应使用误差范围 epsilon 判断浮点数相等，而非 ==；因二进制无法精确表示十进制小数且存在舍入误差，如 0.1 + 0.2 != 0.3；epsilon 需依场景选择，如科学计算用 1e-6（float）或 1e-15（double），金融用 0.01，避免使用极小值或硬编码。
不能直接用 == 判断两个浮点数是否相等，因为 double 和 float 在二进制中无法精确表示大多数十进制小数（如 0.1、0.2），计算过程还会叠加舍入误差。例如 0.1 + 0.2 == 0.3 的结果是 false，实际值为 0.30000000000000004。解决办法是引入一个可接受的误差范围（epsilon），判断两数之差的绝对值是否小于它。
选对 epsilon 是关键
epsilon 不是固定常量，必须结合业务场景和数值量级来定：
- 一般科学计算或坐标比较：用
1e-6（float）或1e-15（double）较稳妥 - 金融金额（单位为“分”）：用
1e-2或0.01更合理 - 避免用
Float.MIN_VALUE或Double.MIN_VALUE——它们太小（约1e-38/1e-308），几乎总导致判定失败 - 不建议硬写
0.0001这类字面量，应定义为private static final double EPS = 1e-9;，便于复用和统一调整
基础写法：Math.abs(a - b)
这是最常用、最直观的方式，适用于绝大多数条件判断和单元测试：
-
double a = 0.1 + 0.2;double b = 0.3;boolean equal = Math.abs(a - b) → <code>true - JUnit 的
assertEquals(double expected, double actual, double delta)就是基于此逻辑 - 注意：该方法只适用于数值量级相对稳定的情况（比如都在 0.001～1000 范围内）
应对极端量级：考虑相对误差
当数值可能极大（如 1e20）或极小（如 1e-20）时，单一绝对误差会失效：
-
1e20 + 1 == 1e20在double中恒成立，此时Math.abs(a-b) 总为 <code>true -
1e-20级别的数，1e-6又太大，失去区分能力 - 可改用相对误差公式：
Math.abs(a - b) - 更健壮的做法是组合使用：先判绝对差，再判相对差，任一满足即视为相等
高精度场景：用 BigDecimal 替代
如果业务要求**完全避免二进制误差**（如财务结算、审计校验），就不要用浮点类型做中间计算：
- 构造时必须用字符串：
new BigDecimal("0.1").add(new BigDecimal("0.2"))，不能用new BigDecimal(0.1)（后者已带误差） - 比较用
compareTo()：x.compareTo(y) == 0，安全且精确 - 代价是性能开销较大、代码略冗长，仅在必要时采用
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
