直接用==比较浮点数通常错误，因浮点数存储不精确，如0.1+0.2≠0.3；应使用容差近似比较，float常用1e-6f，double常用1e-9，示例：math.abs(a - b)

直接用 == 比较两个浮点数是否相等，极大概率会得到错误结果——不是代码写错了，而是浮点数在计算机里根本存不准。0.1 + 0.2 ≠ 0.3 是常态，不是异常。

用容差（epsilon）做近似比较

这是最常用、最实用的替代方案：不追求“完全相等”，只判断“差得够不够小”。

• 对 float，常用容差 1e-6f（即 0.000001）
• 对 double，常用容差 1e-9（即 0.000000001）
• 写法示例：Math.abs(a - b) （Java）、<code>fabs(a - b) （C/C++）、<code>Math.abs(a - b) （JavaScript）

考虑数量级差异，用相对误差更稳健

当 a 和 b 可能相差很大（比如一个是 0.001，另一个是 10000），固定容差就不够用了。此时应结合相对误差：

• 取两者绝对值中较大的一个作为基准：Math.abs(a - b)
• 避免除零：先判断是否接近零，再决定用绝对误差还是相对误差
• 实际业务中，如金融计算、模型置信度判断，推荐这种混合策略

优先转整数或字符串处理

如果场景允许，彻底绕开浮点精度问题：

• 金额统一用“分”存储为 long 或 int，比如 999 代替 9.99
• 需要保留小数位的比对（如两位小数），先四舍五入再转整数：(int) Math.round(x * 100)
• 高精度比对可用 BigDecimal（Java）或 decimal（Python）：用字符串构造，调用 compareTo() 或 equals() 方法

别把浮点数当循环条件或索引

像 for (double t = 0.0; t 这类写法，最后一轮常被跳过。正确做法是：

• 用整数计数器驱动：for (int i = 0; i
• 所有分支判断（if、while）中涉及浮点数，一律改用容差逻辑，不依赖精确相等
• 从外部输入（JSON、数据库、表单）拿到的浮点值，更要警惕不同路径产生的 bit 差异