很多程序员就会使用 float 类型来存储小数。sql 的 float 类型和其他大多数编程语言的 float 类型一样，
根据IEEE 754 标准使用二进制格式编码实数数据。
但是很多程序员并不清楚浮点类型的特性：并不是所有十进制中描述的信息都能使用二进制存储。
oracle 使用 float 类型表示的是一个精确值，而 BINARY_FLOAT 类型是一个非精确值，使用的是 IEEE 754 标准
十进制小数在二进制的表达方式是完全不同的
比如 十进制的59.95 ，它存储了二进制表示中最接近 59.95 的值，用十进制表示是 59.950000762639
下我们来看看奇迹的时刻
首先，我们新建一张表 rate
表很简单，表设计如下
CREATE TABLE `rate` (
`tid` int(11) NOT NULL AUTO_INCREMENT ,
`money` float NOT NULL ,
PRIMARY KEY (`tid`)
);
插入 59.95的数据
INSERT INTO rate(tid,money) VALUES ('1','59.95');
查询值
有些数据库能够通过某种方式弥补数据的不精确性，输出我们所期待的值
SELECT money FROM rate where tid = 1;
如在 MySQL 中这条语句的返回值是 59.95
但 FLOAT 类型的列中实际存储的数据可能并不完全等于它的值。将这个值扩大 10 倍，就能看到其中的区别
SELECT money * 10 FROM rate where tid = 1;
你可能希望上面那个扩大的查询返回的结果应该是 599.5 。但实际上返回的却是 599.5000076293945
在这个例子中，取整后的值与原值的误差为 千万分之一，对于大多数的运算来说已经足够精确了。
然而，对于某些运算来说这样的错误还是不可容忍的。
- 最简单的例子就是用 FLOAT 进行比较操作
SELECT * FROM rate where money = 59.95;
Result: empty set: no row match
通常的变通方案是将浮点数视作"近似相等"
SELECT * FROM rate where ABS(money - 59.95) < 0.0000001 ;
- 另一个由于使用非精确的 FLOAT 造成误差的情况，是使用合计函数计算很多值的时候。比如，如果使用 SUM() 函数计算一列中的所有值。
解决方法
使用 NUMERIC 或 DECIMAL类型
使用 SQL 中的 NUMERIC 或 DECIMAL 类型来代替 FLOAT 及其他类似的数据类型进行固定精度的小数存储。
这些数据类型精确地根据你定义时制定的精度来存储数据。NUMERIC 和 DECIMAL 的优势在于，它们不会像 FLOAT 类型那样对存储的有理数进行舍入操作。假设你输入59.95，就可以确信实际存储的数据就是59.95。
- MySQL中，CPU不支持 DECIMAL 的直接计算，MySQL服务器自身事先了DECIMAL的高精度计算 DECIMAL。相对而言，CPU 直接支持原生浮点计算，所以浮点运算明显更快。
- MySQL 5.0 和更高的版本中 DECIMAL 类型允许最多 65 个数字。然而，这些版本实际上不能在计算中使用这么大的数字，因为 DECIMAL 只是一种存储格式，在计算中 DECIMAL 会转换为 DOUBLE 类型。
可以考虑使用BIGINT
将需要存储的货币单位根据小数的位数乘以相应的倍数即可。假设要存储财务数据精确到万分之一，则可以把所有金额乘以一百万，然后将结果存储在 BIGINT 里，这样可以同时避免浮点存储计算不精确和精确计算代价高的问题。
合理适用 FLOAT
一般小数存储 FLOAT 精度其实是足够的，但是如果是金融、财务数据等需要小数精度比较高的数据的话，最好就不要适用 FLOAT 类型。因为需要额外的空间和计算开销，所以应该尽量在只对小数进行精确计算时才适用DEICAL。但在数据量比较大的时候，可以适用 BIGINT 代替 DEICAL 。
参考资料
《sql反模式》
《高性能MySQL》