java浮点数因ieee 754二进制表示导致精度问题，应依场景选型：金融用bigdecimal（字符串构造、方法运算、compareto比较），金额等固定精度用整数单位（如“分”），浮点比较须用epsilon误差范围。
Java 中浮点数（float 和 double）用 IEEE 754 标准存储，本质是二进制近似表示十进制小数，导致很多看似简单的计算出现意外结果，比如 0.1 + 0.2 != 0.3。这不是 Java 的 Bug，而是所有遵循该标准的编程语言共有的底层限制。解决问题的关键不是“修复浮点数”，而是根据场景选择合适的数据类型和计算策略。
用 BigDecimal 替代 double 做精确十进制运算
金融、会计、价格计算等对精度零容忍的场景，必须避免 float/double。BigDecimal 是首选——它以字符串或整数构造，内部用整数比例模拟十进制，不引入二进制舍入误差。
- 永远用
new BigDecimal("0.1")或BigDecimal.valueOf(0.1)构造，绝不用new BigDecimal(0.1)（后者会先让 double 出错再包装） - 所有算术操作用方法：add()、subtract()、multiply()、divide()，其中 divide() 必须指定
MathContext或RoundingMode（如divide(other, 2, RoundingMode.HALF_UP)） - 比较用
compareTo()（返回 -1/0/1），不用equals()（后者会比较 scale，new BigDecimal("1.0").equals(new BigDecimal("1"))返回 false）
用整数单位规避小数计算
对固定精度的业务（如金额以“分”为单位、时间以“毫秒”为单位），直接用 long 或 int 存储整数倍，彻底绕开浮点数。
- 价格统一存为“分”：19.99 元 → 1999 分，所有加减乘除都在整数域完成
- 需要显示时再除以 100，并用
String.format("%.2f", amount / 100.0)或DecimalFormat格式化（注意：此处仅用于展示，不参与计算） - 优势：无精度损失、性能高、逻辑清晰；缺点：需人工管理单位换算，不适合动态精度场景
浮点数比较必须用误差范围（EPSILON）
当必须使用 double（如科学计算、图形渲染），绝不能用 == 直接比较两个浮点数是否相等。
- 定义一个足够小的阈值，例如
final double EPSILON = 1e-10; - 判断相等：
Math.abs(a - b) - 判断大小：用
a - b > EPSILON代替a > b，用b - a > EPSILON代替a - 注意：EPSILON 要与数值量级匹配，大数（如 1e10）可能需要更大 epsilon，可考虑相对误差
Math.abs(a - b)
避免累积误差：重设计算顺序与中间变量
多个浮点数连续运算时，误差会传播放大。可通过调整算法结构降低影响。
- 求和时优先用
Math.fma()（融合乘加，JDK9+），或使用 Kahan 求和算法补偿舍入误差 - 避免
a / b * c这类易溢出/失精度写法，改用a * c / b（若数学上等价且更安全） - 对数组统计，先排序再从小到大累加，减少小数被大数“吞掉”的风险
- 关键中间结果及时转成 BigDecimal 或整数暂存，尤其在循环中反复叠加时
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
