在我所见过的每个地方，它都说在几乎所有方面double都优于float。在Java中float已经过时了double，为什么仍要使用它呢？

我用Libgdx编写了很多程序，它们迫使您使用float（deltaTime等），但是在我看来double，就存储和内存而言，使用起来更容易。

我还读了什么时候使用float以及什么时候使用double，但是如果float真的只对小数点后有很多数字的数字有用，那为什么我们不能仅使用的多种变体之一double？

关于人们为什么仍然坚持使用浮点数，即使它实际上不再具有任何优势，是否有任何理由呢？改变这一切只是太多的工作吗？

LibGDX是主要用于游戏开发的框架。

在游戏开发中，您通常必须实时进行大量的数字运算，而您可以获得的任何性能都至关重要。这就是为什么游戏开发人员通常在浮动精度足够好时才使用浮动。

在这种情况下，您不需要考虑CPU中FPU寄存器的大小。实际上，游戏开发中大部分繁琐的工作都是由GPU完成的，并且GPU通常针对浮点数（而非两倍）进行了优化。

然后还有：

• 内存总线带宽（可以在RAM，CPU和GPU之间交换数据的速度）
• CPU高速缓存（这使得先前的必要性减少）
• 内存
• 虚拟RAM

这些都是宝贵的资源，当您使用32位浮点数而不是64位double数时，它们将获得两倍的资源。

浮动使用两倍的内存。

它们的精度可能不到双精度，但是许多应用程序不需要精度。它们的范围比任何类似大小的定点格式大。因此，它们填补了一个利基市场，该利基市场需要广泛的数字范围，但并不需要高精度，并且内存使用率很重要。例如，我过去将它们用于大型神经网络系统。

它们移出Java之外，还广泛用于3D图形中，因为许多GPU都将它们用作其主要格式-在非常昂贵的NVIDIA Tesla / AMD FirePro设备之外，GPU上的双精度浮点运算非常慢。

向后兼容

这是使行为保持在现有的语言/库/ ISA / etc中的第一原因。

考虑一下如果他们从Java中删除浮标会发生什么。Libgdx（以及成千上万的其他库和程序）无法正常工作。要更新所有内容，将需要大量的精力，对于许多项目而言，可能要花费数年的时间（只需看看向后兼容性突破的Python 2向Python 3的过渡）。并不是所有的东西都会被更新，某些东西会永远被破坏，因为维护者放弃了它们，也许比他们早了，因为它花费了比他们想要更新更多的精力，或者因为不再可能完成他们的软件应该做的事情去做。

性能

64位双精度占用的内存是32倍浮点运算的两倍，并且处理速度通常总是比32位浮点运算慢（非常罕见的例外是，预期很少使用或根本不使用32位浮点运算的能力，因此没有进行任何优化的努力。除非您正在开发专用硬件，否则在不久的将来您将不会遇到这种情况。）

与您特别相关的Libgdx是一个游戏库。与大多数软件相比，游戏倾向于对性能更加敏感。游戏显卡（例如AMD Radeon和NVIDIA Geforce，而不是FirePro或Quadro）往往具有非常弱的64位浮点性能。由Anandtech提供，以下是在AMD和NVIDIA的一些顶级游戏卡上，双精度性能与单精度性能的比较（截至2016年初）

AMD
Card    R9 Fury X      R9 Fury       R9 290X    R9 290
FP64    1/16           1/16          1/8        1/8

NVIDIA
Card    GTX Titan X    GTX 980 Ti    GTX 980    GTX 780 Ti
FP64    1/32           1/32          1/32       1/24

请注意，R9 Fury和GTX 900系列比R9 200和GTX 700系列更新，因此64位浮点的相对性能正在下降。回到足够远的地方，您会发现GTX 580与R9 200系列具有1/8的比率。

如果您有严格的时间限制，而使用较大的倍数并不能带来太大收益，则需要付出1/32的性能代价。

原子操作

除了其他人已经说过的以外，double（和long）特定于Java的缺点是不能保证对64位原始类型的分配是原子的。从Java语言规范，Java SE 8 Edition，第660页（添加了重点）：

17.7非原子处理double和long

出于Java编程语言内存模型的目的，一次对非易失性long或double值的写入被视为两次单独的写入：一次写入每个32位的一半。这可能导致线程从一次写入中看到64位值的前32位，而从另一次写入中看到后32位的情况。

uck

为避免这种情况，您必须使用关键字声明64位变量volatile，或在分配周围使用其他某种形式的同步。

似乎其他答案错过了一个重要点：SIMD体系结构可以处理更少/更多的数据，具体取决于它们是对double还是对float结构进行操作（例如，一次八个浮点值，一次四个双精度值）。

性能注意事项摘要

• float 在某些CPU（例如某些移动设备）上可能更快。
• float 使用较少的内存，因此在庞大的数据集中可能会大大减少所需的总内存（硬盘/ RAM）和消耗的带宽。
• float 与双精度计算相比，单精度计算可能会导致CPU消耗更少的功率（我找不到参考，但至少似乎是合理的）。
• float 消耗更少的带宽，并且在某些应用中很重要。
• 通常，SIMD体系结构可以处理两倍于相同数量的数据。
• float 与两倍的缓存相比，它使用多达一半的缓存。

精度注意事项摘要

• 在许多应用中float就足够了
• double 反正有更高的精度

兼容性考虑

• 如果必须将数据提交给GPU（例如，对于使用OpenGL或其他渲染API 的视频游戏），则浮点格式的速度要快得多double（这是因为GPU制造商试图增加图形核的数量，并且因此，他们尝试在每个内核中节省尽可能多的电路，因此进行优化float以创建内部包含更多内核的GPU）
• 旧的GPU和某些移动设备无法接受double作为内部格式（用于3D渲染操作）

一般提示

• 在现代台式机处理器（可能还有大量的移动处理器）上，您基本上可以假定double在堆栈上使用临时变量可免费提供额外的精度（超精度而不会影响性能）。
• 永远不要使用超出您需要的精度（您可能不知道您真正需要多少精度）。
• 有时，您只是受到值范围的强迫（如果使用float，某些值将是无限的，如果使用，则可能是有限的值double）
• 仅使用float或仅使用double极大地帮助编译器对指令进行SIMD修改。

请参阅以下PeterCordes的评论以获取更多见解。

除了提到的其他原因：

如果您具有测量数据，无论是压力，流量，电流，电压还是其他任何数据，通常都可以通过具有ADC的硬件来完成。

ADC通常具有10或12位，很少有14或16位。但是，让我们坚持使用16位1-如果要满量程测量，则精度为1/65535。这意味着从65534/65535更改为65535/65535只是这一步-1/65535。大约是1.5E-05。浮子的精度约为1E-07，因此要好得多。这意味着您不会因为使用float这些数据而丢失任何东西。

如果对浮子进行过多的计算，则doubles在精度方面的性能会稍差一些，但通常并不需要该精度，因为您通常不关心测量的电压是2 V还是2.00002V。 ，如果将此电压转换为压力，则无需担心是3 bar还是3.00003 bar。