为何Elasticsearch的scaled_float类型名称中包含float字样？

Elasticsearch官方文档说明：scaled_float是由long类型做底层支撑、通过固定双精度缩放因子缩放的浮点数类型。由于long属于整数类型，该类型看起来更像定点数而非浮点数。

对scaled_float的理解遗漏补充 #

你对scaled_float的核心逻辑认知是准确的，还有3个实用细节容易被忽略：

• 缩放因子scaling_factor需要在定义字段映射时提前指定、写入后不可修改，数据写入时ES会自动执行 原始值 * scaling_factor 取整后存入底层long字段，查询、聚合时自动还原为原始数值，业务侧无需手动做单位换算
• 取整规则支持自定义配置，默认是四舍五入（HALF_UP），也可以根据业务需求设置为向上取整（UP）、向下取整（DOWN）等其他规则
• 支持所有数值类型的查询、聚合能力，包括精确匹配、范围筛选、求和、平均值计算、分组统计等，使用体验和原生浮点数一致

金额类数据存储选型建议 #

scaled_float是Elasticsearch生态下存储金额类数据的首选推荐类型，完全可以替代float/double用于金额存储，核心优势如下：

• 从底层彻底规避了浮点数的精度丢失问题：float/double用二进制存储十进制小数天然存在精度误差，而scaled_float基于整数long存储，不会出现类似0.1+0.2=0.30000000000000004的精度问题
• 性能和存储空间占用都优于其他精度无损方案：相比存字符串类型的金额，scaled_float的查询、聚合性能高几个数量级；相比直接存以分为单位的long类型金额，scaled_float支持直接按元为单位做运算，无需额外做单位转换，开发成本更低
• 精度可控：可以根据业务的精度要求灵活设置scaling_factor，比如人民币保留两位小数设置为100，外币保留三位小数设置为1000即可

注意事项 #

定义映射时不要设置超出业务需求的scaling_factor，过大会浪费存储空间，也可能导致计算后的值超出long类型的取值范围。

内容的提问来源于stack exchange，提问作者Hans Berger