exp函数仅计算e^x，不适用于指数增长建模或时间序列预测；正确场景限于自然指数规律的物理/统计模型（如衰减、高斯密度），而复合增长率应使用power(1+r,n)。
EXP 函数在 SQL 中不能直接用于“指数增长建模”或时间序列预测——它只计算自然指数 e^x，且不处理时间维度、累积效应或底数可变的场景。
EXP 是纯数学函数，不是增长模型工具
EXP 只接受一个数值参数，返回 e 的幂次结果，和「指数增长」这个概念容易混淆，但二者不在同一抽象层级：
- 它不理解「按年增长 5%」这类业务逻辑，
EXP(0.05)≠ 1.05，而是 ≈ 1.05127 —— 这个差值在单步计算中微小，但叠加后会漂移 - 没有内置时间变量，无法自动关联
year字段做EXP(rate * (year - base_year))这类推演（虽语法可行，但语义需人工保证） - 不同数据库对
EXP的 NULL 处理一致（返回 NULL），但对溢出行为不统一：PostgreSQL 报错ERROR: value out of range，MySQL 返回inf，SQLite 直接静默截断
常见误用：把 EXP 当成 POWER 或增长率放大器
比如想表达「初始值 100，年复合增长率 8%，求第 n 年值」，错误写法是：
SELECT 100 * EXP(0.08 * n) AS wrong_result
正确公式应为 100 * POWER(1.08, n) 或等价的 100 * EXP(LN(1.08) * n)。前者更直观、无精度链式误差；后者多绕一层，且 LN(1.08) 本身有浮点误差。
- 用
POWER更安全：支持整数/小数指数，语义明确，多数引擎优化更好 - 若坚持用
EXP，必须先用LN转换底数，不能跳步代入增长率小数 - 注意
EXP输入过大时（如 > 709 在 double 精度下），MySQL/PostgreSQL 会失效，而POWER(2, n)在同样输入下可能仍有效
实际可用的 EXP 场景：概率密度与连续衰减建模
真正适合 EXP 的是符合自然指数规律的物理或统计场景，例如高斯分布密度、放射性衰减、泊松过程概率：
- 计算某时刻剩余放射性强度：
SELECT initial_activity * EXP(-lambda * elapsed_time)，其中lambda是衰减常数（单位：1/时间） - 正态分布 PDF 中的指数项：
EXP(-0.5 * POWER((x - mu) / sigma, 2))，这里EXP是公式不可分割的部分 - 避免在 WHERE 中直接用
EXP(x) > 1000做过滤——改写为x > LN(1000)，能走索引（如果x列有索引）
真正难的不是调用 EXP，而是确认你的业务模型是否真的服从 e^x 形式。多数所谓“指数增长”需求，底层是离散复利或幂律关系，硬套 EXP 反而引入隐蔽偏差。
