后端问为什么前端数值精度会丢失?

前言

相信各位前端小伙伴在日常工作中不免会涉及到使用 JavaScript 处理 数值 相关的操作,例如 数值计算、保留指定小数位、接口返回数值过大 等等,这些操作都有可能导致原本正常的数值在 JavaScript 中确表现得异常(精度丢失),这也是被很多开发者诟病的一点(你该不会还没踩过坑吧!),当然包括很多 后端开发者(不止一次的被问到这个问题)。

本文主要包含 精度丢失场景、精度丢失原因、解决方案 等方面的内容,文中若有不正确的地方欢迎在评论区分享你的见解。

精度丢失场景

浮点数的计算

数值计算在前端的应用还不算少,但涉及 浮点数 参与计算时可能会出现精度丢失,如下:

加( + )

  • 正常计算:0.1 + 0.2 = 0.3

  • JavaScript 计算:0.1 + 0.2 = 0.30000000000000004

减( - )

  • 正常计算:1 - 0.9 = 0.1

  • JavaScript 计算:1 - 0.9 = 0.09999999999999998

乘( * )

  • 正常计算:0.0532 * 100 = 5.32

  • JavaScript 计算:0.0532 * 100 = 5.319999999999999

除( / )

  • 正常计算:0.3 / 6 = 0.05

  • JavaScript 计算:0.3 / 6 = 0.049999999999999996

超过最值

所谓 超过最值(最大、最小值) 指的是超过了 Number.MIN_SAFE_INTEGER(- 9007199254740991),即

+(2^53 – 1) 或 Number.MAX_SAFE_INTEGER(+ 9007199254740991),即 -(2^53 – 1) 范围的值,项目中最常见的就是如下几种情况:

  • 后端返回的数值超过最值

    • 例一,后端返回的列表数据,通常都会有相应的 ID 来标识唯一性,但后端字啊生成这个 ID 时是 Long 类型,那么该值很可能就会超过 JavaScript 中能表示的最大正整数,此时就导致精度丢失,即前端实际获取到的 ID 值和后端返回的将不一致

    • 例二,后端可能需要将一些值通过计算之后,把对应的结果值返回给前端,此时若该值超过了 最值,那么也会产生精度丢失

  • 前端进行数值计算时,计算结果超过最值

    图片

保留指定小数位

除了上述对涉及浮点数计算、超过最值的场景之外,我们通常还会对数值进行保留指定小数位的处理,而部分开发者可能会直接使用 Number.prototype.toFixed 来实现,但这个方法却并不能保证我们期望的效果,例如保留小数位时需要进行 四舍五入 时就会有问题,如下:

console.log(1.595.toFixed(2)) // 1.59 ——> 期望为:1.60console.log(1.585.toFixed(2)) // 1.58 ——> 期望为:1.59console.log(1.575.toFixed(2)) // 1.57 ——> 期望为:1.58console.log(1.565.toFixed(2)) // 1.56 ——> 期望为:1.57console.log(1.555.toFixed(2)) // 1.55 ——> 期望为:1.56console.log(1.545.toFixed(2)) // 1.54 ——> 期望为:1.55console.log(1.535.toFixed(2)) // 1.53 ——> 期望为:1.54console.log(1.525.toFixed(2)) // 1.52 ——> 期望为:1.53console.log(1.515.toFixed(2)) // 1.51 ——> 期望为:1.52console.log(1.505.toFixed(2)) // 1.50 ——> 期望为:1.51

精度丢失的原因

计算机内部实际上只能 存储/识别 二进制,因此 文档、图片、数字 等都会被转换为 二进制,而对于数字而言,虽然我们看到的是 十进制 的表示结果,但实际上会底层会进行 十进制 和 二进制 的相互转换,而这个转换过程就有可能会出现 精度丢失,因为十进制转二进制后可能产生 无限循环 部分,而 实际存储空间是有限的。

IEEE 754 标准

Javascript 中的数字存储使用了 IEEE 754 中规定的 双精度浮点数 数据类型,双精度浮点数使用 64 位(8 字节) 来存储一个 浮点数,可以表示二进位制的 53 位 有效数字,即 (0-52 位为 1) 111...111 = (53 位为 1,0-52 位为 0) 1000...000 - 1,也就是 2^53 - 1,而这也就是 JavaScript 中 Number.MAX_SAFE_INTEGER(+ 9007199254740991) 对应的值。

双精度浮点数的组成

图片

双精度浮点数(double) 由如下几部分组成:

  • sign 符号位,0 为正,1 为负

    • 占 1bit,在 63 位

  • exponent 指数部分,表示 2 的几次方

    • 占 11bit,在 52-62 位

    • 指数 采用 偏移码表示法,即将 指数的真实值 e 加上一个 偏移量,然后得到 阶码(即计算结果)并将其表示为 二进制数

    • 其中 偏移量 = (2^n-1) - 1,n 是 指数的位数(即 n = 11),因此偏移量为 Math.pow(2, 11-1) - 1 = 1023

    • 阶码 E = 指数真值 e + 偏移码 (2^n-1) - 1

      图片

  • mantissa 尾数部分,表示浮点数的精度

    • 占 52bit,在 0-51 位

    • 尾数采用 隐式 的方式表示,即在尾数的 最高位上 总是隐含着一个 1,并且隐藏在 小数 点的左边 (即 1 < 尾数 < 2),因此尾数的有效位数为 53 位,而不是 52 位

十进制浮点数的存储过程

有了上面的公式,接下来我们来演示一下一个十进制浮点数是如何以 双精度浮点数 的形式被存储到计算机中的,其大致分为如下两步:

  • 十进制转二进制

    • 分别对整数部分和小数部分的十进制转化为二进制

  • 求出 sign、exponent、mantissa 的值

下面我们通过 263.3 这个数值来演示。

十进制转二进制

分别将 263.3 的 整数部分 263 和 小数部分 0.3 转为对应的 二进制数,这里你可以使用便捷的 在线转换工具,也可选择手动计算:

  • 整数部分 转 二进制

    • 一直 除以 2 直到余数为 0 或 出现循环,然后 从下往上 将每次的余数进行组合即可

      图片

  • 小数部分 转 二进制

    • 一直 乘以 2 直到乘积为 1 或 出现循环,然后 从上往下 将每次的乘积的 整数位 进行组合即可

      图片

最终得到的结果就是 263.3(10) 对应的 二进制 为 100000111.010011001...

求出 sign、exponent、mantissa 的值

  • 求 sign

    • 其中 sign 为符号位,且 263.3(10) 为正数,因此 sign = 0

  • 求 exponent

    • 根据公式 (-1)^S x (1. M) x 2^(E-1023) 可知,其中的 尾数 要符合 1. M 的形式,因此 100000111.010011001... 中小数点需要往左移动 8位 变成 1.00000111 010011001 ...

    • 其中的 8 就是 指数真值,但在实际存储时是存 阶码的二进制,根据公式 阶码 = 指数真值(8) + 偏移量(1023),即 阶码 = 1031,所以 exponent 值就为 1031 的二进制:10000000111

  • 求 mantissa

    • 根据上一步的 1.00000111 010011001 ... 很容易知道尾数 mantissa = 00000111 010011001 ...

最终存储形式

图片

Number.prototype.toFixed 的舍入

关于这个方法的舍入方式,目前最多的说法就是 银行家算法 ,的确在大多情况下确实能够符合 银行家算法 的规则,但是部分情况就并不符合其规则,因此严格意义上来讲 Number.prototype.toFixed 并不算是使用了 银行家算法,如果你要问为什么,请看 ECMAScript® 2024 Language Specification (tc39.es),在下文都会提及。

银行家算法

所谓银行家算法用一句话概括为:

四舍六入五考虑,五后 有数 就进一五后 无数 看 奇偶五前 为偶当 舍去五后 为奇要 进一

  • 四舍 指保留位后的 数值 < 5 应 舍去,4 只是个代表值

  • 六入 指保留位后的 数值 > 5 应 进一,6 只是个代表值

  • 若保留位后的 数值 = 5,看 5 后 是否有数

    • 若 5 后 无数,则看 5 前 的数值的 奇偶 来判断

      • 若 5 前 的数值为 偶数,则 舍去

      • 若 5 前 的数值为 奇数,则 进一

    • 若 5 后 有数,则 进一

用例子来验证一下:

// 四舍(1.1341).toFixed(2) = '1.13'
// 六入(1.1361).toFixed(2) = '1.14'
// 五后 有数 ,进一(1.1351).toFixed(2) = '1.14'
// 五后 无数,看奇偶,五前为 3 奇数,进一 (1.1350).toFixed(2) = '1.14'
// 五后 无数,看奇偶,五前为 0 偶数,舍去(1.1050).toFixed(2) = '1.10'

看起来没有问题是吧!

// 五后 有数,应进一(1.1051).toFixed(2) = 1.11 (正确 √)(1.105).toPrecision(17) = '1.1050000000000000' // 精度
// 五后 无数,看奇偶,五前为 0 偶数,应舍去(1.105).toFixed(2) = 1.10 (正确 √)
// 五后 无数,看奇偶,五前为 2 偶数,应舍去(1.125).toFixed(2) = 1.13 (不正确 ×)1.125.toPrecision(17) = '1.1250000000000000' // 精度
// 五后 无数,看奇偶,五前为 4 偶数,应舍去(1.145).toFixed(2) = 1.15 (不正确 ×)1.145.toPrecision(17) = '1.1450000000000000' // 精度
// 五后 无数,看奇偶,五前为 6 偶数,应舍去(1.165).toFixed(2) = 1.17 (不正确 ×)1.165.toPrecision(17) = '1.1650000000000000' // 精度
// 五后 无数,看奇偶,五前为 8 偶数,应舍去(1.185).toFixed(2) = 1.19 (不正确 ×)1.185.toPrecision(17) = '1.1850000000000001' // 精度

ECMAScript 定义的 toFixed 标准

图片

一眼望上去是不是觉得看不懂,那么这里就来尝试解释一下这个标准的内容吧(掺杂个人理解)!

           - m = z + m

           - k = f + 1

    - 让 a = m 的第一个 k-f 码单元

    - 让 b = m 的其它 f 个编码单元

    - 将 m = a + "." + b

12. 返回 s + m 组成的字符串

  1. 让 x = 目标数字,如:(1.145).toFixed(2) 中 x = 1.1245

  2. 让 f = 参数,如:(1.145).toFixed(2) 中 f = 2

  3. 若 f = undefined,即 未传参,则将 f = 0

  4. 若 f = Infinite,即传入了 无穷值,则抛出 RangeError 异常

  5. 若 f < 0 或 f > 100,即传入了不在 0 - 100 之间的值,则抛出 RangeError 异常

  6. 若 x = Infinite,即想要对 非准确值 保留位操作,则返回其 字符串形式

    1. 例如,Infinity.toFixed(2) = 'Infinity'NaN.toFixed(2) = 'NaN'

  7. 让 x = 计算机所能表示的数学值 ℝ(x)

    1. 从 数字 或 BigInt x 到 数学值 的转换表示为 x 的数学值,或 ℝ(x)

  8. 让 返回值符号 s = '',即为符号定义 初始值

  9. 若 x < 0,则将 s = '-',并将 x = -x

  10. 若 x ≥ 10^21,则 返回值 m = x 对应的科学计数法 表示的 字符串 

    图片

  11. 若 x < 10^21,则

    a. 让 n = 一个整数,其中 n / 10^f - x 尽可能接近于 0,如果有两个这样的 n,选择 较大的 n

    b. 若 n = 整数 0,则 m = "0",否则,m = 由 n 的 十进制 表示形式的数字组成的 字符串值(按顺序,不带前导零)

    c. 若 指数 f ≠ 0,则 k = m.length

        - 若 k ≤ f,则
               - z = 由代码单元 0x0030(DIGIT ZERO) 的 f+1-k 次出现组成的 字符串

看不懂?那就挑懂的地方看

不多说了,还是用 (1.125).toFixed(2) = 1.13 举个栗子吧!

  • 根据上述规范初始 x = 1.125,f = 2,s = ''

  • 根据规范 7 可知 x = 1.125.toPrecision(53) = 1.125

    图片

  • 根据规范 11.a 提供的公式:n / 10^f - x ≈ 0 代入计算:n ≈ 112.5

    • 此时最接近 n 的 整数 有 两个 值为 110 和 112,按标准取最大的 113

    • 在按 11.c 的规范得到 m = 1.13

  • 最终返回 s + m= 1.13

还不会,再来个 (-1.105).toFixed(2) = -1.10 的栗子吧!

  • 根据上述规范初始 x = 1.105,f = 2,s = '-'

  • 根据规范 7 可知 x = (-1.105).toPrecision(53) = 1.10499... 

    图片

  • 根据规范 11.a 提供的公式:n / 10^f - x ≈ 0 代入计算:n ≈ 110.4...

    • 此时最接近 n 的 整数 只有 一个 值为 110(因为只有小数点后为 5 时,向上 / 向下 取整才会有两种情况)

    • 在按 11.c 的规范得到 m = 1.10

  • 最终返回 s + m= -1.13

如何解决前端数值的精度问题?

虽然知道了 精度丢失 的原因,也知道了 toFixed 舍入 的逻辑,但是实际上在进行计算时,我们还是希望按照实际看到的数值来进行计算或舍入,而不是底层转换过的值。

使用第三方库

需要的自行查阅:

  • math.js

  • big.js

  • bignumber.js

  • decimal.js

思路扩展

浮点数计算

浮点数在 JavaScript 中经底层转换后可能会有精度丢失,但是 安全范围内的整数 却不会丢失,那么我们就可以先将 浮点数 转成 整数 进行计算后,再将计算结果成为浮点数。

以 0.1 + 0.2 = 0.30000000000000004 举个例子,如下:

  • 原式:0.1 + 0.2 = x

  • 扩大 10 倍:0.1 * 10 + 0.2 * 10 = 10 * x

  • 变式:10 * x = 3

  • 结果:x = 0.3

超过最值

前面提到的 后端返回 或 前端计算 产生的超过 安全范围的值,我们可以使用 BigInt 来处理,这是新增的原始值类型,它提供了一种方法来表示 大于 2^53 - 1 的整数。

图片

保留指定小数位

既然 Number.prototype.toFixed() 的舍入方法并不是我们需要的,那么我们可以直接将其重写成符合的即可,例如:

Number.prototype.toFixed=function (d) {     var s=this+"";     if(!d)d=0;     if(s.indexOf(".")==-1)s+=".";     s+=new Array(d+1).join("0");     if(new RegExp("^(-|\\+)?(\\d+(\\.\\d{0,"+(d+1)+"})?)\\d*$").test(s)){        var s="0"+RegExp.$2,pm=RegExp.$1,a=RegExp.$3.length,b=true;        if(a==d+2){            a=s.match(/\d/g);             if(parseInt(a[a.length-1])>4){                for(var i=a.length-2;i>=0;i--){                    a[i]=parseInt(a[i])+1;                    if(a[i]==10){                        a[i]=0;                        b=i!=1;                    }else break;                }            }            s=a.join("").replace(new RegExp("(\\d+)(\\d{"+d+"})\\d$"),"$1.$2");         }if(b)s=s.substr(1);         return (pm+s).replace(/\.$/,"");    }return this+""; }

最后

以上就是本文的全部内容了,由于涉及到部分内容 计网 相关内容,所以可能理解起来会比较吃力,但是跨过这道坎也就没那么难理解了。

  • 9
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值