double类型精度丢失问题以及解决方法

（1）加法运算。

public static void main(String[] args) {double number1 = 1;double number2 = 20.2;double number3 = 300.03;double result = number1 + number2 + number3;System.out.println("使用double运算结果: "+result);}

打印结果如下：

        使用double运算结果: 321.22999999999996。。。

 （2）减法运算。

double d1 = 2.11;double d2 = 2.10;System.out.println( d1 - d2);

口算结果是0.01。可是用程序执行出来的结果却出乎意料，执行结果为0.009999999999999787。

（3）乘法运算。

public static void main(String[] args) {    double a = 152.70;    System.out.println(a);    System.out.println(a * 100);//15280.000000000002    System.out.println(Math.round(a * 100));//还凑合     double b = 152.70;    System.out.println(b);    System.out.println(b * 100);//15269.999999999998    System.out.println((int)(b * 100));//15269 错误!!!不是想要的}

然后把15280.000000000002 - 15280 = 1.8189894035458565E-12这个结果返回给了前端, 

前端拿去和0比较, 结果就炸了

原因：就是double的精度问题， 单个double数可能就有损失精度,，多个double数运算（减法和乘法都输入加法）可能导致损失的精度更多。。。

为什么double类型会出现精度丢失问题？

        我们知道，计算机发展了如此长的一段时间，但它始终只能识别0和1（即二进制）。无论我们使用哪种编程语言，在哪种编译环境下工作，都要先把源代码翻译成二进制的机器码才能被计算机所识别。

        举个简单的例子，在源程序里面2.4，是十进制的，但计算机不能直接识别，要先编译成二进制。

        那么问题来了，2.4的二进制并非是精确的2.4，反而是最为接近的二进制表示是2.39999999996。

        原因在于浮点数由两部分组成：指数和尾数。如果知道怎么进行浮点数的二进制和十进制转换，应该不难理解。

        如果在这个转换过程中，浮点数参与了计算，那么在转换的过程中就会变得不可预知，并且变得不可逆。我们有理由相信，就是在这个过程中，发生了精度的丢失。

        而至于为什么有些浮点计算会得到准确的结果，应该也是碰巧那个计算二进制和十进制之间能够准确转换。

而当输出单个浮点型数据时，可以正确输出，如：

Double num3 = 2.4;System.out.println(num3);

输出的结果是2.4，而不是2.39999999996。也就是说，不进行浮点计算的时候，在十进制里浮点数能正确显示。

        这正印证了上面的说法，即如果浮点数参与了计算，那么浮点数二进制与十进制的转换过程就会变得不可预知，并且变得不可逆。

        结论就是，在Java中，浮点数不精确，因为计算机内部无法用二进制的小数来精确的表达。

经典问题：浮点数精度丢失

精度丢失的问题是在其他计算机语言中也都会出现，float和double类型的数据在执行二进制浮点运算的时候，并没有提供完全精确的结果。

        产生误差不在于数的大小，而是因为数的精度。

关于浮点数存储精度丢失的问题，话题过于庞大，感兴趣的同学可以自行搜索一下：【解惑】剖析float型的内存存储和精度丢失问题

        这里简单讨论一下十进制数转二进制为什么会出现精度丢失的现象，十进制数分为整数部分和小数部分，我们分开来看看就知道原因为何：

十进制整数如何转化为二进制整数？
将被除数每次都除以2，只要除到商为0就可以停止这个过程。

5 / 2 = 2 余 1

2 / 2 = 1 余 0

1 / 2 = 0 余 1

// 结果为 101

这个算法永远都不会无限循环，整数永远都可以使用二进制数精确表示，但小数呢？

十进制小数如何转化为二进制数？
每次将小数部分乘2，取出整数部分，如果小数部分为0，就可以停止这个过程

0.1 * 2 = 0.2 取整数部分0

0.2 * 2 = 0.4 取整数部分0

0.4 * 2 = 0.8 取整数部分0

0.8 * 2 = 1.6 取整数部分1

0.6 * 2 = 1.2 取整数部分1

0.2 * 2 = 0.4 取整数部分0

//... 我想写到这就不必再写了，你应该也已经发现，上面的过程已经开始循环，小数部分永远不能为0

这个算法有一定概率会存在无限循环，即无法用有限长度的二进制数表示十进制的小数，这就是精度丢失问题产生的原因。

浮点数并不适合用于精确计算，而适合进行科学计算。

        float和double型用来表示带有小数点的数，那为什么我们不称他们为小数或实数，要叫浮点数呢？是因为这些数都以科学计数法的形式存储。

        当一个数如50.534，转换成科学计数法的形式为5.053e1，它 的小数点移动到了一个新的位置（即浮动了）。

        可见，浮点数本来就是用于科学计算的，用来进行精确计算实在太不合适了。

如何用BigDecimal解决double精度问题？

 我们已经明白为什么精度会存在丢失现象，那么我们就应该知道，当某个业务场景对double数据的精度要求非常高时，就必须采取某种手段来处理这个问题，

        这也是BigDecimal为什么会被广泛应用于金额支付场景中的原因啦。

        BigDecimal类位于java.math包下，用于对超过16位有效位的数进行精确的运算。

        一般来说，double类型的变量可以处理16位有效数，

        但实际应用中，如果超过16位，就需要BigDecimal类来操作。

new BigDecimal(double val)
        该方法是不可预测的，以0.1为例，你以为你传了一个double类型的0.1，最后会返回一个值为0.1的BigDecimal吗？不会的，原因在于，0.1无法用有限长度的二进制数表示，无法精确地表示为双精度数，最后的结果会是0.100000xxx。

new BigDecimal(String val)
        该方法是完全可预测的，也就是说你传入一个字符串"0.1"，他就会给你返回一个值完全为0，1的BigDecimal，官方也表示，能用这个构造函数就用这个构造函数叭。

BigDecimal.valueOf(double val)
        第二种构造方式已经足够优秀，可你还是想传入一个double值，怎么办呢？官方其实提供给你思路并且实现了它，可以使用Double.toString(double val)先将double值转为String，再调用第二种构造方式，你可以直接使用静态方法：valueOf(double val)。

        总结：将double转为BigDecimal的时候，需要先把double转换为字符串，然后再作为BigDecimal(String val)构造函数的参数，这样才能避免出现精度问题。

​​​​​​​

以下是提供的double精确运算工具类（如果计算的数值总和很大很大，超过50 0000，请使用带有ToStr的方法，不然double数字会转成科学计数法显示）

package com.phone.common_library; import java.math.BigDecimal; public class BigDecimalManager {         public static double additionDouble(double m1, double m2) {        BigDecimal p1 = new BigDecimal(Double.toString(m1));        BigDecimal p2 = new BigDecimal(Double.toString(m2));        return p1.add(p2).doubleValue();    }         public static double additionDouble(double m1, double m2, int scale) {        BigDecimal p1 = new BigDecimal(Double.toString(m1));        BigDecimal p2 = new BigDecimal(Double.toString(m2));        return p1.add(p2).setScale(scale, BigDecimal.ROUND_HALF_UP).doubleValue();    }         public static String additionDoubleToStr(double m1, double m2, int scale) {        BigDecimal p1 = new BigDecimal(Double.toString(m1));        BigDecimal p2 = new BigDecimal(Double.toString(m2));        return p1.add(p2).setScale(scale, BigDecimal.ROUND_HALF_UP).toPlainString();    }         public static double subtractionDouble(double m1, double m2) {        BigDecimal p1 = new BigDecimal(Double.toString(m1));        BigDecimal p2 = new BigDecimal(Double.toString(m2));        return p1.subtract(p2).doubleValue();    }         public static double subtractionDouble(double m1, double m2, int scale) {        BigDecimal p1 = new BigDecimal(Double.toString(m1));        BigDecimal p2 = new BigDecimal(Double.toString(m2));        return p1.subtract(p2).setScale(scale, BigDecimal.ROUND_HALF_UP).doubleValue();    }         public static String subtractionDoubleToStr(double m1, double m2, int scale) {        BigDecimal p1 = new BigDecimal(Double.toString(m1));        BigDecimal p2 = new BigDecimal(Double.toString(m2));        return p1.subtract(p2).setScale(scale, BigDecimal.ROUND_HALF_UP).toPlainString();    }         public static double multiplicationDouble(double m1, double m2) {        BigDecimal p1 = new BigDecimal(Double.toString(m1));        BigDecimal p2 = new BigDecimal(Double.toString(m2));        return p1.multiply(p2).doubleValue();    }         public static double multiplicationDouble(double m1, double m2, int scale) {        BigDecimal p1 = new BigDecimal(Double.toString(m1));        BigDecimal p2 = new BigDecimal(Double.toString(m2));        return p1.multiply(p2).setScale(scale, BigDecimal.ROUND_HALF_UP).doubleValue();    }         public static String multiplicationDoubleToStr(double m1, double m2, int scale) {        BigDecimal p1 = new BigDecimal(Double.toString(m1));        BigDecimal p2 = new BigDecimal(Double.toString(m2));        return p1.multiply(p2).setScale(scale, BigDecimal.ROUND_HALF_UP).toPlainString();    }         public static double divisionDouble(double m1, double m2, int scale) {        if (scale < 0) {            throw new IllegalArgumentException("Parameter error");        }        BigDecimal p1 = new BigDecimal(Double.toString(m1));        BigDecimal p2 = new BigDecimal(Double.toString(m2));        return p1.divide(p2, scale, BigDecimal.ROUND_HALF_UP).doubleValue();    }            public static String divisionDoubleToStr(double m1, double m2, int scale) {        if (scale < 0) {            throw new IllegalArgumentException("Parameter error");        }        BigDecimal p1 = new BigDecimal(Double.toString(m1));        BigDecimal p2 = new BigDecimal(Double.toString(m2));        return p1.divide(p2, scale, BigDecimal.ROUND_HALF_UP).toPlainString();    } }

·测试、验证问题是否解决：

public static void main(String[] args) {double result1 = additionDouble(1, 20.2);double result2 = additionDouble(result1, 300.03);System.out.println("使用BigDecimal运算结果：" + result2);}

结果如下： 

使用BigDecimal运算结果：321.23

完美解决了double类型数据加减操作时精度丢失的问题。 

如对此有疑问，请联系qq1164688204。

推荐Android开源项目

项目功能介绍：RxJava2和Retrofit2项目，添加自动管理token功能，添加RxJava2生命周期管理，使用App架构设计是MVP模式和MVVM模式，同时使用组件化，部分代码使用Kotlin，此项目持续维护中。

项目地址：https://gitee.com/urasaki/RxJava2AndRetrofit2

来源地址：https://blog.csdn.net/NakajimaFN/article/details/125912091