工作中遇到小数点加减乘除，double或float为何丢精度及BigDecimal咋解决？

在工作当中，提到有小数点的加减乘除运算，就会想到借助BigDecimal来处理，然而不少人对double或者float为何会丢失精度感到十分困惑 。另外，BigDecimal是怎样解决这个问题的呢 ？不多说了，我们开始 。

1.浮点数是啥？

浮点数是计算机用于表示小数的数据类型，采用科学计数法。在java里，double是双精度、64位的浮点数，默认值是0.0d。float是单精度、32位的浮点数，默认值是0.0f；

在内存中存储

float由符号位（1bit）、指数（8bit）、尾数（23bit）组成

双精度浮点数由符号位（占1位）、指数（占11位）、尾数（占52位）组成 。

float在内存中占8位，阶码实际存储的是指数的移码，假设指数的真值是e，阶码为E，那么E=e+(2^n-1 -1)，2^n-1 -1是IEEE754标准规定的指数偏移量，依据这个公式我们能得出2^8 -1=127 。于是，float的指数范围是-128到+127，double的指数范围是-1024到+1023。负指数决定了浮点数所能表达的绝对值最小的非零数，正指数决定了浮点数所能表达的绝对值最大的数，也就决定了浮点数的取值范围。

loat的范围是-2的128次方到正2的127次方，也就是说，是-3.40乘以10的38次方到正3.40乘以10的38次方；

double的范围是-2的1024次方到正2的1023次方，也就是说，范围是-1.79乘以10的308次方到正1.79乘以10的308次方 。

2.走进失真之科学计数法

我们先讲讲科学计数法，它是一种简化计数的办法，能用来近似表示极大或极小且位数较多的数，对于位数较小的数值，科学计数法没什么优势，然而对于位数较多的数值，其计数方法的优势就很显著了。比如，光的速度是300000000米/秒，全世界人口数约为6100000000 。像光的速度和世界人口数这种大数值的数，读起来不方便，写起来也不方便，因此光的速度能够写成3*10^8，全世界人口数能够写成6.1*10^9，所以计算器用科学计数法表示光速是3E8，世界人口数大约是6.1E9 。

小时候我们玩计算器时，喜欢疯狂地进行累加或者累减操作。到最后，计算器就会显示出下图的内容。而这，便是科学计数法所显示的结果 。

图中的真实值是-4.86乘以10的11次方，结果为-486000000000 。十进制科学计数法有要求，有效数字的整数部分必须在【1，9】这个区间内 。

3.走进失真之精度

计算机处理数据时会涉及数据转换和各种复杂运算，例如不同单位的换算，像不同进制（如二进制、十进制）之间的换算等。很多除法运算无法除尽，比如10÷3 = 3.3333..... 是无穷无尽的。而且精度是有限的，3.3333333乘以3并不等于10。经过复杂处理后得到的十进制数据并不精确，精度越高就越精确。float和double的精度由尾数的位数决定，其整数部分始终是一个隐含的“1”，因为它不变，所以不会对精度造成影响。float的2^23等于8388608，一共七位，由于最左为1的一位省略了，这意味着最多能表示8位数，28388608等于16777216 。有8位有效数字，不过绝对能保证的是7位，也就是说float的精度是7到8位有效数字，double：2的52次方等于4503599627370496，总共16位，同样的道理，double的精度是16到17位。

当到达一定值时会自动开始使用科学计数法，会保留相关精度的有效数字，结果是个近似数，指数为整数。在十进制中，有些小数无法完整用二进制表示，只能用有限位来表示，因此在存储时可能会有误差。将十进制的小数转化为二进制，采用乘2取整法来计算，去掉整数部分后，剩余的小数继续乘以2，一直到小数部分全部为0 。

如遇到

输出是 0.19999999999999998
对于double类型中0.3减去0.1这种情况，要把0.3转换为二进制之后再进行运算。
0.3乘以2等于0.6，等于>.0，（.6）取0后剩下0.6 。
0.6乘以2等于1.2，得出.01，在(.2)中取1，剩余0.2 。
0.2乘以2等于0.4，得出结果为0.010，其中取0，剩余0.4 。
0.4乘以2等于0.8，得到结果为.0100（.8），取0后剩余0.8 。
0.8乘以2等于1.6，等于>.01001，取1后剩余0.6 。
.............

3.总结

从上面看，能很清楚地明白浮点数为何存在精度问题。简单来讲，float和double类型主要是针对科学计算与工程计算设计的。它们执行二进制浮点运算，这些运算是经过精心设计的。其目的是在广泛的数值范围内提供更精确的快速近似和计算。然而，它们无法提供完全准确的结果。所以不能用于需要计算精确结果的场景中。浮点数达到一定大数时会自动采用科学计数法，这样的表示只是对真实数的近似，并不等于真实数，十进制小数转换为二进制时，也会出现无限循环或超出浮点数尾部长度的情况。

4.那我们怎么用BigDecimal来解决？

大家看下面的两个输出

输出结果：

你提供的内容并不是一个完整的句子，它看起来像是一个数值，请提供正确的句子以便我进行改写。

0.3

图上阿里的代码约束插件在图表上标记了警告，这使得我使用String字符串参数的构造方法创建BigDecimal。因为double无法精确表示为0.3（任何有限长度的二进制），所以用double构造函数传递的值不完全等于0.3 。使用bigdecimal时，要通过String字符串参数构造方法来创建它。对此，有没有好奇的疑问。BigDecimal的原理是什么。为何它就没事。其原理很简单。BigDecimal是不可变的。它可用来表示任意精度的带符号十进制数。double存在的问题是，从小数点转换到二进制时会丢失精度，二进制也会丢失精度。BigDecimal在处理时，会把十进制小数扩大N倍，使其在整数上进行计算，同时保留相应的精度信息。至于BigDecimal是如何保存的，可翻阅一下源代码。

5.总结

 (1)商业计算使用BigDecimal。
 (2)尽量使用参数类型为String的构造函数。
BigDecimal都是不可变的，进行每一步运算时，都会产生一个新的对象，因此做加减乘除运算时，一定要保存操作后的数值。
我们常常容易忽视JDK底层的某些实现细节，进而导致出现错误，所以需要格外留意 。

来都来了，走啥走，留个言呗~