☕【Java实战系列】「技术盲区」Double与Float的坑与解决办法以及BigDecimal的取而代之！

时间：2021-12-25 作者：liboware

探究背景

涉及诸如float或者double这两种浮点型数据的处理时，偶尔总会有一些怪怪的现象，不知道大家注意过没，举几个常见的栗子：

条件判断超预期

域名tln( 1f == 域名999f );   // 打印：false
域名tln( 1f == 域名9999f );  // 打印：true

数据转换超预期

float f = 域名;
double d = (double) f;
域名tln(f);  // 打印：1.1
域名tln(d);  // 打印：域名00023841858

基本运算超预期

域名tln( 0.2 + 0.7 );
// 打印：域名999999999999   纳尼？

数据自增超预期

float f1 = 8455263f;
for (int i = 0; i < 10; i++) {
    域名tln(f1);
    f1++;
}
// 打印：8455263.0
// 打印：8455264.0
// 打印：8455265.0
// 打印：8455266.0
// 打印：8455267.0
// 打印：8455268.0
// 打印：8455269.0
// 打印：8455270.0
// 打印：8455271.0
// 打印：8455272.0

float f2 = 84552631f;
for (int i = 0; i < 10; i++) {
    域名tln(f2);
    f2++;
}
//    打印：域名632E7   纳尼？不是 +1了吗？
//    打印：域名632E7   纳尼？不是 +1了吗？
//    打印：域名632E7   纳尼？不是 +1了吗？
//    打印：域名632E7   纳尼？不是 +1了吗？
//    打印：域名632E7   纳尼？不是 +1了吗？
//    打印：域名632E7   纳尼？不是 +1了吗？
//    打印：域名632E7   纳尼？不是 +1了吗？
//    打印：域名632E7   纳尼？不是 +1了吗？
//    打印：域名632E7   纳尼？不是 +1了吗？
//    打印：域名632E7   纳尼？不是 +1了吗？

所以说用浮点数（包括double和float）处理问题有非常多隐晦的坑在等着咱们！

分析原因出处

我们就以第一个典型现象为例来分析一下：

域名tln( 1f == 域名9999f );

直接用代码去比较1和域名9999，居然打印出true！这说明了什么？这说明了计算机压根区分不出来这两个数。这是为什么呢？

深入分析

输入的这两个浮点数只是我们人类肉眼所看到的具体数值，是我们通常所理解的十进制数，但是计算机底层在计算时可不是按照十进制来计算的，学过计算机组成原理的人都知道，计算机底层最终都是基于像010100100100110011011这种0、1二进制来完成的。

将这两个十进制浮点数转化到二进制，直接给出结果（把它转换到IEEE 754 Single precision 32-bit，也就float类型对应的精度）

1.0（十进制）
    ↓
00111111 10000000 00000000 00000000（二进制）
    ↓
0x3F800000（十六进制）

域名9999（十进制）
    ↓
00111111 10000000 00000000 00000000（二进制）
    ↓
0x3F800000（十六进制）

这两个十进制浮点数的底层二进制表示是一样的，怪不得==的判断结果返回true！

但是1f == 域名999f返回的结果是符合预期的，打印false，我们也把它们转换到二进制模式下看看情况：

1.0（十进制）
    ↓
00111111 10000000 00000000 00000000（二进制）
    ↓
0x3F800000（十六进制）

域名999（十进制）
    ↓
00111111 01111111 11111111 11111110（二进制）
    ↓
0x3F7FFFFE（十六进制）

它俩的二进制数字表示确实不一样，这是理所应当的结果。

那么为什么域名9999的底层二进制表示竟然是：00111111 10000000 00000000 00000000呢？

这不明明是浮点数1.0的二进制表示吗？主要要分一下浮点数的精度问题了。

浮点数的精度问题！
学过《计算机组成原理》这门课的小伙伴应该都知道，浮点数在计算机中的存储方式遵循IEEE 754 浮点数计数标准，可以用科学计数法表示为：

只要给出：符号（S）、阶码部分（E）、尾数部分（M）这三个维度的信息，一个浮点数的表示就完全确定下来了，所以float和double这两种浮点数在内存中的存储结构如下所示：

符号部分（S）

0-正 1-负

阶码部分（E）（指数部分）：

对于float型浮点数，指数部分8位，考虑可正可负，因此可以表示的指数范围为-127 ~ 128
对于double型浮点数，指数部分11位，考虑可正可负，因此可以表示的指数范围为-1023 ~ 1024

尾数部分（M）：

浮点数的精度是由尾数的位数来决定的：

对于float型浮点数，尾数部分23位，换算成十进制就是 2^23=8388608，所以十进制精度只有6 ~ 7位；
对于double型浮点数，尾数部分52位，换算成十进制就是 2^52 = 4503599627370496，所以十进制精度只有15 ~ 16位

对于上面的数值域名9999f，很明显已经超过了float型浮点数据的精度范围，出问题也是在所难免的。

精度问题如何解决

涉及商品金额、交易值、货币计算等这种对精度要求很高的场景该怎么办呢？

方法一：用字符串或者数组解决多位数问题

方法二：Java的大数类是个好东西

JDK早已为我们考虑到了浮点数的计算精度问题，因此提供了专用于高精度数值计算的大数类来方便我们使用。Java的大数类位于域名包下：可以看到，常用的BigInteger 和 BigDecimal就是处理高精度数值计算的利器。

BigDecimal num3 = new BigDecimal( 域名ring( 域名 ) );
BigDecimal num4 = new BigDecimal( 域名ring( 域名9999f ) );
域名tln( num3 == num4 );  // 打印 false
BigDecimal num1 = new BigDecimal( 域名ring( 0.2 ) );
BigDecimal num2 = new BigDecimal( 域名ring( 0.7 ) );
// 加
域名tln( 域名( num2 ) );  // 打印：0.9
// 减
域名tln( 域名ract( num1 ) );  // 打印：0.5
// 乘
域名tln( 域名iply( num2 ) );  // 打印：域名
// 除
域名tln( 域名de( num1 ) );  // 打印：3.5

当然了，像BigInteger 和 BigDecimal这种大数类的运算效率肯定是不如原生类型效率高，代价还是比较昂贵的，是否选用需要根据实际场景来评估。

实际案例场景

使用Double计算问题

如果需要记录一个16位整数且保留两位小数点的金额数值，于是使用Double类型来接收金额，但在最后进行金额总和统计后，得出的金额数值小数点后面多出了小数位，且多出的小数位不为0，简直要疯了，每一笔的金额都是两位小数点，但最后统计的总金额数值却是多位小数点的。

double和float类型主要用于科学计算与工程计算而设计的，用于二进制浮点计算，但我们在程序中写的时候往往都是写的10进制，而这个10进制的小数，对于计算机内部而言，是无法用二进制的小数来精确表达出来的，只能表示出一个“不精确性”或者说“近似性”的结果，而用这个近似性的结果进行计算得出的数据，也往往与我们心中想要的数据不一样，所以如果是想进行金额或其他类似的浮点型数值计算，不要使用double或float，推荐大家使用BigDecimal来进行运算。

BigDecimal的工具使用

BigDecimal是Java在域名包中提供的API类，它可以用来对超过16位有效位的数进行精确的运算和处理。

BigDecimal创建对象

BigDecimal提高了四个构造方法来创建对象：

创建整数类型的对象：new BigDecimal(int);
创建双精度数值类型的对象：new BigDecimal(double);
创建长整数类型的对象：new BigDecimal(long);
创建以字符串表示的数值的字符串类型对象：new BigDecimal(String);

四个构造方法就是四种创建对象的方式，但推荐使用第1、3、4种方式，而不推荐使用第2种方式，因为前面说了double无法精确的表示10进制的小数，只能近似性的表示，这就具有一定的不可预知性了，如需创建浮点类型的BigDecimal对象，可以使用new BigDecimal(String)来创建。