大数量浮点数求和精度疑惑：低到高求和精度反而更低

嘿，我完全懂你这种困惑——按理论来说，从小到大累加浮点数应该是优化精度的最优策略，但实际跑起来反而不如从大到小，换谁都会摸不着头脑！

问题根源：栈上局部数组的限制 #

你之前遇到的反直觉情况，核心原因就在于你代码里的局部数组是创建在空间有限的栈内存上的。当输入规模达到1000000000这种量级时：

• 栈内存的空间上限通常远小于堆内存，数组很可能因为内存不足出现数据截断或者栈溢出的隐性问题；
• 这种情况下，你以为的“从小到大排序累加”其实根本没有正确执行，自然达不到预期的精度效果。

无数组方案精度更高的原因 #

那个被你采纳的无数组代码之所以能解决问题，关键在于它避开了栈内存的限制：

• 它不需要先把所有浮点数存到栈数组里再排序，而是在遍历过程中直接动态维护累加逻辑；
• 这样一来，从小到大累加的核心优势就能真正发挥：小的浮点数不会被大数直接“吞噬”（比如极小值和极大值相加时，极小值的精度位会被极大值覆盖，相当于白加），而是先把所有小数值累加凑成一个有足够量级的数，再和大数值相加，最大程度保留了每一个数的精度贡献。

举个简单的例子：假设你有1亿个0.0000001和一个1000000，先加所有小数的话，它们累加起来是100，再加上1000000得到1000100；但如果先加1000000再加小数，每加一个0.0000001都不会改变1000000的数值，最终结果还是1000000，直接丢失了所有小数的贡献。

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