arrays.binarysearch处理浮点数的核心问题是nan、±0.0等特殊值语义不一致及二分对相等性判断的严格依赖；java通过doubletolongbits实现位级比较确保nan相等、±0.0区分，并要求排序与查找逻辑一致。
Arrays.binarySearch 处理浮点数时，核心问题不在“精度丢失”，而在 NaN、±0.0 等特殊值的语义不一致，以及二分查找逻辑对相等性判断的严格依赖。Java 的实现已内置应对机制，但开发者需主动配合才能避免误判。
浮点数查找必须用 doubleToLongBits 做等值判断
直接用 == 比较 double 值在二分中不可靠：NaN != NaN，+0.0 == -0.0 但位模式不同。Arrays.binarySearch 内部调用 Double.doubleToLongBits() 将浮点数转为 long 位表示后再比对，确保：
- 两个 NaN 被视为相等（统一映射为 0x7ff8000000000000L）
- +0.0 和 -0.0 被区分（符号位不同 → 位模式不同 → 不相等）
- 所有合法数值按 IEEE 754 位序自然排序，与
Double.compare()一致
排序和查找必须使用同一比较逻辑
若用 Arrays.sort(double[]) 排序，默认按 Double.compare() 行为；binarySearch 也基于相同规则。二者不匹配就会出错：
- 错误做法：先用
(a, b) -> Double.compare(Math.abs(a), Math.abs(b))自定义排序，再用普通 binarySearch 查找 —— 结果无效 - 正确做法：排序和查找都走标准流程；如需绝对值序，应统一用
DoubleStream.sorted(Comparator.comparingDouble(Math::abs))转为 List 后自定义查找 - 对象数组（如
Double[]）可用Arrays.binarySearch(arr, key, Comparator.comparingDouble(d -> d))显式传入比较器
插入点计算仍可靠，但“未找到”不等于“值不存在”
返回负值（如 -3）表示插入点为 2，这个位置计算是精确的，不受浮点误差影响。但要注意：
- 若目标 key 是 0.1，而数组中存的是
0.10000000000000000555（double 表示），binarySearch 仍能命中——因为位比较一致 - 若 key 是 NaN，它永远找不到（因 NaN 不等于任何值，包括自身），总会返回负插入点（插在开头）
- 建议：对业务敏感的浮点查找（如金融），优先转 BigDecimal 存储 + 字符串排序，或改用误差容忍的线性扫描（
Math.abs(a - b) ）
实际建议：多数场景别用浮点 binarySearch
除非明确需要 O(log n) 性能且数据天然有序，否则更稳妥的做法是：
- 用整数倍放大（如价格 × 100 存为 long）后查，彻底规避浮点问题
- 对小数组（Arrays.stream(arr).anyMatch(x -> Math.abs(x - target)
- 真要查 double 数组，务必确保：数组非 null、不含 NaN、排序与查找逻辑一致、不依赖重复值的边界位置
