为什么有精度问题

1. 首先，计算机中如何存储小数是一个叫做IEEE标准决定的
2. Java中float占32位，其中第三十一位为符号位 s， 第三十位到第二十三位为指数位，，剩余第二十二位到 第一位为有效数字位，也就是说，一个小数用IEEE浮点标准表示为

1. 1. 理解：因为M表示的是11001这样子的零一序列
   2. M * 2^E 其实就是把M这些数字序列往做或者往右挪动E位
2. 有一句话是： 浮点数只是对小数的粗糙近似，而不是其完全刻画
   1. 在任何两个不相等的实数中，存在着无数个两两不等的实数，但是这一点在浮点数中无法体现

1. 1. 在这两个浮点数中间 01111110100000000000000000000001 和 01111110100000000000000000000000的差值高达1.014 * 10的31次方他们中间应该存在着无数个实数
   2. 但是在浮点数中，他们是相邻的，两者间不存在任何数
   3. 这就是计算机中存在的浮点数问题
2. 继续看一个十进制小数转换为二进制小数的例子，二进制和十进制小数的表示存在相同点也存在不同点，二进制小数点后表示的是2的负幂，十进制小数表示的是10的负幂 比如78.375
   1. 整数部分

1. 1. 小数部分

1. 1. 所以 78.375的二进制形式就是1001110.011
   2. 然后，根据符号位，尾数，阶码的表示方式，就有了

1. 那么就有一个问题：因为第三点提到的精度问题，在第四点中的小数转换部分，会不会有可能出问题？换句话说，因为浮点数无法完全刻画所有小数，那就是说有的小数无法在浮点数中找到对应的表示方式?
   1. 答案是肯定的
   2. 这就可以解释java中使用小数进行加减乘除有时候出现的“奇怪的问题了”
      1. 可能是等号左边的参数本身无法用浮点数进行完全刻画
      2. 可能是计算结果无法用浮点数完全刻画
      3. 或者都是