JavaScript的Number存储格式.

IEEE二进制浮点数算术标准（IEEE 754）, 它规定了四种表示浮点数值的方式：单精度（32位），双精度（64位），延伸单精确度与延伸双精确度。在 JavaScript 中采用的是 64 位双精度存储的。这样存储结构优点可以归一化处理整数和小数。

64 位比特可以分为三部分来存储我们的数字。

 符号位S：第1位是正负符号位，0表示是正值，1代表是负值。 63位为指数位。

 指数位E：中间的11位存储指数，用来表示次方数。52-62位。 

 尾数位M：最后的52位尾数，超出的部分自动进一舍零。0-51位。

把多个比特的数据，从内存地址低端到高端，通常把最低端的放到最右边，称为最低有效位，代表最小的，改变时对整体的大小改动不大。

实际上用公式来计算的话：

 以上的公式遵循科学记数法的规范，在十进制中 0<M<10，到二进制就是 0<M<2。所以的话，整数部分就只能是1，按照IEEE 754 的描述，在尾数位之前，默认会有一个隐藏位1，有效数字将会被表示位 1.M, 所以1可以被舍去，只保留后面的小数部分。

前文说小数位称为有效位，最高有效位是1（它是隐藏的），小数位的最高有是1（即整数字），这个浮点数被称为规约形式的浮点数。代表它是唯一确定的使用浮点形式来表示一个值。

我们在来讲讲指数位的偏移。

指数部分有 11 位，E是一个无符号整数，取值范围是 0~2047, 但是这样子很难表示一个值是大的还是小的，在我们的价值观上是认为有符号，是负的，才是小的，否则就算大的。基于这一点，指数在存储之前需要做偏差修正，将它的值调整到一个 无符号数 的范围内以便进行比较。

为了表示负数，会取中间值来进行偏移   0 <= E <=2**11 - 1 ---->   0 <= E <=2047, 我们取中间值的话， 取到bias = 1023（表示一个中间值）。然后偏移结果就是。-1023 <= E-bias <= 1024.因此会得到用 1023 表示 0，用2046 表示 1023.

有两个特殊的 E 值。  0 和 2047

双精度（64-比特） 在指数偏移值的值域为 00000000001 (11-bit) 到 11111111110, 在小数部分则是00000...00000(52-bit) 到 11111...11111(52-bit)。

parseInt('1111111110', 2);  // 解析为 2046
parseInt('000000000001', 2);   // 解析为 1

parseInt('0000000000000000000000000000000000000000000000000000', 2) // 0;

当 E = 2047 时，并且 M 值为 0 时，该值表示为无穷大， 但如果 f > 0，该值则为 NaN。

当 E = 0 时，f 也为 0， 该值可能为 +0 也可能为 -0，因为符号是单独的一位，63位存储的。

先举个例子，0.1 是怎么存放的。

0.1 转为二进制。小数转二进制的方法应该是乘2取整，直到小数位为0。然后从上到下收集，然后别忘了还有前面的0。

0.2  0
0.4  0
0.8  0
1.6  1
1.2  1
0.4  0
0.8  0
1.6  1
1.2  1
0.4  0
0.8  0

所以最后0.1 的二进制为。0.00011001100（1100是无限循环的）。科学记数法表示 1.1001*2^-4，这样子 -4时存储到指数位，1.1001的1被隐藏，只剩下1001(无限1001)，我们拿出52位存储到小数位。100110011001100110011001100110011001100110011(53位，小数点后是1，我们遵循进1舍0的方法）变为 10011001100110011001100110011001100110011010， E= -4+1023 = 1019（存储位2进制位01111111011），是正数，所以符号位存储的是0。

我们将上面的存储的二进制转回十进制，得到了 0.100000000000000005551115123126， 我们可以看出，这与 0.1 已经不相等了，出现了精度误差。

那么为什么还会得到我们的 0.1， 而不是一个丢失精度的数字。

我们可以使用 测试IEEE 754工具 来计算一下，得到的十进制数还是 0.1. 这是为什么呢，你可能会想，这怎么可能。

这是因为 IEEE 754 双精度 用二进制转为十进制，结果会很长，但是我们只会取到17位精度，即 0.10000000000000000（1后面16个0），因为存储是浮点数，所以可以去掉0，即为 0.1。

为什么0.1 + 0.2 === 0.30000000000000004；

可以把 0.1 和 0.2 分别转为对应的二进制。

0.00011001100110011001100110011001100110011001100110011010 +
0.0011001100110011001100110011001100110011001100110011010 =
0.0100110011001100110011001100110011001100110011001100111

// 转成十进制正好是 0.30000000000000004

所以说，存储一个数字，实际上是先转为计算机能识别的0，1机器码，二进制只能精准表达2除尽的数字1/2，1/4，1/8，例如0.1(1/10)和0.2(1/5)，在二进制中都无法精准表示时，所以在存储的时候，就会发生进 1 舍 0，从而造成精度丢失。然后在读取为10进制的时候，就会与预期的不符。