Math.ulp() 提供与数值量级匹配的精度参照单位，用于判断浮点数差异是否属于固有表示局限；其值随数值增大而增大，符号不影响，零值需特殊处理，推荐以期望值或较大绝对值为基准选择容差。
直接用 == 判断两个浮点数是否“逻辑等价”常常不可靠，尤其当它们来自不同计算路径、含舍入累积或涉及小数常量（如 0.1 + 0.2）时。Math.ulp() 提供的不是绝对精度保障，而是**量化的、与数值量级匹配的精度参照单位**，能帮你判断差异是否属于浮点表示本身的固有局限——即：这个差值，是不是“本就无法避免”的。
理解 ulp 如何定义“可接受的接近”
ulp 是当前数值附近两个相邻可表示浮点数之间的间距。它告诉你：“在这个数附近，再小的变动，计算机也存不下。” 所以，若两数之差小于某个合理倍数的 ulp，就说明它们在当前精度下实质不可区分。
- ulp 随数值增大而增大：Math.ulp(1.0) ≈ 2.22e−16，Math.ulp(1e10) ≈ 1.8e−6 —— 比较大数时，容差自然放宽
- 对负数和正数结果相同：Math.ulp(-5.0) == Math.ulp(5.0)，符号不影响精度尺度
- 零值需单独注意：Math.ulp(0.0) 返回的是最小正规数的 ulp（约 4.9e−324），但实际中更常用 Math.ulp(Double.MIN_NORMAL) 或结合绝对阈值处理
推荐的 ulp 基准选择策略
容差基准决定比较的严格程度。不建议用任意一个操作数，而应选最能代表“期望精度水平”的参考值：
- 优先使用**期望值（expected）**：比如单元测试中验证
compute(x)是否等于理论值y，就用Math.ulp(y)。因为误差容忍应围绕你认定的“正确答案”展开 - 若无明确期望值，取两数中**绝对值较大者**：
Math.ulp(Math.max(Math.abs(a), Math.abs(b)))。这避免了因某数极小导致 ulp 过小、误判为不等 - 对可能含零或跨数量级的场景，可组合使用：先检查是否同号且都接近零（如
Math.abs(a) ），再进入 ulp 比较
实现一个稳健的 ulp 等价判定
以下是一个实用的 Java 辅助方法，支持指定容差 ulp 数（常见取 1～2）：
public static boolean nearlyEqual(double a, double b, int ulpTolerance) {
if (Double.isNaN(a) || Double.isNaN(b)) return false;
if (Double.compare(a, b) == 0) return true; // 处理精确相等（含 ±0.0）
<pre class="brush:php;toolbar:false;">double diff = Math.abs(a - b);
double ref = Math.max(Math.abs(a), Math.abs(b));
double unit = Math.ulp(ref != 0.0 ? ref : Double.MIN_NORMAL);
return diff <p>}</p>调用示例：nearlyEqual(0.1 + 0.2, 0.3, 2) 返回 true，因为误差约 4.4e−17，小于 Math.ulp(0.3) * 2 ≈ 8.3e−17。
什么情况下 ulp 判定会失效？
ulp 是工具，不是万能解。需警惕这些边界：
- 涉及**整数运算意图但用了 float/double**：比如金额计算。ulp 再小也掩盖不了二进制无法精确表示 0.01 的本质，此时应换 BigDecimal
- **超大指数运算后**：如
Math.pow(10.0, 308)接近 double 上限，ulp 可达 1e292，此时 “1 ulp 内” 已毫无意义，应改用相对误差或对数域比较 - **subnormal（非规格化）数区域**：ulp 极小但计算性能下降，且部分 JVM 实现对 subnormal 处理不一致，若业务关键，建议提前归一化或设绝对下限
