 能精确表示的最大连续整数；再加 1，float 仍显示为原值；double 在 2⁵³ 以内都能精确表示相邻整数
- 累加 10 万次 0.1：float 结果约 9999.999，偏差达 0.001；double 结果严格等于 10000.0
典型场景怎么选
不是所有计算都需要最高精度，但得清楚代价在哪：
- 必须用 double 的场景：轨道力学模拟、量子化学电子密度迭代、金融高频复利、地理坐标（WGS84 经纬度需 10⁻⁷ 度精度）、机器学习梯度更新
- float 可接受的场景：OpenGL 渲染管线中的顶点位置（误差在像素级不影响视觉）、嵌入式传感器原始数据缓存、大规模图像像素数组（内存带宽受限时）
- 警惕“看似简单”的陷阱：球体积公式 V = 4/3 × π × r³ 中，若 r=1000，r³ 已达 10⁹，float 尾数不足会导致立方结果失真；用 double 才能保证中间量不塌缩
代码细节影响远超预期
类型选择只是起点，写法不对照样引入隐式降级：
- C/C++/Java 中，3.14 默认是 double；写 float 必须加 f 后缀（如 3.14f），否则 0.1f + 0.2f 可能先升为 double 再截回 float，白费精度
- 混合运算要主动对齐：
float f = 10.0f / 3.0f;比float f = 10.0 / 3;更安全——后者先算 double 除法，再强制截断，多一次舍入 - Java 中
new BigDecimal(12.35)实际构造的是 12.344444…，因 12.35 本就不能被 float/double 精确表示；应写new BigDecimal("12.35")
浮点本质是近似，double 只是更慢地失真
0.1、0.2 这类十进制小数，在二进制里都是无限循环小数，float 和 double 都无法真正“精确”存储——区别在于 double 的近似更靠近真实值，误差小约 2²³ 倍。科学计算中，真正危险的不是单次误差，而是误差随迭代指数放大。当模型本身误差（如实验测量噪声）已达 10⁻⁶，再用 double 也提升不了整体精度；但若算法本身敏感（如病态矩阵求逆），少一位有效数字就可能让解完全偏离物理意义。
