Java浮点数用二进制科学计数法逼近十进制小数，遵循IEEE 754标准，float（32位）精度约6–7位、double（64位）约15–16位；0.1因二进制无限循环而无法精确表示，导致0.1+0.2≠0.3；比较需用误差容限，高精度场景应使用字符串构造的BigDecimal。

Java浮点类型不是“小数的直接表示”，而是用二进制科学计数法逼近十进制小数。精度问题不是bug，而是IEEE 754标准在有限位宽下的必然结果；内存存储结构决定了它能精确表示哪些数、为何0.1 + 0.2 ≠ 0.3。

float与double的内存布局差异

两者都按IEEE 754规范拆分为三部分：符号位、指数位、尾数位（也称有效数字位），但位宽不同，导致精度与范围显著不同：

• float（32位）：1位符号 + 8位指数（偏移量127）+ 23位尾数 → 实际有效精度约6–7位十进制数字，可表示范围约±10⁻³⁸ 到 ±10³⁸
• double（64位）：1位符号 + 11位指数（偏移量1023）+ 52位尾数 → 实际有效精度约15–16位十进制数字，可表示范围约±10⁻³⁰⁸ 到 ±10³⁰⁸

关键细节：尾数位隐含一个前导1（归一化形式），所以float实际有24位精度、double有53位——但这仍是二进制精度，不等于十进制精度。

为什么0.1无法被精确存储？

因为0.1的十进制小数在二进制中是无限循环小数：
0.1₁₀ = 0.00011001100110011…₂（循环节“0011”）
float或double只能截断保存有限位，于是存入的是近似值，如double存的是≈0.10000000000000000555…

这种误差在单次运算中微乎其微，但会累积：

Java 接口排错助手

在调试 Java 后端 API 故障时使用此技能，尤其适用于以下任务：分析日志、跨 Controller、Service 和 Mapper 层追踪请求、定位异常根因、检查 SQL 执行或参数流转，以及生成简洁的诊断结论与修复方案。

下载

• 连续加0.1十次，结果≠1.0
• 金融计算中0.1元 × 10 ≠ 1.0元（严格意义上）
• 大整数转float后+1可能仍等于原值（如2³²以上整数在float中无法区分相邻值）

浮点比较与使用避坑要点

直接用==判断两个浮点数是否相等，99%会出错。正确做法是引入误差容限（epsilon）：

• 用Math.abs(a - b) 代替a == b（double场景常用1e-10～1e-15）
• float建议用1e-6级别容限，因本身精度仅约1e-7
• 避免混合使用float/double参与同一计算链（如float f = 0.1f; double d = f + 0.2;），隐式提升会放大不一致
• 非必要不使用float——现代JVM和硬件对double运算效率已接近float，且double精度更安全

高精度场景必须用BigDecimal

当业务要求“绝对精确”（如金额、税率、科学常量、审计数据），float/double必须让位：

• BigDecimal基于十进制字符串构造（new BigDecimal("0.1")），避免二进制转换失真
• 所有算术操作需显式调用add()、multiply()等方法，并指定舍入模式（如RoundingMode.HALF_UP）
• 不要用BigDecimal.valueOf(double)传原始小数——它会先走double的不精确路径；应始终用字符串构造
• 注意性能开销：BigDecimal是对象，运算比原生浮点慢得多，仅在必要时启用

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