可移植判断浮点数除法是否返回±inf的实现方法

为什么直接用epsilon不合适 #

std::numeric_limits<float>::epsilon() 的定义是1.0f与最接近1.0f的可表示浮点数的差值，默认值约为1.19e-7，它是相对误差阈值，用来衡量浮点数运算的精度损失，不适合直接用作0附近的绝对判断阈值。
如果直接用epsilon作为判断标准，会产生大量误判：比如当x=1e-10时，1/x=1e10远小于float类型的最大有限值（约3.4e38），属于完全合法的运算结果，但用epsilon判断会被误识别为会溢出的非法输入。

正确的判断逻辑 #

要保证1.0f / x的运算结果不会溢出为±inf，只需要保证倒数的结果不超过float的最大有限值std::numeric_limits<float>::max()即可，推导可得安全阈值为 1.0f / std::numeric_limits<float>::max()，约为2.94e-39。
只要满足 fabs(x) >= 该阈值，运算结果就一定是有限的合法浮点数。

完整实现代码 #

#include <cmath>
#include <limits>

// 返回true时1.0f / x运算结果为有限值，不会产生±inf
bool is_reciprocal_safe(float x) {
    // 可选：提前过滤NaN、无穷大的特殊输入，依业务需求决定是否开启
    if (std::isnan(x) || std::isinf(x)) {
        return false;
    }
    const float min_abs_x = 1.0f / std::numeric_limits<float>::max();
    return std::fabs(x) >= min_abs_x;
}

额外说明 #

如果你的业务场景除了不溢出之外，还对倒数的计算精度有要求，允许的最大相对误差为n倍epsilon，可以对应调大阈值：
阈值公式为 n * std::numeric_limits<float>::epsilon() * fabs(其他运算数)，如果只有倒数运算，直接将阈值调整为你能接受的最小x绝对值即可。

内容的提问来源于stack exchange，提问作者Desperado17