1
浮点数为什么不切确？
其实那句话自己就不切确， 相对切确一点的说法是： 我们码农在法式里写的10进造小数，计算机内部无法用二进造的小数来切确的表达。
什么是二进造的小数？ 就是形如 101.11 数字，留意，那是二进造的，数字只能是0和1。
101.11 就等于 1 * 2^2 +0 *2^1 + 1*2^0 + 1*2^-1 + 1*2^-2 = 4+0+1+1/2+1/4 = 5.75
下面的图展现了一个二进造小数的表达形式。
（公家号码农翻身注： 此图来自于《深切理解计算机系统》第2章）
从图中能够看到，关于二进造小数，小数点右边能表达的值是 1/2, 1/4, 1/8, 1/16, 1/32, 1/64, 1/128 ... 1/(2^n）
如今问题来了， 计算机只能用那些个 1/(2^n） 之和来表达十进造的小数。
我们来试一试若何表达十进造的 0.2 吧。
0.01 = 1/4 = 0.25 ,太大
0.001 =1/8 = 0.125 , 又太小
0.0011 = 1/8 + 1/16 = 0.1875 , 迫近0.2了
0.00111 = 1/8 + 1/16 + 1/32 = 0.21875 , 又大了
0.001101 = 1/8+ 1/16 + 1/64 = 0.203125 仍是大
0.0011001 = 1/8 + 1/16 + 1/128 = 0.1953125 那成果不错
0.00110011 = 1/8+1/16+1/128+1/256 = 0.19921875
已经很迫近了， 就如许吧。
那就是我说的用二进造小数没法切确表达10进造小数的含义。
2
浮点数的计算机暗示
那计算机内部详细是怎么暗示的呢？
计算机不成能供给无限的空间让法式去存储那些二进造小数。
它需要规定长度， 在Java 中， 供给了两种体例： float 和double ， 别离是32位和64位。
能够如许查看一下一个float的内部暗示（以0.09f为例）：
Float.floatToRawIntBits(0.09f)
你将会得到：1035489772， 那是10进造的， 转化成二进造， 在前面加几个0补足 32位就是：
0 01111011 01110000101000111101100
你能够看到它分红了3段：
第一段代表了符号(s) : 0 正数， 1 负数 ， 其实更准确的表达是 (-1) ^0
第二段是阶码(e)：01111011 ，对应的10进造是 123
第三段是尾数(M)
你看到了尾数和阶码，就会大白那其实是所谓的科学计数法:
(-1)^s * M * 2^e
关于0.09f 的例子，就是：
0101110000101000111101100 * (2^123)
仿佛不合错误，那必定远远大于0.09f !
那是因为浮点数遵照的是IEEE754 暗示法， 我们适才的s(符号) 是对的，但是 e(阶码)和 M（尾数）需要变更：
关于阶码e ， 一共有8位， 那是个有符号数， 出格是根据IEEE754 标准， 若是不是0或者255， 那就需要减去一个叫偏置量的值，关于float 是127
所以 E = e - 127 = 123-127 = -4
关于尾数M ，若是阶码不是0或者255， 他其实隐藏了一个小数点右边的一个 1 （节省空间，充实压榨每一个bit啊）。
即 M = 1.01110000101000111101100
如今写出来就是:
1.01110000101000111101100 * 2^-4
=0.000101110000101000111101100
= 1/16 + 1/64 + 1/128+ 1/256 + ....
= 0.0900000035762786865234375
你看那就是0.09的内部暗示， 很明显他比0.09更大一些， 是不切确的！
64位的双精度浮点数double是也是类似的， 只是尾数和阶码更长， 能表达的范畴更大。
符号位 ：1位
阶码 ： 11位
尾数： 52位
（公家号码农翻身注： 那个图也是来源于《深切理解计算机系统》第二章）
上面的例子0.09f 其实是所谓的规格化的浮点数， 还有非规格化的浮点数，那里就不展开了。
3
利用浮点数
因为浮点数暗示的那种“不切确性”或者说是“近似性”， 关于切确度要求不高的运算还行， 若是我们用float或者double 来做哪些要求切确的运算（例如银行）时就要小心了, 很可能得不到你想要的成果。
详细的改良办法保举各人看看《Effective Java》在第48条所保举的“利用BigDecimal来做切确运算”。
