BigDecimal适用于金融、会计等需精确小数运算的场景，以十进制整数加小数位数方式存储，构造宜用字符串，运算须调用方法并指定舍入模式，比较用compareTo()，避免用于高性能或纯整数场景。
BigDecimal 主要用于需要精确小数运算的业务场景，比如金融、会计、电商价格计算等，不能容忍浮点误差的地方。
金融与货币计算必须用 BigDecimal
float 和 double 无法准确表示 0.1、0.01 这类十进制小数，底层是二进制存储，会产生不可控的舍入误差。例如 0.1 + 0.2 != 0.3（结果为 0.30000000000000004）。而金融系统要求“分”级精度（两位小数），且加减乘除结果必须可预期、可审计。BigDecimal 以任意精度的十进制整数（unscaledValue）+ 小数位数（scale）方式存储，天然适配货币单位。
建议：
- 构造时优先使用字符串构造器：new BigDecimal("19.99")，避免 new BigDecimal(19.99)（后者会先转成 double，已失真）；
- 所有算术操作都调用对应方法（add()、multiply()、subtract()、divide()），不可用 + - * /；
- divide() 必须指定 scale 和 RoundingMode，如 divide(BigDecimal.TEN, 2, RoundingMode.HALF_UP)。
需要可控舍入规则的精确计算
科学计算或报表统计中，有时要求统一按“四舍五入”、“向上取整”或“银行家舍入”处理中间结果。BigDecimal 提供了完整的 RoundingMode 枚举（如 HALF_UP、HALF_EVEN），配合 setScale() 或带参数的运算方法，能明确控制每一步的精度和舍入行为。
通过Apache Tika Server REST API从1400多种文件格式中提取文本和元数据。处理PDF、DOCX、PPTX、电子邮件归档以及带有MIME类型检测的嵌入式文档提取。
常见做法：
- 统一设定业务所需的 scale（如金额用 2，利率用 6）；
- 所有中间结果及时调用 setScale(scale, mode) 截断或补零；
- 避免在链式调用中遗漏舍入，例如 a.multiply(b).add(c) 的结果可能有过多小数位，需显式 setScale。
高精度中间值暂存与比较
当算法涉及多步累加、连乘或幂运算，且最终结果虽可接受一定误差，但中间过程误差累积会导致偏差放大（如复利计算、汇率链式换算），此时用 BigDecimal 可保证每一步无损。另外，equals() 在 BigDecimal 中比较的是数值+精度（即 1.0 与 1.00 不相等），如需纯数值比较，应使用 compareTo() 方法返回 -1/0/1。
注意：
- 永远不要用 == 或 equals() 判等，改用 compareTo() == 0；
- 创建频繁时考虑缓存常用值（如 BigDecimal.ONE、BigDecimal.TEN）；
- 避免在循环中反复创建新对象，可复用中间变量或借助 stripTrailingZeros() 控制 scale。
不适合的场景要主动规避
BigDecimal 是对象，运算开销显著高于基本类型，不适合高频数学密集型场景（如图形渲染、实时信号处理、大规模模拟）。也不适合仅做整数运算（此时 long 更快更安全），或对性能极度敏感且允许微小误差的场合（如游戏物理、推荐分数粗算）。
替代思路：
- 纯整数金额可转为“分”用 long 存储（如 1999 表示 19.99 元）；
- 高性能批量计算可考虑 Apache Commons Math 的 BigReal 或专用数值库；
- 日志与调试时用 toPlainString() 而非 toString()，避免科学计数法干扰可读性。
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
