float单精度存储限制源于ieee 754对32位的固定划分：1位符号、8位指数（偏移127，范围约−126~+127）、23位尾数（隐含前导1，十进制精度约6~7位），非缺陷而是精度换范围的设计取舍。
float 的单精度存储限制源于 IEEE 754 标准对 32 位空间的固定划分，不是实现缺陷，而是设计取舍的结果。
32 位怎么分：符号、指数、尾数
一个 float 占 4 字节（32 位），严格拆成三段：
- 符号位 1 位：0 表正，1 表负
- 指数位 8 位：带偏移量 127，实际指数范围约 −126 到 +127
- 尾数位 23 位：隐含前导 1，实际精度对应 24 位二进制，换算为十进制约 6～7 位有效数字
精度上限很实在：不是“不准”，是“不够存”
它不承诺小数点后几位精确，而是保证整个数字最多前 6～7 位能被区分。超出部分会被截断或舍入：
- 123456.789f 和 123456.789123456f 存入后输出相同 → 第 7 位之后信息丢失
- 16777216（2²⁴）是它能精确表示的最大连续整数；+1 后可能仍显示为原值
- 2324234234234234f + 1 == 2324234234234234f 返回 true → 当前可表示值间距已大于 1
哪些场景会踩坑
问题不在 float 本身，而在业务是否依赖“精确相等”或“零误差累积”：
- 金额计算（0.1 元 + 0.2 元 ≠ 0.3 元）
- 主键、唯一编号、配置阈值判断（x == 0.5f 可能永远不成立）
- 循环计数（for (float x = 0; x != 1; x += 0.1f) 易死循环）
什么情况下可以用
只要误差在可接受范围内，float 效率高、占内存少：
- 图形坐标、动画插值（像素级误差无感）
- 传感器原始读数（硬件本身就有噪声）
- 归一化系数、透明度（alpha = 0.7f）、模型权重（训练过程容许抖动）
需要精确小数运算时，用 BigDecimal("0.1") 或整数单位（如金额存“分”）更可靠。
