Java基础教程（六）浮点数运算：Java浮点数的隐秘陷阱：为什么0.1+0.2≠0.3？

Java浮点数基于IEEE 754标准，使用二进制表示实数。其核心矛盾在于：多数十进制小数无法精确转为二进制（如0.1）。这导致：

1. 精度丢失：0.1f + 0.2f == 0.3f 返回false（实际值约为0.30000000000000004）
2. 累积误差：循环累加浮点数引发误差放大
3. 比较失效：直接使用==比较浮点数结果不可靠
4. 特殊值问题：NaN（非数）、无穷大需特殊处理

应对策略：

• 金融计算：换用BigDecimal（构造时务必用字符串！）
• 科学计算：明确误差范围，使用Math.abs(a-b) < EPSILON比较
• 整型替代：货币单位用分（整型）存储
• 库函数辅助：StrictMath确保跨平台一致性

浮点数的本质是精度与效率的权衡。理解其二进制表示机制（符号位、指数域、尾数域）是避开陷阱的关键。在需要绝对精确的场景，务必放弃float/double；在高性能计算中，则需通过误差控制与算法优化驾驭浮点之力。

---