number.epsilon 是 javascript 中表示 1 与大于 1 的最小可表示浮点数之差的常量（≈2.22e-16），用于设定误差容忍边界，通过比较差值是否小于该值来安全判断浮点数近似相等，而非修复浮点运算本身。

JavaScript 中浮点数运算的误差无法彻底“解决”，但可以用 Number.EPSILON 来**合理判断两个浮点数是否足够接近，从而规避直接用 === 比较带来的误判**。它不是修复计算过程，而是提供一个科学的误差容忍边界。

什么是 Number.EPSILON？

Number.EPSILON 是 JavaScript 中表示“1 与大于 1 的最小可表示浮点数之间的差值”，其值约为 2.220446049250313e-16（即 2⁻⁵²）。它反映的是双精度浮点数在数值 1 附近能分辨的最小间隔。

注意：Number.EPSILON 不是全局最小精度，浮点数精度随数值大小变化（越大的数，相邻可表示数的间隔越大），所以它最适用于比较接近 1 的数；对其他数量级，需按比例缩放。

为什么直接比较浮点数会出错？

因为二进制无法精确表示很多十进制小数（如 0.1 + 0.2）：

Alibabacloud Sdk Client Initialization For Java

在 Java 中初始化和管理阿里云 SDK客户端。包括单例模式、线程安全、endpoint 与 region 配置、VPC 终端节点、同步与异步等。

下载

0.1 + 0.2 === 0.3 // false
0.1 + 0.2 // 0.30000000000000004

这不是 JS 的 bug，而是 IEEE 754 双精度浮点数的标准限制。直接用 == 或 === 判断等于，极易失败。

如何用 Number.EPSILON 做安全的相等判断？

核心思路：不检查“完全相等”，而检查“差值是否小于可接受的误差范围”。推荐写一个通用的近似相等函数：

• 基础版（适合数值在 1 左右）：
  

  function numbersEqual(a, b) {<br>
    return Math.abs(a - b) 
  }

  
  numbersEqual(0.1 + 0.2, 0.3); // true
• 增强版（适配任意大小的数，更健壮）：
  

  function nearlyEqual(a, b) {<br>
    const diff = Math.abs(a - b);<br>
    const scale = Math.max(Math.abs(a), Math.abs(b), 1);<br>
    return diff 
  }

  
  这样对大数（如 1e10 + 1 和 1e10）也能合理容忍相对误差。
• 实际开发中，也可直接使用已验证的库函数，比如 Lodash 的 _.isEqual（对数字自动做近似比较）或自定义工具函数，避免重复造轮子。

哪些场景不该只靠 EPSILON？

• 需要精确十进制计算时（如金融计算）：应改用字符串运算、整数单位（如“分”代替“元”）、或专用库（如 decimal.js、big.js）。
• 累积运算误差明显时（如循环累加 0.1 一百次）：单次用 EPSILON 判断不够，需重构逻辑（例如用整数计数再除以 10）。
• 和用户输入/后端数据比对时：确保双方都使用相同精度处理，避免前端用 EPSILON、后端用截断导致不一致。

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