大多数编程语言都支持float或者double的数据类型。而数据库中也有相同关键字的数据类型，因此很多开发人员也自然而然地在需要浮点数的地方使用float作为字段类型。
但事实上是否float可以适用于所有的业务场景呢？
float类型是根据IEEE 754标准使用二进制格式编码实数数据，对于一些小数，比如59.95，float类型会存储了二进制中最接近59.95的值，用十进制表示等于59.950000762939。
当然，有些数据库能够通过某种方式弥补这种数据的不精确性，查询结果在时候可以输出我们所期望的值。
如下面所示：
select rate from t_refresh where id =1; Returns:59.95
但是，如果将这个值扩大十亿倍：
select rate * 1000000000 from t_refresh where id =1; Return:59950000762.939
这可能和你期望的结果59950000000.000不太一样了。
在上面在例子中，误差在千万分之一内，对于部分的运算来说已经足够了。
然而，在某些运算中，这样的误差是不能容忍的，如比较的操作：
select * from t_refresh where rate = 59.95 Result:empty set;no rows match,
因为rate的实际存储值是比59.95大一点点。
又如在金融项目中计算复利，需要进行多次浮点数乘法运算，使用float类型会导致误差不断累积。
因此，在某些业务场景中，我们需要用numeric或者decimal来代替float数据类型。
和float类型相比，numeric和decimal存储的是精确值，如果你insert进去的是一个59.95，实际存的也是59.95。
所以在上面在例子中，如果用numeric或者decimal
select rate * 1000000000 from t_refresh where id =1; Return:59950000000
select id from t_refresh where rate = 59.95 Return:1
结论：
float适用于精度要求低, 数值范围大的科学运算场景
金融、统计等精度要求高的场景，则需要用numeric或者decimal