所以要赶紧补充一些高大上的浮点数知识吧
浮点数很重要
Go语言之父，Rob Pike大神曾经在微博吐槽过：不能掌握正则表达式或浮点数就不配当码农！
虽然原文已经被删除了（大神也有害怕的时候），还好我已经存档了：
You should not be permitted to write production code if you do not have an journeyman license in regular expressions or floating point math.
关于正则表达式已经有很多权威著作或入门教程（但是很多主流的编程语言的实现居然也藏了不少烂算法，性能被几十年前ed指数级吊打）。
但是讨论浮点数的资料则比较少。一般的编程图书也不会深入讨论浮点数。但是这并不代表浮点数不重要。实际上IEEE754之父，William Kahan正是因为浮点数标准化的工作获得了图灵奖。
为什么叫浮点数
人的生命是有限的，计算机的内存也是有限的。在主流的编程语言中，浮点数一般有32bit和64bit两种，分别对应单精度和双精度浮点数（有些地方还有半精度的浮点数），也就是说一个32bit的内存只能表达2^32种状态（大概40亿）！
但是实际上数从无穷小到无穷大范围异常的广泛。一个阿伏伽德罗常数要写成60221407600000000000000，十进制都要24位，32bit的二进制位根本不够用。此外像原子半径之类的数又非常之小，前面要用一垃圾0来填充。
为了少写很多0（因为纸张有限，内存也只有有限的32比特），懒惰的先贤们发明了科学记数法来表示很大或很小的数。科学记数法的思路就是用较少的指数来表示很大或很小数的系数。但是光有科学记数法还不行，比如60221407600000000000000*10^0依然没有节省纸张。只有规范化的科学记数法才能少写垃圾0，比如6.02*10^23看起来就很清爽了。而规范化的科学记数法中，有效位部分的小数点是随着指数发生变化的。
浮点数也是采用类似规范化的科学记数法的思路。而IEEE754是浮点数格式的国际标准，目前主流的编程语言都是采用这个标准。
浮点数的布局
这是C语言表示的float浮点数内存布局：
// Little endian
union ieee754_float {
float f;
/* This is the IEEE 754 single-precision format. */
struct {
unsigned int mantissa:23;
unsigned int exponent:8;
unsigned int negative:1;
} ieee;
/* This format makes it easier to see if a NaN is a signalling NaN. */
struct {
unsigned int mantissa:22;
unsigned int quiet_nan:1;
unsigned int exponent:8;
unsigned int negative:1;
} ieee_nan;
};
其中最低的23it是mantissa对应有效数字，然后是8bit的exponent表示指数，最高位的1bit表示符号位。需要注意的是指数部分采用移码表示，也就是exponent作为无符号数减去127得到的最终的指数。
为何float32只有6个精度
因为有效数字mantissa部分是23bit，而1<<23对应十进制的8388608，不能完整表示全部的7个十进制位，因此就只剩下6个有效数字了。因此fmt.Printf中的%f对应float32默认就只打印6个十进制数（因为多打印就超出mantissa的表示范围，不能准确表达）。
浮点数的诡异：浮点数有2个0
知道了浮点数的布局，就自然可以理解为什么浮点数会有2个0。因为浮点数有一个独立的符号位，只要吧0.0的符号位设置为负数就可以得到一个负数0:
fmt.Println(math.Float32frombits(0)) // 0
fmt.Println(math.Float32frombits(1<<31)) // -0
上面的代码通过在0的基础之上加1<<31将符号位设置为1，这样就得到了负0。
因此用浮点数作为map的Key时，可能会遇到一些诡异的事件。比如-0能取到0对应的值吗？
浮点数的诡异：没有0.3
第一次看到这个标题，有人可能有异议。证据在这里：
fmt.Println(0.3) // 打印出了0.3
但是作为一个杠精，我要说fmt.Println代码是有问题的，它可能作弊了，比如：
func fmt.Println(x) {
if x == 0.3 {
println("0.3")
}
}
fmt.Println内部打印的是字符串“0.3”，不是浮点数的0.3！
实际上fmt包真的是作弊了（而且作弊的算法也成了一门学问），不信看下面这个代码：
func main() {
fmt.Printf("%f\n", 0.3)
fmt.Printf("%.10f\n", 0.3)
fmt.Printf("%.20f\n", 0.3)
}
// Output:
// 0.300000
// 0.3000000000
// 0.29999999999999998890
每次输出的结果都不一样，这不是作弊是什么？fmt包作弊打印0.3的原因是因为IEEE754中不存在0.3这个数！
不相信的话可以换成0.5试试：
func main() {
fmt.Printf("%f\n", 0.5)
fmt.Printf("%.10f\n", 0.5)
fmt.Printf("%.20f\n", 0.5)
}
// 0.500000
// 0.5000000000
// 0.50000000000000000000
输出0.5时，就不会因为精度的变化导致输出结果发生抖动。
对于Go语言中，常量和变量的运算规则是不同的，因此0.1+0.2换成变量就会发生变化：
func main() {
var a = 0.1
var b = 0.2
fmt.Println(0.1+0.2, a+b)
}
// 0.3 0.30000000000000004
第一个输出是0.3，第二个居然不是0.3。还好我们已经知道没有0.3这个浮点数，因此第一个0.1+0.2的结果也不是0.3。不能表示0.3的原因是因为计算机采用的是二进制的科学记数法，而0.3无法通过用2的不同指数的状态组成得到。
不仅没有0.3，浮点数中缺少的数字多了去了。根据抽屉原理，float32只能表示2的32次方个状态，也就是40多亿个数。但是float32的值域可是已经大大超出了40亿的范围，因此里面必然有很多数在吃空饷。
无穷有正负
无穷在浮点数中对应一个特殊的数（或者说指数值最大的那种0）。参考前面的浮点数内存布局，指数有8个bit表示，最大的指数表示是255。
下面我们构造一个指数部分是255的0：
fmt.Println(math.Float32frombits(255<<23)) // +Inf
这样得到的就是一个正的无穷（255最大的指数表示穷，0有效位表示无）。
有了正无穷，得到负无穷就比较容易了。只要加一个符号标志位即可：
fmt.Println(math.Float32frombits(255<<23 + 1<<31)) // -Inf
用科学记数法表示是这样：0.0*2^(255-127)
Nan不是一个数，它表示的是一种bit模式
在IEEE754浮点数的指数值域中255是最重要的一个，因为无穷对应的指数就是255。在无穷中除了指数是255之外，有效位部分是0。那么问题来了，指数为255，有效位不是0的是啥玩意？
可以跑代码看看：
fmt.Println(math.Float32frombits(255<<23 + 1)) // NaN
fmt.Println(math.Float32frombits(255<<23 + 2)) // NaN
它们都是NaN，也就是Not-a-Number，非数不是数。NaN不是一个非数，而是一类非数。
Nan有个重要的特性，就是自己和自己都不相等（想想如果用它作为map的key会有什么效果）。Nan是非法的运算得来的，比如sqrt(-1)或0/0都是非数。
浮点数不满足结合率
浮点数不满足结合率，比如a+(b+c)和(a+b)+c不等价。具体原因和开头的x=x+1方程类似。
如果x=x+1成立，但是x=x+2并不一定成立。如果x!=x+2，那么显然它和x=(x+1)+1结果是不等价的。
四舍五入是错误的
四舍五入分为2个部分，四舍还是四舍，但是五入就不一定是五入了。还存在五舍的情形。五作为一个绝对中间的位置，凭什么总是要五入（借钱的人和还钱的人肯定也有不同的看法）？
那什么时候需要五舍？根据计算的结果长得是否漂亮，选择五舍或五入。
指数为什么要采用移码
在早年间，浮点数运算芯片是一个奢侈的玩意。码农们都不做浮点数运算。但是运气也有背的时候，比如需要给一个浮点数表示的数组排序。
正如凌凌漆所言，IEEE754并非浪得虚名。即使没有浮点数芯片，码农们依然可以快速给浮点数数组排序：将浮点数数组当中整数数字进行排序就可以了。
为何？因为浮点数数组有序的话，那么同样bit模式的整数数组依然是有序的。其中第一个原因是符号位保证有序，第二个原因是指数采用移码保证大指数较大，最后几十有效数字部分比较小数点部分大数字。
解浮点数方程: x+1=x
不是纯数学意义上的方程, 对应计算机的一个浮点数问题:
if((float)(x+1.0) == (float)(x)) { x = ? }
简单分析, ieee754中float采用23bit表示有效位, 再加省略的1, 共有24bit.
当结果超出24bit时, 小数部分被被丢失：
var a float32 = 1 << 24
var b float32 = a+1
fmt.Println(math.Float32bits(a)) // 1266679808
fmt.Println(math.Float32bits(b)) // 1266679808
因此浮点数运算是不满足结合率的！
浮点数分类
首先是符号位，根据符号位可以分为正数和负数两类（包括两种0）。不过符号位分类比较简单，这里忽略。
此外，根据指数位和有效数字部分的不同组合，可以分为以下几种：
switch {
case 指数 在 1-254 之间:
// 规范的浮点数（不是0，也不是很小的浮点数）
// 也就是小数点前是1，但是这位被省略了
// 我们平时见到的非0浮点数大多数都是这类
case 指数 == 0:
if 有效数 == 0 {
// 这是 0
} else {
// 非规范的浮点数，对应很小的浮点数
// 也就是小数点前是0，但是这位被省略了
}
case 指数 == 255:
if 有效数 == 0 {
// 无穷
} else {
// NaN
}
}
所以说指数部分是IEEE754的精髓。
浮点数在数轴的分布
浮点数分布不均匀：越靠近原点越密；同一指数阶码分布均匀。
课后习题
-
JSON为何没有支持int64类型？
-
可参与算术运算的float32数有多少个？，bit模式有多少种？
