JS中为什么0.1+0.2 不等于0.3

科学计数法

假设有两个数字

220000000000 和 22000000000

一眼看过去好像很难比较出大小

但是使用科学计数法就非常容易进行比较
$$\begin{gathered} 2.2\ast 10^{11} \\ 2.2\ast 10^{10} \end{gathered}$$

IEEE 754浮点数表示

Javascript是使用双精度浮点数表示的。

• sign:符号位 1表示数字为负数，0表示为正数 （1位）
• exponent:阶码 （11位）
• mantissa: 尾数 （52位）
• 总共64位

看不懂就对了，我刚开始也看不懂，估计很快也忘了

举个🌰

整数11，用科学计数法表示

1. 这是一个正数，sign:符号位表示为 0

右上角1次幂就是阶码:exponent,但是还需要加上一个值1023，书上叫偏置值。

主要是因为

能够正常使用的数有
$$\begin{gathered} 01111111111_2=1023 \\ 10000000000_2=-1024 \end{gathered}$$
为了方便进行浮点数之间的数学比较，需要保证阶码总是为无符号数

有符号数转成无符号数进行比较效率跟整型（如C语言的int类型）相同

所以这里要加上一个偏置值，保证exponent的值总是>0

11位数字的范围明明是1023~ -1024,又要保证其>0，为什么添加的偏置值只有1023 ?

主要是因为111 1111 1111和000 0000 0000是两种特殊情况，排除在外，所以只需要+1023就能保证表示范围>0

（图中的K就是偏置值Bias)

综上exponent的值为 100 0000 0000

3.mantissa: 尾数

（有些书上fraction也是一个意思)

假设我们只表示100,1100,11111这样的数字，它们的科学计数法都是以1.xxx开头的，这样的话，1.xxx部分就可以省去，仅表示小数点.后面的数字即可

综合以上整数11可以表示为

200 300 这样的数字如何表示？

事实上，计算机的数字都是以二进制形式存储的，刚才的11在二进制表示是3。也就是说，刚才存储的实际上是十进制3而不是十进制11

意思就是只需要将刚才的

改成2，就是在计算机中存储3的浮点数值。

为什么0.1 + 0.2 不等于 0.3

Js中数字都采用双精度浮点数表示

首先要将0.1转成二进制形式表示，小数转成二进制的方式就是不断*2，结果如果>1，说明该位需要用1表示，然后保留小数部分，继续乘直到得到0

0.1的二进制表示

熟悉的科学计数法表示

尾数(mantissa)是有限位数，能存放52位数字。

注意高亮的部分，52位后的部分就进行舍入，舍入类似于十进制的四舍五入，1则进位，0则不变。

这里发生的实际上是一个向上舍入，也就是得到的数字会比真实的数字大

再来计算它的阶码

0.1的最终存储形式为

0.2也是类似的，尾数部分第53位也是1，意味着也发生了向上舍入

计算0.1+0.2

科学计数法表示两个数

调整0.1的表示方法，跟0.2对齐

进行运算

计算结果

同样是超出了52位，而且第53位为1，说明真正存储的时候会发生向上舍入。

为了计算0.1+0.2整整发生了3次向上舍入！

这也是为什么控制台打印得到的结果会比实际结果大。

循环永远不会结束

for(let i = 0; i = 9007199254740992; i++){
    //never stop
}

这个循环将永远不会结束。

javascript中有一个Number.MAX_SAFE_INTEGER打印的结果是9007199254740991 (2⁵³−1)

可以看到，超出这个最大安全整型，就会出现一些奇怪的事情

9007199254740991浮点表示

注意，尾数部分全为1

将其转成科学计数法

2⁵³−1实际上就是尾数部分，是尾数部分能够表示的极限了，因此9007199254740991这个数值就是使用双精度浮点数能表示最大的数值。

特殊情况NaN Infinity

刚才计算exponent的时候偏置值并不是1025，主要是因为另外两个独立的存在

其中一个独立的存在是阶码全为1的情况

NaN

Infinity无穷大

另一个阶码全为0的情况不多做讨论，书上称为非规格化数，它提供一种表示0的方法

符号位为1，其他位都为0，可以表示负-0.0

符号位为0，其他位都为0，可以表示+0.0

---

详情参考
《深入理解计算机系统》第二章