为什么不能用浮点数表示金额？

回答

因为不是所有的小数都能用二进制表示，所以为了解决这个问题，ieee提出了一种使用近似值表示小数的方式，并且引入了精度的概念。这就是我们所熟知的浮点数。

比如0.1+0.2 != 0.3，而是等于0.30000000000000004（有一个网站叫Floating Point Math，就是解释这个现象的）

所以浮点数只是近似值，并不是精确值，所以不能用来表示金额，否则会有精度丢失。

避免精度丢失

在Java中，使用float表示单精度浮点数，double表示双精度浮点数，表示的都是近似值。

所以在Java代码中，千万不要使用float或者double来进行高精度运算，尤其是金额运算，否则就很容易产生资损问题。

为了解决精度问题，Java中提供了BigDecimal来进行精确运算。

扩展

十进制转二进制

如何转换呢？

十进制证书转换为二进制整数采用“除2取余，逆序排列”法

具体做法是：

• 用2整除十进制整数，可以得到一个商和余数；
• 再用2去除商，优惠得到一个商和余数，如此进行，直到商位小于1时为止
• 然后把先得到的余数作为二进制数的低位有效位，后得到的余数作为二进制数的高位有效位依次排列起来。

127转换成二进制如下：

标题

而十进制转换成二进制小数，又该如何计算呢？

十进制小数转换成二进制小数采用“乘2取整，顺序排列”法

具体做法：

• 用2乘十进制小数，可以得到积
• 将积的整数部分取出，再用2乘余下的小数部分，又得到一个积
• 再将积的整数部分取出，如此进行，直到积中的小数部分为零，此时0或1为二进制的最后一位。或者达到所要求的精度为止。

不是所有数都能用二进制表示

例如0.1对应的二进制：

由此发现，0.1的二进制表示中出现了无限循环的情况，这种情况计算机就没办法用二进制精确地表示0.1了。

IEEE 754

为了解决部分小数无法使用二进制精确表示的问题，于是就有了ieee 754 规范。

ieee二进制浮点数算术标准（ieee 754）是20世纪80年代以来最广泛使用的浮点数运算标准，为许多cpu与浮点运算器所采用。

浮点数和小数并不是完全一样的，计算机中小数的表示法，其实有定点和浮点两种。因为在位数相同的情况下，定点数的表示范围要比浮点数小。所以在计算机科学中，使用浮点数来表示实数的近似值。

ieee754 规定了四种表示浮点数值的方式： 单精确度（32位）、双精确度（64位）、延伸单精确度（43比特以上，很少使用）与延伸双精确度（79比特以上，通常已80位实现）。

其中最常用的就是32位单精确度浮点数和64位双精确度浮点数

ieee并没有解决小数无法精确表示的问题，只是提出了一种使用近似值表示小数的方式，并且引入了精度的概念。

浮点数是一串0和1构成的位序列，从逻辑上用三元组{S,E,M}小表示一个数N,如下图所示：

• S(sign)表示N的符号位。对应值s满足：n>0时，s=O;n≤0时，S=1。
• E(exponent)表示N的指数位，位于S和M之间的若干位。对应值e值也可正可负。
• M(mantissa)表示N的尾数位，恰好，它位于N末尾。M也叫有效数字位(significand)、系数位
  (coefficient),甚至被称作”小数”。

大家有兴趣的话可以自行了解sem的公式

对于那些无限循环的二进制数来说，计算机采用浮点数的方式保留了一定的有效数字，那么这个值只能是近似值，不可能是真实值。

至于一个数对应的EEE754浮点数应该如何计算，不是本文的重点，这里就不再赘述了，过程还是比较复杂的，需要进行对阶、尾数求和、规格化、舍入以及溢出判断等。

但是这些其实不需要了解的太详细，我们只需要知道，小数在计算机中的表示是近似数，并不是真实值。根据精度不同，近似程度也有所不同。

如0.1这个小数，他对应的在双精度浮点数的二进制为：
0.00011001100110011001100110011001100110011001100110011001。

0.2这个小数对应的在双精度浮点数的二进制为：

0.00110011001100110011001100110011001100110011001100110011。

两者相加为：

转换成10进制之后得到：0.30000000000000004！