Java浮点型数据探究--IEEE754标准

1. 背景

刚接触编程时，不管是C还是Java，涉及到浮点型计算与比较时，书上总说要小心精度带来的误差的问题，并且比较时一般不能直接用==比较，而是通过abs(a-b)<e的方式来实现比较。一直不知道误差出现的原因以及背后的原理，直到最近在学习计算机系统时，学到了浮点在计算机内的表示，才明白了点其中的原因。

这里先用一段代码引出浮点在计算时发生的问题，最后总结产生原因：

public class Test {
    public static void main(String[] args) {
        System.out.println(2.0-1.1);
}
}




输出的结果是：0.8999999999999999

并不是0.9，这是为什么呢？

2. 浮点在Java中二进制的表示

首先声明，Java使用的是IEEE754标准（用来规定浮点在计算机中二进制的表示格式），浮点数值如果不加f修饰默认是Double型，Float（单精度）是32位，Doule（双精度）是64位的。

单精度和双精度在存储中，分为三个部分：

1. 符号位子（Sign）：0代表正，1代表负；
2. 指数位（Exponent）：用于存储科学技术法中的指数数据；
3. 尾数部分（Fraction）：存储科学计数法后面的尾数部分；

这3个部分，在单精度和双精度数据所占的字节数是不同的，具体如下图：

32位 符号位：1 bit 指数位：8 bits 尾数部分： 23 bits Bias：127(2^7-1)

64位 符号位：1 bit 指数位：11 bits  尾数部分： 52 bits Bias：1023(2^10-1)

Bias是固有常量，之后将二进制转化为十进制的小数点会用到。

2.1 分类

在说将上面的二进制格式转换为十进制小数点前，需要将浮点型数据做个分类：(以32位为例)

S(1位)    E(8位)        M(23位)    N(32位)  
符           0                0            (-1)^S*2^-126*(0.M) 为规格化数（+/- 0.0）
              0               不等于0      (-1)^S*2^-126*(0.M)为非规格化数
号       1到254之间    不等于0    (-1)^S*2^E-127*(1.M) 为规格化数
              255           不等于0      NaN(非数值) 
位           255            0           无穷大

（1）其中NaN之间也可以是不等的，原因就是M部分的数值可以是不同的。
（2）浮点中是有0是有正负的，但它们的值是一样大的。
（3）第二类非规格化数可以扩大浮点型的大小范围，但转化方式要特别注意。java中的最小值就是这种类型，二进制位000......001，最后结果1.4E-45。
（4）java中任何正数/0为正无穷，任何负数/0为负无穷。 

2.2 二进制向十进制小数点转换

注意：此公式只适用于第三类规格化数。

转化公式：
（1）32位
ｘ＝(－1)^s×(1.Ｍ)×2^Ｅ－127 　e＝Ｅ－127（127就是Bias）
（2）64位
ｘ＝(－1)^s×(1.Ｍ)×2^Ｅ－1023 　　　e＝Ｅ－1023（1023就是Bias）
其中，s是符号位，M是尾数，E是阶码，e是实际的指数值
将S，M，E带入转化为十进制，最后计算的x结果，即是十进制的小数。

逆向转化：
ex：-3.75
(1) 首先转化为2进制表示(关键就是转化成2进制科学技术形式)
−3.75=−(2+1+1/2+1/4)=−1.111×2^1
(2) 整理符号位并进行规格化表示
−1.111×2^1=(−1)(1)×(1+0.1110 0000 0000 0000 0000 000)×2^1
(3) 进行阶码的移码处理
(−1)(1)×(1+0.1110 0000 0000 0000 0000 000)×2^1
=(−1)(1)×(1+0.1110 0000 0000 0000 0000 000)×2^(128−127)
于是，符号位S=1，尾数M为1110 0000 0000 0000 0000 000阶码E为128=1000 00002,则最终的32位单精度浮点数为1 1110 0000 0000 0000 0000 000 1000 0000

3. 总结

有了以上知识，就可以解释刚开始提出的问题了，其实答案很简单，对于一些小数，是没有完美的二进制与其对应的，只能取它尽可能近似的值，比如1.1，是无法完美转化成二进制的，所有就有了结果的误差。