0.2 + 0.1 为何不等于 0.3？

Question

为什么在JavaScript中 `0.2 + 0.1 === 0.3` 返回 `false`？这是由于浮点数在计算机中采用IEEE 754双精度格式存储，而十进制的0.1和0.2无法被二进制精确表示，导致计算时产生微小的舍入误差。因此，`0.2 + 0.1` 实际结果约为 `0.30000000000000004`，虽接近0.3但不完全相等。这类问题常见于JavaScript、Python、Java等语言中涉及浮点运算的场景，开发者应避免直接比较浮点数是否相等，而应使用误差范围（如`Number.EPSILON`）或转换为整数运算来规避精度问题。

Answer 1

1. 问题现象：浮点数比较为何返回 false？

在 JavaScript 中执行以下代码：

console.log(0.2 + 0.1 === 0.3); // 输出：false

直观上，0.2 + 0.1 应等于 0.3，但结果却是 false。这并非 JavaScript 的“bug”，而是源于底层浮点数表示机制的局限性。

该现象广泛存在于使用 IEEE 754 浮点标准的语言中，如 Python、Java、C++ 等，是所有开发者必须理解的基础计算机科学知识之一。

2. 深层原理：IEEE 754 双精度浮点数存储机制

JavaScript 中的所有数字均采用 IEEE 754 标准的双精度（64位）格式存储，其结构如下：

部分	位数	说明
符号位（Sign）	1 位	表示正负
指数位（Exponent）	11 位	决定数量级
尾数位（Mantissa）	52 位	存储有效数字

由于二进制系统无法精确表示某些十进制小数（如 0.1 和 0.2），这些数值在转换为二进制时会产生无限循环小数，例如：

• 0.1 (十进制) ≈ 0.0001100110011... (二进制，无限循环)
• 0.2 (十进制) ≈ 0.001100110011... (二进制，无限循环)

因此，只能进行近似存储，导致精度损失。

3. 实际计算过程分析

当执行 0.2 + 0.1 时，JavaScript 实际处理的是两个近似值的加法：

// 实际存储值（近似）
0.1 → 0.1000000000000000055511151231257827021181583404541015625
0.2 → 0.200000000000000011102230246251565404236316680908203125

// 相加结果
0.3000000000000000444089209850062616169452667236328125

而字面量 0.3 被解析为最接近的可表示值：

0.3 → 0.299999999999999988897769753748434595763683319091796875

显然，两者不相等，故严格相等判断返回 false。

4. 常见影响场景与技术挑战

此类问题在以下场景中尤为突出：

1. 金融计算（金额累加、税率计算）
2. 动画帧率或时间戳插值
3. 游戏物理引擎中的坐标运算
4. 科学计算与数据分析
5. 条件判断中涉及浮点阈值（如 if (value === 0.7)）
6. 数组索引或循环边界控制（罕见但危险）
7. 测试断言中未考虑精度误差
8. 序列化/反序列化后数值漂移
9. 跨语言数据交互时精度不一致
10. 数据库浮点字段查询匹配失败

5. 解决方案对比与最佳实践

为规避此问题，业界提出多种策略：

方案	描述	适用场景
使用 Number.EPSILON	判断两数差值是否小于机器精度	通用浮点比较
转换为整数运算	如金额以“分”为单位	金融系统
使用 Decimal.js 或 big.js	高精度数学库	高精度需求场景
toFixed() + parseFloat()	格式化后转回（慎用）	显示层处理

6. 代码示例：安全的浮点比较函数

function isEqual(a, b) {
  return Math.abs(a - b) < Number.EPSILON * Math.max(Math.abs(a), Math.abs(b));
}

// 使用示例
console.log(isEqual(0.2 + 0.1, 0.3)); // true

该方法基于相对误差，比简单使用固定阈值更稳健，适用于大多数工程场景。

7. 可视化流程：浮点比较决策路径

graph TD
    A[开始浮点比较] --> B{是否需高精度?}
    B -- 是 --> C[使用 decimal.js 等库]
    B -- 否 --> D{是否涉及金钱?}
    D -- 是 --> E[转换为整数单位运算]
    D -- 否 --> F[使用 Number.EPSILON 容差比较]
    C --> G[输出精确结果]
    E --> G
    F --> G

此流程图为团队制定浮点处理规范提供了清晰指导。