Math.hypot()的核心价值是数值稳定地计算欧几里得距离，避免sqrt(xx+yy)因中间溢出或下溢导致错误；它通过缩放参数、平方求和再还原实现安全计算，并支持多维输入及特殊值明确定义。
Math.hypot() 的核心价值，就是用数值稳定的方式计算欧几里得距离，避免传统公式 Math.sqrt(x*x + y*y) 在处理极大或极小数值时出现的中间溢出（Infinity）或下溢（0）问题。
为什么传统方法容易出错
直接平方再求和看似直观，但隐患明显：
- 当
x或y很大（例如接近1e200），x * x会超出Number.MAX_VALUE（约1.8e308），结果变成Infinity，后续开方仍是Infinity，哪怕真实距离其实有限； - 当
x或y极小（如1e-200），x * x可能下溢为0，导致距离被低估甚至归零； - 即使一正一负，符号不影响平方，但浮点精度损失在大数相加时仍会放大误差。
Math.hypot() 是怎么绕过这些陷阱的
它不直接算平方和，而是采用“缩放 + 平方和 + 缩放还原”的策略：
- 先找出所有参数中绝对值最大的那个（记作
maxAbs）； - 把每个参数除以
maxAbs（缩放到 ≤ 1 的范围），再平方求和； - 最后乘回
maxAbs—— 这样关键的中间运算都在安全数值范围内； - 对零、
NaN、Infinity也有明确定义：例如Math.hypot(Infinity, 1)返回Infinity，符合数学直觉。
实际使用建议
只要你在算多维空间中的欧氏距离（两点间直线距离），就优先用 Math.hypot()：
- 二维：
Math.hypot(x2 - x1, y2 - y1)； - 三维：
Math.hypot(dx, dy, dz)； - n 维：支持任意多个参数，
Math.hypot(...deltas)； - 注意它不接受数组，需展开：
Math.hypot(...vector)，而非Math.hypot(vector)。
一个对比示例
假设计算 (1e155, 1e155) 到原点的距离：
- 传统写法：
Math.sqrt(1e155**2 + 1e155**2)→1e155 * Math.sqrt(2)理论上成立，但1e155**2 = 1e310 > Number.MAX_VALUE，结果是Infinity； - 用
Math.hypot(1e155, 1e155)→ 正确返回约1.414e155。
