0.999999999999999+1=2？浮点数底层不为人知的秘密......

精度不精导致数据偏差的事实

//这是一段java代码
float a=1;
a+=0.999_999_999_999_995;
Systme.Out.println(a); //结果为2

浮点数存储原理

浮点类型的底层存储规定占位
                float占用32bit,即4字节，存储规则：1+8+23，首位代表正负0正1负，8代表指位数，23来存储尾数。
double占用64bit,即8字节，存储规则为：1+11+52
如13.14如何存储在float呢：
                13.14等于0.1314乘以10的2次方，指数为2，小数部分为0.1314

                正数且指数位为2，所以前9位为0000 0001 0，真的是这样的？根据IEEE7规定，指数部分要加上指数可以表示范围的一半（float要加(二进制数1111 1111-1再除2，为127)，double是1023），目的是可以表示指数为负的情况，打个比方让你拿十进制0-9来表示-4到5的数，是不是可以取4为中间数，当保存的数为3时，你可以加4，读取的时候再减4得到，当保存的数是-3时，可以加4为1，读取的时候减4就可以获得-3了，这样做的目的是，有限的数位可以一半表示负数，一半表示负数，节省了一个比特的占位空间。
                127换成二进制为0111 1111，加上2就是1000 0001，所以13.14在float里存储的前9位比特为0100 0000 1,现在计算小数部分，通过小数的计算，就可以明白为什么浮点数的保存有时会存在精度丢失，而有时不会：
float存储小数有23位，为了方便推导，我们假设有4位来存储小数，小数部分为0.1314，现在一直乘以2，如果每次乘以2，结果整数位是为1，那么小数位填一个0，如果为1，填1，比如：0.13142=0.2624，由于整数为0，所以4位小数的第一位为0，0.2624再乘以2，结果为0.5248,所以下一位为0，即n位前2为此时为00,0.52482=1.0496，此时整数位为1，所以下一位为1，此时已计算了3位：001，再拿0.04962=0.0992，由于假设4位比特存储小数，最后小数部分为0010所以0.0992就舍弃了，也就是导致精度丢失的原因。
                那么什么时候精度不会丢失呢，当某次乘以2的时候，恰好小数位为0，就没有精度丢失了，比如0.5的存储，0.52=1，那么小数位存储1，就可以代表不失精度的原数了。
                为什么存储小数要一直乘以2来计算（这一点我查不到相关的解释，up主也没解释，哭笑不得），我们来用一下类比法，假设把一个十进制的数1.234来转换成n机制的数，n包括2，假设n=10，十进制转成十进制，是不是很荒谬，但是只要合乎常理n可以代表任何数的转换。现在拿float来存储1.234，但是每位比特位不是只能存储1和0，而是0到9，按照原来的逻辑已经不是再乘2了，乘10，0.123410^1,所以指数位为1+127，小数部分乘以10，0.123410=1.234，所以小数部分第一位为1，以此类推得到所有位：1234，所以小数位为1234，有没有体会到什么，是不是和二机制的原理一模一样的。(也许有一天我忘记了，也可以回头看看，这就是日志的好处吧，不知道自己还能不能看懂😂)

在 Java 中，小数常量默认为double类型,如何解决精度不够导致偏差问题

1.使用 BigDecimal 类型
                由于 BigDecimal 类型是基于十进制表示的，因此可以避免使用 IEEE 754 浮点标准所带来的计算机舍入误差问题，并且可以提供高精度约数和精确的数值范围控制。因此，处理精度较高的小数，建议使用 BigDecimal 类型而非 double 类型，以保证计算精度。


2.同样使用于其他语言，高精度算法
                把类似于0.9999999999999的数组用字符串表示“0.9999999999999”，再经过逻辑运算，其中涉及到一些算法知识，感兴趣可以换个频道学学，给个思路：把每位数拆成字符存储到数组里，高位放在后面，低位放在前面，想想平时怎么怎么进行加减乘除的，也许你以自己的实力也可以计算高精度的数值。