一、精度丢失的现象
首先，我们来体验下精度丢失现象，如下：
@Test
public void testDouble(){
double t = 1.2d;
System.out.println(t-1);
System.out.println(t+1);
System.out.println(t/2);
System.out.println(t*2);
System.out.println("================");
float m = 1.2f;
float m1 = m -1;
double m11 = m -1;
float m2 = m+1;
double m3 = m+1+0.02;
float m4 = m/2;
float m5 = m*2;
System.out.println("m = "+ m + "\nm1 = "+ m1+ "\nm11 = "+m11+ "\nm2 = "+m2);
System.out.println("m3 = "+ m3 + "\nm4 = "+ m4+ "\nm5 = "+m5);
System.out.println("================");
System.out.println(1.2 -1);
System.out.println("================");
double number1 = 1;
System.out.println(number1);
double number2 = 20.2;
System.out.println(number2);
double number3 = 300.03;
System.out.println(number3);
double rs= number1 + number2 + number3;
System.out.println(rs);
}
**********结果****************
0.19999999999999996
2.2
0.6
2.4
================
m = 1.2
m1 = 0.20000005
m11 = 0.20000004768371582
m2 = 2.2
m3 = 2.220000047683716
m4 = 0.6
m5 = 2.4
================
0.19999999999999996
================
1.0
20.2
300.03
321.22999999999996
将上面的代码编译成class，然后反编译过来：
public void testDouble()
{
double d1 = 1.2D;
System.out.println(d1 - 1.0D);
System.out.println(d1 + 1.0D);
System.out.println(d1 / 2.0D);
System.out.println(d1 * 2.0D);
System.out.println("================");
float f1 = 1.2F;
float f2 = f1 - 1.0F;
double d2 = f1 - 1.0F;
float f3 = f1 + 1.0F;
double d3 = f1 + 1.0F + 0.02D;
float f4 = f1 / 2.0F;
float f5 = f1 * 2.0F;
System.out.println("m = " + f1 + "\nm1 = " + f2 + "\nm11 = " + d2 + "\nm2 = " + f3);
System.out.println("m3 = " + d3 + "\nm4 = " + f4 + "\nm5 = " + f5);
System.out.println("================");
System.out.println(0.2D);
System.out.println(321.22999999999996D);
double number1 = 1.0D;
System.out.println(number1);
double number2 = 20.199999999999999D;
System.out.println(number2);
double number3 = 300.00299999999999D;
System.out.println(number3);
double rs = number1 + number2 + number3;
System.out.println(rs);
}
可以看出有些数据计算没有精度丢失，而有些却有。 仔细瞧瞧，可以发现，在计算数据位达到高位时就会精度丢失。 减法容易丢失，是由于减法 在位运算时会取反进1 再相加，取反后就涉及高精确位了。
但是，总的原因还是数学表达无法满足所致，参考如下：
从 1 3 \frac{1}{3} 31 到 0.333。。。。我们先抛开 Java 不管，来看一下这个问题， 如何用十进制小数表示 1 3 \frac{1}{3} 31 。
- 首先我们讨论如何借用数轴表示 十进位小数 。如果我们将一个数轴分为 10 等份，100 等份（相当于 10 等份的每个单位区间再分 10 份），1000 等份，等等个相等的线段，则其中每个点对应着 一个十进制小数。
因此一个十进制小数可以表示为不同精度单位的加权（即乘以系数）和。
比如 0.12 = 1 10 + 2 100 ， 它 对 应 的 点 位 于 区 间 长 为 1 0 − 1 0.12=\frac{1}{10}+\frac{2}{100} ，它对应的点位于区间长为 10^{−1} 0.12=101+1002，它对应的点位于区间长为10−1 的第二个区间内（1、10 后），是长为 1 0 − 2 10^{−2} 10−2 的第二个子子区间的右端点。
- 一个十进制小数，其后有 n 个数码，它的加权式可以写成
f = z + a 1 ∗ 1 0 − 1 + a 2 ∗ 1 0 − 2 + a 3 ∗ 1 0 − 3 + . . . + a n ∗ 1 0 − n f=z+{a1}*{10^{-1}}+a2*10^{−2}+a3*10^{−3}+...+an*10^{−n} f=z+a1∗10−1+a2∗10−2+a3∗10−3+...+an∗10−n;
这里 z 是一整数，而 a 是十分之一，百分之一 等等的数码，其中 a∈[0,1,2,…,9] 。另外，因为 1 0 − n = 1 1 0 n 10^{−n}=\frac{1}{10^n} 10−n=10n1 ，所以十进位小数都可以写成一个分数的形式。比如
f = 1.134 = 1 + 1 10 + 3 100 + 4 1000 = 1134 1000 f=1.134=1+\frac{1}{10}+\frac{3}{100}+\frac{4}{1000}=\frac{1134}{1000} f=1.134=1+101+1003+10004=10001134
。如果分子和分母有公因子，那么分数还可以进行约分。另一方面，如果分母不是 10 的某次幂的因子（即无法通过将分母乘以一个数得到 10 的某次幂（10,100,1000）来通分），那么这个分数不能表示为十进制小数。
- 十进制小数举例：
1 5 = 2 10 = 0.2 ; 1 250 = 4 1000 = 0.004 \frac{1}{5}=\frac{2}{10}=0.2; \frac{1}{250}=\frac{4}{1000}=0.004 51=102=0.2;2501=10004=0.004
而非十进制小数如：1/3，它不能写成 n 位十进制小数的形式，因为
1 3 = b 1 0 n , 意 味 着 3 b = 1 0 n \frac{1}{3}=\frac{b}{10^n} , 意味着 3b=10^n 31=10nb,意味着3b=10n，而这个结果是不成立的。我们根据之前得到的十进制小数的表达形式可以得知，非十进制小数将不会坐落在十进制数轴的任何端点上（如果在端点上那么我们就可以通过加权式来表达它，他也就是十进制小数了）。但是，虽然无法精确的在十进制数轴上表达他，我们却可以采用无穷逼近的思想，去无限的接近它。
首先将 1/3 通分，1/3=10/30；然后我们在数轴上寻找，最接近它的左端点为
9/30=3/10，右端点为12/30=4/10，1/3 位于这个区间中的某一点，再进一步，做差 10/30−9/30=1/30 ，这时我们取左端点为 3/10 后距离 1/3 在数轴上剩余的距离，再次进行通分，1/30=10/300，现在最接近他的左端点为 9/300=3/100 ,以此类推，我们取到的左端点将是 3/10，3/100,3/1000,… ，而最后，1/3 就等于这些小的间距的加和（从原点到 13 所在点的距离）：
1 3 = 3 10 + 3 100 + 3 1000 + . . . \frac{1}{3}=\frac{3}{10}+\frac{3}{100}+\frac{3}{1000}+... 31=103+1003+10003+...
用十进制小数表示也即：
1 3 = 0.3 + 0.03 + 0.003 + . . . = 0.333.. \frac{1}{3}=0.3+0.03+0.003+...=0.333.. 31=0.3+0.03+0.003+...=0.333...
无限接近但是永远不等于 1/3 。在某种精度下，我们可以得到这样的一个近似值 0.333333333334 。
- 二进制小数
之前我们讨论的是在十进制的情况下，但计算机比较擅长使用二进制来表示数，所以我们接下来考虑如果二进制情况下，是否会出现之前在十进制中出现的无法精确表示的情况。（答案是肯定的，这也是我们的主题所在）
和十进制下相同，对于二进制，式：
f = z + a 1 ∗ 2 − 1 + a 2 ∗ 2 − 2 + a 3 ∗ 2 − 3 + . . . + a n ∗ 2 − n f=z+a1*2^{−1}+a2*2^{−2}+a3*2^{−3}+...+an*2^{−n} f=z+a1∗2−1+a2∗2−2+a3∗2−3+...+an∗2−n;
仍成立，不过基数变为了 2。（z 此时是二进制整数）
- 十进制下，我们对数轴每次进行 10 等划分，现在我们对数轴的单位长度每次进行 2 等划分。即：
在这种情况下，我们举一个简单的存在精度丢失的例子：十进制 0.1 的二进制表达。由于0.1=1101;
在这里我们要求分母必须为 2 的某次幂（2,4,8,16,…)的因子，而 0.1 的 分母为 10 ，显然不符合要求。所以无法用二进制小数精确表示，只能近似。
近似的过程如下：
与 0.1 最为接近的左端点是1/16=0.0625，右端点为 18=0.125 ，0.1 在这个区间中的某一点上。做差：0.1−0.0625=0.0375；
最接近的左端点为： 1 32 = 0.03125 \frac{1}{32}=0.03125 321=0.03125，如此往复，最终我们得到这样一个式子：
0.1 = 1 16 + 1 32 + 1 256 + . . . 0.1=\frac{1}{16}+\frac{1}{32}+\frac{1}{256}+... 0.1=161+321+2561+... 该式子只会无限接近 0.1 但是不会等于他。
二、如何解决精度丢失问题
1、BigDecimal 处理
public void testBigDecimal(){
BigDecimal b1 = new BigDecimal(765+"");
BigDecimal b2 = new BigDecimal(3518465+"");
System.out.println(b1.divide(b2,5,BigDecimal.ROUND_HALF_UP));
System.out.println(b1.divide(b2,5,BigDecimal.ROUND_HALF_UP).multiply(new BigDecimal(100)));
System.out.println(b1.divide(b2,15,BigDecimal.ROUND_HALF_UP));
System.out.println(b1.divide(b2));
}
========结果=======
0.00022
0.02200
0.000217424359771
java.lang.ArithmeticException: Non-terminating decimal expansion; no exact representable decimal result.
.....
sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
com.intellij.rt.junit.JUnitStarter.prepareStreamsAndStart(JUnitStarter.java:220)
at com.intellij.rt.junit.JUnitStarter.main(JUnitStarter.java:53)
若采用 BigDecimal 计算的结果就必须有个精确值。 遇到无法整除的情况，一定需要配上 有效数字这个选项！！！！
2、 NumberFormat 处理
double number1 = 1;
System.out.println(number1);
double number2 = 20.2;
System.out.println(number2);
double number3 = 300.03;
System.out.println(number3);
double result1 = number1 + number2 + number3;
System.out.println(result1);
NumberFormat format = NumberFormat.getInstance();
System.out.println(format.format(result1));
============================
1.0
20.2
300.03
321.22999999999996
321.23
用NumberFormat类来格式化计算结果，按照自己想要的结果进行格式化，缺点就是要手动去格式化，舍入方式不同结果不一定精确。
3、第三方工具类
double number1 = 1;
System.out.println(number1);
double number2 = 20.2;
System.out.println(number2);
double number3 = 300.03;
System.out.println(number3);
double result1 = number1 + number2 + number3;
System.out.println(result1);
Fraction fraction = Fraction.getFraction(result1);
System.out.println(fraction.doubleValue());
===========================
1.0
20.2
300.03
321.22999999999996
321.23
apache的commons-lang工具包中个math包，提供了常用的计算方法，数字处理方法，如果项目中涉及到的计算比较多，可以考虑使用commons-math包，这个包过于专业化，估计咱们用到的地方不多。
apache的commons-lang的math包，主要有4大类功能
- 处理分数的Fraction类，分数表示数字，更为精确
- 处理数值的NumberUtils类；这个比较简单，看看api就可以。封装了一些常用数字操作方法，如数字转换、比较，获取一个数字数组中最大值，最小值等。
- 处理数值范围的Range、NumberRange、IntRange、LongRange、FloatRange、DoubleRange类；
- 处理随机数的JVMRandom和RandomUtils类。这个也比较简单，看看api就可以，获取随机数时比较方便而已。
三、总结
普通的计算最好使用BigDecimal类，这个类可以非常精确的计算出结果，而且你可以完全控制精度，不用额外其他操作，而且与基本类型转换都非常方便。