1、典型问题
问题一：条件判断超预期
1System.out.println(1f == 0.9999999f) // false 2System.out.println(1f == 0.99999999f) // true
问题二：数据转换超预期
1float f = 1.1f; 2double d = (double)f; 3System.out.println(f); // 1.1 4System.out.println(d); // 1.100000023841858
问题三：基本运算超预期
1System.out.println( 0.2 + 0.7 ); // 0.8999999999999999
问题四：数据自增超预期
1float f1 = 8455263f; // 7位数 2for (int i = 0; i < 10; i++) { 3 System.out.println(f1); 4 f1++; 5} 6// 打印：8455263.0 7// 打印：8455264.0 8// 打印：8455265.0 9// 打印：8455266.0 10// 打印：8455267.0 11// 打印：8455268.0 12// 打印：8455269.0 13// 打印：8455270.0 14// 打印：8455271.0 15// 打印：8455272.0 16 17float f2 = 84552631f; // 8位数 18for (int i = 0; i < 10; i++) { 19 System.out.println(f2); 20 f2++; 21} 22// 打印：8.4552632E7 23// 打印：8.4552632E7 24// 打印：8.4552632E7 25// 打印：8.4552632E7 26// 打印：8.4552632E7 27// 打印：8.4552632E7 28// 打印：8.4552632E7 29// 打印：8.4552632E7 30// 打印：8.4552632E7 31// 打印：8.4552632E7
2、浮点数的精度问题
浮点数在计算机中的存储方式遵循IEEE 754 浮点数计数标准，可以用科学计数法表示为：
对于float和double两种浮点数在内存中的存储结构如下图所示：
1、符号部分（S）
- 0-正
- 1-负
2、阶码部分（E）(指数部分)
- 对于float型浮点数，指数部分8位，考虑可正可负，因此可以表示的指数范围为-127 ~ 128
- 对于double型浮点数，指数部分11位，考虑可正可负，因此可以表示的指数范围为-1023 ~ 1024
3、尾数部分（M） 浮点数的精度是由尾数的位数来决定的：
- 对于float型浮点数，尾数部分23位，换算成十进制就是 2^23=8388608，所以十进制精度只有6 ~ 7位；
- 对于double型浮点数，尾数部分52位，换算成十进制就是 2^52 = 4503599627370496，所以十进制精度只有15 ~ 16位
所以，上述0.99999999f超出float型浮点数据的精度范围。
3、如何解决精度问题
- 用字符串或者数组解决多位数问题
- Java的大数类：BigDecimal、BigInteger
1BigDecimal num3 = new BigDecimal( Double.toString( 1.0f ) ); 2BigDecimal num4 = new BigDecimal( Double.toString( 0.99999999f ) ); 3System.out.println( num3 == num4 ); // 打印 false 4 5BigDecimal num1 = new BigDecimal( Double.toString( 0.2 ) ); 6BigDecimal num2 = new BigDecimal( Double.toString( 0.7 ) ); 7 8// 加 9System.out.println( num1.add( num2 ) ); // 打印：0.9 10 11// 减 12System.out.println( num2.subtract( num1 ) ); // 打印：0.5 13 14// 乘 15System.out.println( num1.multiply( num2 ) ); // 打印：0.14 16 17// 除 18System.out.println( num2.divide( num1 ) ); // 打印：3.5
局限性：大数类的运算效率肯定是不如原生类型效率高，代价还是比较昂贵的，是否选用需要根据实际场景来评估。