为什么0.1+0.2不等于0.3

首先来看一段诡异的代码：

package org.sang.test;

/**
 * @Author: chuxia0811
 * @Date: 2021/2/9 22:55
 * @Description :
 */
public class _01_02 {
    public static void main(String[] args) {
        float a = 0.1f;
        float b = 0.2f;
        System.out.println(a + b);
        System.out.println(a + b == 0.3);
    }
}

输出结果如下：

0.3
false

很奇怪，打印的a+b明明等于0.3，判断a+b是否等于0.3时返回的却是false。

要解释这个首先要了解：有些浮点数不能完全精确的表示出来，我们先来了解计算机内部是如何表示数的。

计算机内部如何表示数

我们都知道，计算机用位来储存及处理数据。每一个二进制数（二进制串）都一一对应一个十进制数。

1 ) 计算机内部如何表示整数

这里以十进制数13来展示“按位计数法”如何表示整数：

十进制值	进制	按位格式	描述
13	10	13	1x10^1 + 3x10^0 = 10 + 3
12	2	1101	1x2^3 + 1x2^2 + 0x2^1 + 1x2^0 = 8 + 4 + 0 + 1

2 ) 计算机内部如何表示小数

再看小数怎么用按位计数法表示，以十进制数0.625为例：

十进制值	进制	按位格式	描述
0.625	10	0.625	6x10^-1 + 2x10^-2 + 5x10^-3 = 0.6 + 0.02 + 0.005
0.625	2	0.101	1x2^-1 + 0 x2^-2 + 1x2^-3 = 1/2 + 0 + 1/8

3. 如何用二进制表示0.1

关于十进制与二进制间如何转换，这里不细说，直接给出结论：

十进制整数转二进制方法：除2取余；十进制小数转二进制方法：乘2除整

十进制0.1转换成二进制，乘2取整过程：

0.1 * 2 = 0.2 # 0
0.2 * 2 = 0.4 # 0
0.4 * 2 = 0.8 # 0
0.8 * 2 = 1.6 # 1
0.6 * 2 = 1.2 # 1
0.2 * 2 = 0.4 # 0

.....

从上面可以看出，0.1的二进制格式是：0.0001100011…。这是一个二进制无限循环小数，但计算机内存有限，我们不能用储存所有的小数位数。那么在精度与内存间如何取舍呢？

答案是：在某个精度点直接舍弃。当然，代价就是，0.1在计算机内部根本就不是精确的0.1，而是一个有舍入误差的0.1。当代码被编译或解释后，0.1已经被四舍五入成一个与之很接近的计算机内部数字，以至于计算还没开始，一个很小的舍入错误就已经产生了。这也就是 0.1 + 0.2 不等于0.3 的原因。

有误差的两个数，其计算的结果，当然就很可能与我们期望的不一样了。注意前面的这句话中的“很可能”这三个字？为啥是很可能昵？

0.1 + 0.1 为什么等于0.2
答案是：两个有舍入误差的值在求和时，相互抵消了，但这种“负负得正，相互抵消”不一定是可靠的，当这两个数字是用不同长度数位来表示的浮点数时，舍入误差可能不会相互抵消。

又如，对于 0.1 + 0.3 ，结果其实并不是0.4，但0.4是最接近真实结果的数，比其它任何浮点数都更接近。许多语言也就直接显示结果为0.4了，而不展示一个浮点数的真实结果了。

另外要注意，二进制能精确地表示位数有限且分母是2的倍数的小数，比如0.5，0.5在计算机内部就没有舍入误差。所以0.5 + 0.5 === 1

计算机这样胡乱舍入，能满足所有的计算需求吗
我们看两个现实的场景：

对于一个修建铁路的工程师而言，10米宽，还是10.0001米宽并没有什么不同。铁路工程师就不需要这么高0.x这样的精度
对于芯片设计师，0.0001米就会是一个巨大不同，他也永远不用处理超过0.1米距离
不同行业，要求的精度不是线性的，我们允许（对结果无关紧要的）误差存在。10.0001与10.001在铁路工程师看来都是合格的。

虽然允许误差存在，但程序员在使用浮点数进行计算或逻辑处理时，不注意，就可能出问题。记住，永远不要直接比较两个浮点的大小：

var a = 0.1
var b = 0.2

if (a + b === 0.3) {
  // doSomething
}

总结

本文主要介绍了浮点数计算问题，简单回答了为什么以及怎么办两个问题：

为什么0.1 + 0.2 不等于0.3。因为计算机不能精确表示0.1， 0.2这样的浮点数，计算时使用的是带有舍入误差的数。

并不是所有的浮点数在计算机内部都存在舍入误差，比如0.5就没有舍入误差
具有舍入误差的运算结可能会符合我们的期望，原因可能是“负负得正”。