java 计算机如何存储小数_浮点类型是如何存储的

计算机如何存储字节

计算机中最小的存储单位是bit只能保存0和1，整数在内存中如何存储我们都知道，将要存储的数字转成2进制即可

用windows自带的计数器可以方便的查看整数对应的2进制值

如：

byte类型(单字节)

十进制

二进制

8

0000 1000

9

0000 1001

100

0110 0100

-5

1111 1011

-8

1111 1000

第一位为符号位，负数等于正数取反 +1

那浮点类型是如何用这么少的字节(如float 4字节)表示这么大(float 最大 3.4028235E38)的数字呢？

浮点类型是如何存储的

浮点数

浮点数，是属于有理数中某特定子集的数的数字表示，在计算机中用以近似表示任意某个实数。具体的说，这个实数由一个整数或定点数(即尾数)乘以某个基数(计算机中通常是2)的整数次幂得到，这种表示方法类似于基数为10的科学计数法。

科学计数法

科学计数法是一种记数的方法。把一个数表示成a与10的n次幂相乘的形式(1≤|a|<10，a不为分数形式，n为整数)，这种记数法叫做科学计数法。当我们要标记或运算某个较大或较小且位数较多时，用科学计数法免去浪费很多空间和时间。

java中的浮点数字遵循 IEEE 754 标准

这也是一种目前最常用的浮点数标准！为许多CPU与浮点运算器所采用。

简单的说就是将一个浮点数字拆成3个部分(符号部分、指数部分、小数部分) 存储在连续的bit中，类似科学计数法。

用 {S，E，M}来表示一个数 V 的，即 V =(-1)S × M × 2E，如下：

S(符号位)

E(指数位)

M(有效数字位)

其中：

符号位 s(Sign)决定数是正数(s＝0)还是负数(s＝1)，而对于数值 0 的符号位解释则作为特殊情况处理。

有效数字位 M(Significand)是二进制小数，它的取值范围为 0~1 。它也被称为尾数位(Mantissa)、系数位(Coefficient)，甚至还被称作“小数”。

指数位 E(Exponent)是 2 的幂(可能是负数，为了表示负数实际指数需要加一个偏移量)，它的作用是对浮点数加权。

IEEE 754浮点数规范

+- d.ddd...d * β^e (0 <= di < β)

其中d.dd...d 为有效数字，β为基数，e 为指数

有效数字中 数字的个数 称为精度，我们可以用 p 来表示，即可称为 p 位有效数字精度。

每个数字 d 介于 0 和基数 β 之间，包括 0。

十进制表示

对十进制的浮点数，即基数 β 等于 10 的浮点数而言，上面的表达式非常容易理解。

如 12.34，我们可以根据上面的表达式表达为：

1×101 + 2×100 + 3×10-1 + 4×10-2

其规范的浮点数表达为：1.234×101。

二进制表示

但对二进制来说，上面的表达式同样可以简单地表达。

唯一不同之处在于：二进制的 β 等于 2，而每个数字 d 只能在 0 和 1 之间取值。

如二进制数 1001.101，我们可以根据上面的表达式表达为：

1×23 + 0×22 + 0×21 + 1×20 + 1×2-1 + 0×2-2 + 1×2-3

其规范浮点数表达为：1.001101×23。

二进制转换为十进制

二进制数 1001.101 转成十进制如下：

= 1 × 23 + 0 × 22 + 0 × 21 + 1 × 20 + 1 × 2-1 + 0 × 2-2 + 1×2-3

= 8 + 0 + 0 + 1 + 1/2 + 0 + 1/8

= 9又1/8 (9又8分之1)

= 9.625

由上面的等式，我们可以得出：

向左移动二进制小数点一位相当于这个数除以 2，而向右移动二进制小数点一位相当于这个数乘以 2。

如 101.11 = 5又3/4 (5.75)，向左移动一位，得到 10.111 = 2又7/8 (2.875)。

除此之外，我们还可以得到这样一个基本规律：

一个十进制小数要能用浮点数精确地表示，最后一位必须是 5(当然这是必要条件，并非充分条件)。

如下面的示例所示：

二进制小数

2的多少次方

十进制的小数

0.1

2-1

0.5

0.01

2-2

0.25

0.001

2-3

0.125

0.0001

2-4

0.0625

0.00001

2-5

0.03125

0.000001

2-6

0.015625

...

...

...

十进制转换为二进制

基本换算方法：

将10进制的数拆分成整数和小数两个部分

整数部分除以2，取余数；小数部分乘以2，取整数位。

示例：

将十进制 1.1 转成 二进制

整数部分：1

1

小数部分：0.1

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

0.4 *2 = 0.8 -> 0

0.8 *2 = 1.6 -> 1

0.6 *2 = 1.2 -> 1

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

0.4 *2 = 0.8 -> 0

0.8 *2 = 1.6 -> 1

......

二进制形式表示为：

1.000110011001100110011...

再将上面的数换算成10进制

1 + 1/16 + 1/32 + 1/256 + 1/512 + ...

约等于

(32 + 16 + 2 + 1)/512

约等于

51/512

约等于

0.099609375

再加上整数1，约等于：

1.099609375

计算的位数越多越精确

注意：

二进制小数不像整数一样，只要位数足够，它就可以表示所有整数。

在有限长度的编码中，二进制小数一般无法精确的表示任意小数，比如十进制小数0.2，我们并不能将其准确的表示为一个二进制数，只能增加二进制长度提高表示的精度。

十进制的0.2 转换成二进制为：0.00110011001100110011001100110011001100110011001100110......

java API 中对Double 和 Float 类型的描述

Double 双精度浮点数 64bit (8byte)

根据 IEEE 754 浮点“双精度格式”位布局。

第 63 位(掩码 0x8000000000000000L 选定的位)表示浮点数的符号。

第 62-52 位(掩码 0x7ff0000000000000L 选定的位)表示指数。

第 51-0 位(掩码 0x000fffffffffffffL 选定的位)表示浮点数的有效数字(有时也称为尾数)。

如果参数是正无穷大，则结果为 0x7ff0000000000000L。

如果参数是负无穷大，则结果为 0xfff0000000000000L。

如果参数是 NaN，则结果为 0x7ff8000000000000L。

Float 单精度浮点数 32bit (4byte)

根据 IEEE 754 浮点“单一格式”位布局。

第 31 位(掩码 0x80000000 选定的位)表示浮点数的符号。

第 30-23 位(掩码 0x7f800000 选定的位)表示指数。

第 22-0 位(掩码 0x007fffff 选定的位)表示浮点数的有效位数(有时也称为尾数)。

如果参数为正无穷大，则结果为 0x7f800000。

如果参数为负无穷大，则结果为 0xff800000。

如果参数为 NaN，则结果为 0x7fc00000。

掩码位说明

这里以 double类型说明

第 63 位(掩码 0x8000000000000000L 选定的位)表示浮点数的符号。

转成二进制

1000000000000000000000000000000000000000000000000000000000000000

第 62-52 位(掩码 0x7ff0000000000000L 选定的位)表示指数。

转成二进制

0111111111110000000000000000000000000000000000000000000000000000

第 51-0 位(掩码 0x000fffffffffffffL 选定的位)表示浮点数的有效数字(有时也称为尾数)。

转成二进制

0000000000001111111111111111111111111111111111111111111111111111

将一个浮点数与上面的掩码进行与运算，即可得到对应的 符号位、指数位、尾数位 的值。

这里的多少多少位是从右往左数的，当转成2进制不够64位时在前面补零即可

按照浮点数计算规范要求：(划重点)

符号为 1表示负数，0表示正数

指数 =(为了表示负指数，实际的指数需要加上一个值，双精度为 2e10-1 = 1023)= 实际指数 + 1023

有效数字省略了最高的一位1，去掉小数点左侧的 1，并用 0 在右侧补齐。

故前面十进制数(1.1)的二进制形式：

1.000110011001100110011...

用浮点类型表示：

符号位：0

指数为：0 + 1023 = 1111111111 = (不够11位前面补0) = 01111111111

有效位：000110011001100110011...

所以存为：

0 01111111111 000110011001100110011...

用java代码输出进行验证

System.out.println(Long.toBinaryString(Double.doubleToLongBits(1.1)));

//11111111110001100110011001100110011001100110011001100110011010

//这种情况前面要补两个0

//0011111111110001100110011001100110011001100110011001100110011010

System.out.println(Long.toBinaryString(Double.doubleToLongBits(-1.1)));

//1011111111110001100110011001100110011001100110011001100110011010

浮点数精度问题

根据 IEEE 754 规范

Float 单精度浮点数，有效位数只有23 bit位

Double 双精度浮点数，有效位数只有52 bit位

在二进制，第一个有效数字必定是“1”，因此这个“1”并不会存储。

单精和双精浮点数的有效数字分别是有存储的23和52个位，加上最左边没有存储的第1个位，即是24和53个位。

通过计算其能表示的最大值，换十进制来看其精度：

Float

二进制的24个1 => (二进制) 111111111111111111111111 => (计算) 2^24 - 1 => (十进制) 16777215 => (Float 精度最大8位数)

Double

二进制的53个1 => (二进制) 11111111111111111111111111111111111111111111111111111 => (计算)2^53 - 1 => (十进制)9007199254740991 => (Double 精度最大16位数)

为什么会丢失精度

浮点运算很少是精确的，只要是超过精度能表示的范围就会产生误差。而往往产生误差不是因为数的大小，而是因为数的精度。

我自己理解为分两种情况(这个不一定是对)

当有小数时，浮点数本身就不能精确记录其数值，只记了一个近似值，此时进行计算就很可能不对

有效位数不够用了，导致舍入

1、不能精确记录其数值

通过上面的转换示例，我们知道小数的二进制表示一般都不是精确的，在有限的精度下只能尽量的表示近似值

值本身就不是精确的，再进行计算就很可能产生误差

0.1+0.2=0.30000000000000004

示例代码：

double d1 = 0.1;

double d2 = 0.2;

double d3 = d1 + d2;

System.out.println(d3);

System.out.println("######################################");

System.out.println(new BigDecimal(d1));

System.out.println(new BigDecimal(d2));

System.out.println(new BigDecimal(d3));

System.out.println("######################################");

System.out.println(Long.toBinaryString(Double.doubleToLongBits(d1)));

System.out.println(Long.toBinaryString(Double.doubleToLongBits(d2)));

System.out.println(Long.toBinaryString(Double.doubleToLongBits(d3)));

输出：

0.30000000000000004

######################################

0.1000000000000000055511151231257827021181583404541015625

0.200000000000000011102230246251565404236316680908203125

0.3000000000000000444089209850062616169452667236328125

######################################

11111110111001100110011001100110011001100110011001100110011010

11111111001001100110011001100110011001100110011001100110011010

11111111010011001100110011001100110011001100110011001100110100

0.1

原始值： 0 01111111011 1001100110011001100110011001100110011001100110011010

指数：1019 -1023 = -4

二进制形式：

0.00011001100110011001100110011001100110011001100110011010

0.2

原始值：0 01111111100 1001100110011001100110011001100110011001100110011010

指数：1020 -1023 = -3

二进制形式：

0.001001100110011001100110011001100110011001100110011010

0.3

原始值：0 01111111101 0011001100110011001100110011001100110011001100110100

指数：1021 = -2

二进制形式：

0.010011001100110011001100110011001100110011001100110100

二进制加法运算

0.00011001100110011001100110011001100110011001100110011010

+

0.001001100110011001100110011001100110011001100110011010

=

0.010011001100110011001100110011001100110011001100110100

其他示例：

double a = 0.03;

double b = 0.01;

System.out.println(a - b);

//结果 0.019999999999999997

double x = 10.2;

double y = 10.03;

System.out.println(x + y);

//结果 20.229999999999997

double dx = 1.099999999999999999999999999999d;

System.out.println(dx);

//结果 1.1

double dy = 1.1000000000000000000000000000001d;

System.out.println(dy);

//结果 1.1

2、有效位数不够用

这里用float验证，float最大的精度是8位数

// 有效位数不够

float f = 1.23456789f;

System.out.println(f); // 1.2345679 最大只能有8位

System.out.println("=====================");

float f1 = 10000f;

System.out.println(f1); // 10000.0

float f2 = 1.123456f;

System.out.println(f2); // 1.123456

// 相加之后有效位数不够

float f3 = f1 + f2;

System.out.println(f3); // 10001.123 位数不够，后面的被省略了

关于舍入

对于不能精确的表示的数，采取一种系统的方法：找到“最接近”的匹配值，它可以用期望的浮点形式表现出来，这就是舍入。

对于舍入，可以有很多种规则，可以向上舍入，向下舍入，向偶数舍入。如果我们只采用前两种中的一种，就会造成平均数过大或者过小，实际上这时候就是引入了统计偏差。如果是采用偶数舍入，则有一半的机会是向上舍入，一半的机会是向下舍入，这样子可以避免统计偏差。而 IEEE 754 就是采用向最近偶数舍入(round to nearest even)的规则。

(这段是网上抄的)

其他

大端 小端问题

这里以java语言示例，用大端的方式示例(网络序)

java中是以大端模式存储的，java对我们屏蔽了内部字节顺序的问题以实现跨平台！

实际在不同的cpu架构下，存储方式不同，我们常用的X86是以小端的模式存储的。

网络传输一般采用大端序，也被称之为网络字节序，或网络序。IP协议中定义大端序为网络字节序。

测试代码

二进制字符串转成Double

public static void main(String[] args) {

// 4607632778762754458

String s = "0011111111110001100110011001100110011001100110011001100110011010";

System.out.println("二进制字符串 = " + s);

long l = Long.parseLong(s, 2);

System.out.println("转成Long = " + l);

double d = Double.longBitsToDouble(l);

System.out.println("再将Long转成Double = " + d);

}

输出：

二进制字符串 = 0011111111110001100110011001100110011001100110011001100110011010

转成Long = 4607632778762754458

再将Long转成Double = 1.1

写内存的方式转Double

/**

* bit字符串转Double

*

* @param bitStr 64位的01字符串

* @throws Exception

*/

public static void bit2Double(String bitStr) throws Exception {

String[] array = splitString(bitStr, 8);

System.out.println(Arrays.toString(array));

Unsafe unsafe = getUnsafe();

long address = unsafe.allocateMemory(8L);

for (int i = 0; i < array.length; i++) {

String bits = array[i];

byte bt = (byte) Integer.parseInt(bits, 2);

// 因为实际上是小端模式存储的，所以这里从后面开始写入

unsafe.putByte(address + (7 - i), (byte) bt);

}

long lVal = unsafe.getLong(address);

System.out.println("对应的long值是：" + lVal);

System.out.println(Long.toBinaryString(lVal));

double dVal = unsafe.getDouble(address);

System.out.println("转成Double 类型是：" + dVal);

System.out.println(Long.toBinaryString(Double.doubleToLongBits(dVal)));

}

public static String[] splitString(String source, int length) {

String[] array = new String[length];

for (int i = 0; i < length; i++) {

array[i] = source.substring(i * length, (i + 1) * length);

}

return array;

}

public static Unsafe getUnsafe() throws Exception {

Field f = Unsafe.class.getDeclaredField("theUnsafe");

f.setAccessible(true);

Unsafe unsafe = (Unsafe) f.get(null);

return unsafe;

}