計算機程序思維邏輯 (五)：浮點數運算為什麼不精確？IEEE 754 標準與 BigDecimal 解決方案

浮點數陷阱：0.1 + 0.2 ≠ 0.3 的底層真相與應對之道

計算機叫「計算」機，卻連最基本的小數加法都算不準？`0.1 + 0.2 = 0.30000000000000004`。這不是 Bug，而是**二進制浮點數表示的必然結果**。本文深入原理，給出工程解決方案。

一、 現象演示

System.out.println(0.1 + 0.2);  // 0.30000000000000004
System.out.println(0.1 * 0.1);  // 0.010000000000000002
System.out.println(1.0 - 0.9);  // 0.09999999999999998

二、 根因：十進制小數在二進制中無法精確表示

1. 十進制類比：1/3 無法精確表示

十進制中 `1/3 = 0.333...` 無限循環，截斷存儲必然誤差。同理，二進制中許多十進制有限小數變成**無限循環小數**。

2. 二進制小數表示原理

二進制小數位權：`2⁻¹=0.5, 2⁻²=0.25, 2⁻³=0.125, 2⁻⁴=0.0625...`

只有能表示為這些位權**有限和**的數才能精確表示。

• 0.5 = 2⁻¹ → `0.1` (精確)
• 0.25 = 2⁻² → `0.01` (精確)
• 0.75 = 2⁻¹ + 2⁻² → `0.11` (精確)
• 0.1 (十進制) → 二進制 `0.0001100110011...` (無限循環)

計算機只能截斷/捨入存儲有限位 (float 23位尾數, double 52位)，**存入的已非真實 0.1**，運算誤差必然累積。

三、 為什麼一定要用二進制？

底層硬件 (電晶體) 只有高/低電壓兩種穩定狀態 → 0/1。二進制電路最簡單、可靠、高效。十進制需 10 種狀態區分，電路複雜度指數級上升，抗干擾性下降。

四、 IEEE 754 標準：浮點數統一存儲格式

定義兩種主流格式：

科學計數法形式：`(-1)^符號 × 1.尾數 × 2^(指數-偏移量)`

• 尾數隱含最高位 1 (規格化)，實際精度 float 24 位, double 53 位。
• 特殊值：`±0`、非正規數、非數值、無窮大。

五、 為什麼有時看起來是準的？

System.out.println(0.1 + 0.1); // 0.2 (看起來準)

結果與 `0.2` 極其接近，Java `toString()` / `println` 內部有**智能格式化邏輯**：若誤差極小，輸出最短的能唯一反映該二進制值的十進制字符串 (如 `0.2` 而非 `0.20000000000000001`)。**實際內存值依然不精確**，只是顯示欺騙了你。

六、 工程解決方案

方案 1：四捨五入 / 格式化輸出 (最常用，適用展示層)

// 保留 2 位小數
System.out.printf("%.2f", 0.1 + 0.2); // 0.30
// 或
BigDecimal bd = new BigDecimal(0.1 + 0.2).setScale(2, RoundingMode.HALF_UP);

方案 2：整數化計算 (適用金額、精度固定場景)

將小數放大為整數 (如分為單位)，計算完成再縮小。

long price1 = 199; // 1.99 元 -> 199 分
long price2 = 299; // 2.99 元
long sumCent = price1 + price2; // 498 分
System.out.println(sumCent / 100.0); // 4.98

方案 3：BigDecimal 精確計算 (金融、科學計算標準)

// 必須用字符串構造器，避免 double 構造器帶入二進制誤差
BigDecimal a = new BigDecimal("0.1");
BigDecimal b = new BigDecimal("0.2");
BigDecimal sum = a.add(b); // 0.3 精確
System.out.println(sum);   // 0.3

// 除法需指定精度與舍入模式
BigDecimal div = a.divide(b, 10, RoundingMode.HALF_UP);

性能代價：`BigDecimal` 為不可變對象，運算創建新對象，比基本類型慢 1-2 個數量級。僅在業務要求精確處使用，高頻計算循環避免使用。

七、 查看浮點數真實二進制 (Java)

// float
System.out.println(Integer.toBinaryString(Float.floatToIntBits(0.1f)));
// double
System.out.println(Long.toBinaryString(Double.doubleToLongBits(0.1)));

八、 總結

1. 浮點數不精確是**硬件決定的物理特性**，而非軟件 Bug。
2. 理解 IEEE 754：符號-指數-尾數，科學計數法本質。
3. 場景選型：展示層格式化、金額整數化、精確計算 `BigDecimal` (字符串構造)。
4. 永遠不要用 `==` 比較浮點數，用 `Math.abs(a-b) < epsilon` 或 `BigDecimal.compareTo()`。