【功能测试技巧2】dubbo引起的数据精度的思考

1.引言

1.1引入背景

我们目前使用的所熟知的公司的保险系统，好多涉及计算金额的字段，开发都将这类变量定义为Double类型，举例请看下表：

字段	定义类型	来源系统
Premium【保费】	double	承保系统
PlanFee【应收应付金额】	double	收付系统
EstimateLoss【估损金额/报案金额】	double	理赔系统

1.2场景重现

所在项目涉及的是接口测试，寺库商户系统每向样光信保发送一笔订单，在阳光信保进行承保；有承保自然会出现理赔场景；当寺库商户将一笔订单的逾期报案信息发送到阳光信保理赔系统时，信保接口接收一笔索赔金额时报错；自己测试也没有问题，进行查找后发现是double类型精度问题所导致；

2.分析

2.1产生原因

接口传送过来的报文以JSON形式进行交互，每个字段都定义为String类型；寺库逾期报案金额=逾期本金+逾期利息之和即[EstimateLoss=balance+int]：

具体举例如下：

Balance=121.57

Int=4.83

此时EstimateLoss=balance+int=121.57+4.83=126.40；但是当balance本金与int利息进入理赔系统，按照double方式进行接收相加的结果如下图在Eclipse里运行的结果：

了然了吧，理赔系统会拿126.39999999999999与接口报文中实际传送的129.40做比较，肯定不相等，从而触发了报案的报案金额一定要和本金+利息之和相等这条需求；

2.2解决方案

采用Java 浮点数精确计算 BigDecimal方式进行处理；

第一：即先将两个String类型的本金和利息直接接收到理赔系统；

      将String类型的EstimateLoss报案金额直接接收到理赔系统，

为Double类型；

第二：将String类型的本金和利息分别转换为BigDecimal；

第三：将本金与利息之和是BigDecimal类型的，在还原成理赔系统识别的Double类型，在拿去和EstimateLoss报案金额做比较；

最后在构造为BigDecimal实现相加。

即按照如下代码实现：涉及减法、乘法、除法的浮点型精度也需要考虑测试的是哪种数据类型；

 public static double sub(double v1,double v2){

        BigDecimal b1 = new BigDecimal(Double.toString(v1));

        BigDecimal b2 = new BigDecimal(Double.toString(v2));

        return b1.subtract(b2).doubleValue();

    }

运用BigDecimal进行运算结果如下：

 

2.3分享说明

希望今后大家测试接口或者其他涉及金额的问题时，一定要事先向开发咨询其定义的和金额有关的变量，定义的数据类型是什么，如果是浮点型的Float或Double，那么这样的变量进行运算的时候就会出现精度问题，需要格外注意；

一般情况下：

两个（或以上）的Float类型的数据进行数学运算，会产生精度丢失问题；

两个（或以上）的Double类型的数据进行数学运算，会产生精度丢失问题；

一个Float类型与另一个Double类型的数据进行数学运算，会产生精度丢失的问题；

所以测试涉及小数（一般是金额相加减的时候）需要明确的内容：

1.两个相加字段，在开发程序里定义的数据类型是什么；

  一般直接定义为BigDecimal，不要想当然的认为就没有问题，要看它是否自始至终都是BigDecimal类型的数据进行操做，如果不是，请注意：因为只有String直接转BigDecimal才不会有精度丢失错误，将float或者double转成BigDecimal也会出现数据精度丢失问题；

   2.熟悉一般类型哪些小数进行数学运算会报数据精度丢失问题，数据精度丢   失原因这里不做介绍，可以自行百度；一般给自己准备上几组，遇到这类问题的时候将这几组数据套用进去验证一下；

3.一般容易出现这种问题的数据验证组合如下（包括但不局限以下实例）：

323.34-4.85

121.54-4.83

121.57+4.83

4.015*100

123.3/100

2.4延伸扩展

从精度问题引申到我们平时需要注意有些字段，开发定义的数据类型会影响精度；

有时还要留意JAVA数据内部默认赋值的特性；

Int数据类型默认值为0

String类型默认值为NULL

Boolean类型的默认值为false；

当我们测试规则引擎的时候，有些时候定义只有某一个值为0的时候才会触发规则，当系统处理异常时有可能不能返回正常数据的值，此时如果默认为int型的数据将会默认返回0，使得系统默认这条数据触发了规则，从而使风控规则失真；

3.希望

希望通过本文档的书写，使得在测试金额等涉及精度问题的时候，能够快速的意识到精度风险，当然也不要草木皆兵，先向开发了解清楚程序内部定义的数据类型是什么。总之，希望大家都能耳聪目明，叫精度丢失问题在我们面前无所遁形；

转载于:https://www.cnblogs.com/haibaowang/p/6733498.html