1、原因分析
首先我们来看个反直觉的浮点数值计算
System.out.println(0.3*3);
有的同学可能要问为啥不是0.9？
首先要知道为什么会产生这个问题？我们知道计算机的底层世界都是由0和1组成的，而浮点数值就是采用二进制系统表示，常见两种基本的浮点类型： float 和 double。
其中单精度float为32位浮点数，1位符号，8位指数和23位尾数（小数部分）。
双精度double则为64位浮点数，1位符号，11位指数和52位尾数（小数部分）。
接下来我们先看下十进制小数转二进制的例子，例如将 0.3 转为二进制
0.3*2=0.6 //取整数0
0.6*2=1.2 //取整数1
0.2*2=0.4 //取整数0
0.4*2=0.8 //取整数0
0.8*2=1.6 //取整数1
0.6*2=1.2 //取整数1
0.2*2=0.4 //取整数0
0.4*2=0.8 //取整数0
0.8*2=1.6 //取整数1
......
二进制表示为：010011001......
可以看到计算开始循环，永远无法消除小数部分，根据精度不同会截取对应有效数字，所以小数的二进制有时候是不能精确的，就和我们十进制里不能准确表示1/3=0.33333333…是一个道理。
这种情况在计算时会造成了精度丢失，也就是舍入误差，对于金额计算会产生严重的后果。
2、解决方法
2.1、Java中使用 BigDecimal 类
我们先看下Java里面的BigDecimal类，构造方法如下
可以看到 BigDecimal 有好几个构造方法，BigDecimal(int)、BigDecimal(double)、BigDecimal(String)等，但是这里要保证精度不丢失，构造参数不要用double类型，因为double类型传入的时候本身就是不完全精确的。如下：
BigDecimal bd1=new BigDecimal("0.3");
BigDecimal bd2=new BigDecimal("3");
BigDecimal bd3=new BigDecimal(3);
System.out.println(bd1.multiply(bd2));
System.out.println(bd1.multiply(bd3));
扩展：在金融领域，也可以使用一些第三方库，例如
<dependency>
<groupId>org.javamoney</groupId>
<artifactId>moneta</artifactId>
<version>1.1</version>
</dependency>
里面的Money类对金额做了显性的抽象，增加了金额的单位，避免了直接使用 BigDecimal 踩一些坑。
2.2、JavaScript 中解决计算精度丢失的问题
解决方法：decimal.js
decimal.js为 JavaScript 提供十进制类型的任意精度数值，是使用的二进制来计算的，所以能解决js的精度问题。
官网：http://mikemcl.github.io/decimal.js
GitHub地址：https://github.com/MikeMcl/decimal.js
用法如下：
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title></title>
</head>
<body>
<script src='js/decimal.js'></script>
<script type="text/javascript">
var a=0.3*3;
console.log(a);
var b=0.1+0.2;
console.log(b);
//使用decimal
let a1 = new Decimal(0.3).mul(new Decimal(3));
console.log(a1.toNumber());
let b2 = new Decimal(0.1).add(new Decimal(0.2));
console.log(b2.toNumber());
</script>
</body>
</html>
结果如下：
// 加法
let c = new Decimal(a).add(new Decimal(b));
// 减法
let d = new Decimal(a).sub(new Decimal(b));
// 乘法
let e = new Decimal(a).mul(new Decimal(b));
// 除法
let f = new Decimal(a).div(new Decimal(b));
3、使用建议
针对浮点数值存储和计算，大佬超给大家简单罗列了以下几点看法，欢迎补充。
-
禁止通过判断两个浮点数是否相等来控制某些业务流程：在比较浮点数时，由于存在误差，往往会出现意料之外的结果。
-
整型存储其最小单位的值：在要求绝对精确表示的业务场景下，比如金融行业的货币表示，展示时可以转换成该货币的常用单位，比如人民币使用分存储，美元使用美分存储。
-
数组保存小数部分的数据：在要求精确表示小数点位的业务场景下，比如圆周率要求存储小数点后 1000 位数字，使用单精度和双精度浮点数类型保存是难以做到的。
-
数据库中保存小数时，推荐使用 decimal 类型。
更多技术干货，请持续关注程序员大佬超。
原创不易，转载请注明出处。