嘿，这个问题抓得特别准——直接用FLT_EPSILON作为固定容差的浮点数比较，在很多真实场景里都会掉链子，我给你举两个非常常见的实际案例：

案例1：处理较大的浮点数时 #

假设你在做工程计算，需要比较两个量级较大的浮点数：

float x = 1000000.0f; // 1e6
float y = 1000000.01f;

计算fabs(x - y)得到的结果是0.01，而FLT_EPSILON的标准值大概是1.19e-7。这时候你的比较函数会返回false，但实际上，由于float类型只有6-7位有效数字，1000000.01f根本无法被精确存储——它在内存里其实和1000000.0f是同一个值！这时候你的比较函数反而误判了“实际相等”的两个数。

案例2：处理极小的浮点数时 #

再看另一个极端场景，比如你在做高精度传感器数据的处理：

float x = 1e-8f;
float y = 2e-8f;

这时候fabs(x - y)是1e-8，比FLT_EPSILON（~1.19e-7）小，你的比较函数会返回true，但这两个数实际上差了一倍，在很多对小数值敏感的场景（比如精密测量、微量化学计算）里，这种差异是绝对不能忽略的。

问题的核心 #

固定FLT_EPSILON的问题在于：它是基于float类型的相对精度定义的，但直接用它做绝对容差，完全没考虑被比较数值本身的大小。正确的做法通常是结合相对误差和绝对误差，比如：

#include <cmath>
#include <limits>

static inline bool compareFloat(float x, float y) {
    const float abs_x = fabs(x);
    const float abs_y = fabs(y);
    const float diff = fabs(x - y);
    const float max_val = std::max(abs_x, abs_y);
    
    // 处理其中一个数接近0的特殊情况，用绝对容差兜底
    if (max_val < std::numeric_limits<float>::min()) {
        return diff < std::numeric_limits<float>::min();
    }
    // 常规场景用相对容差
    return diff < max_val * std::numeric_limits<float>::epsilon();
}

内容的提问来源于stack exchange，提问作者Rafael D