为何二进制浮点数不准确？IEEE 754 二进制浮点数舍入规则
阅读 4:36·字数 1384·发布
本节使用的“不准确”一词可能会被解释为“精度丢失”，如果从二进制的角度来讲，一些无限小数的数位的确丢失了，但从开发人员的角度看，数字更像是失去了准确性。
二进制浮点数不准确
二进制浮点数存在不准确的情况，尤其在计算的结果中，你可能会看到意想不到的数字。让我们来看一个经典的案例，在 JavaScript 中计算0.1与0.2的和，输出结果并不是理所当然的0.3，而是0.30000000000000004。
console.log(`0.1 + 0.2 = ${parseFloat('0.1') + parseFloat('0.2')}`)0.1 + 0.2 = 0.30000000000000004上面的示例说明，浮点数0.1，0.2，0.3，至少有一个是不准确的，当然，事实上他们每一个都无法准确。
二进制浮点数不准确的原因
二进制浮点数之所以会不准确，是因为我们习惯使用十进制，而十进制与二进制的数字并不是一一对应的，大部分十进制小数没有对应的二进制小数。
如果十进制数字只有整数部分，那么没有问题，你总能找到一个相同的二进制数字，只需要不断的加1或减1。
可一旦拥有小数部分，情况就变得完全不同了。如果把小数理解为对物体的划分，那么0.3相当于把物体分为 10 份然后取走其中的 3 份，这样的事情在二进制中是无法做到的，因为二进制的小数只能将物体分为 2 份，每一份都对应了十进制的0.5，虽然可以将 2 份划分为 4 份，甚至更进一步的划分下去，但最终你会发现，二进制没有等价于十进制0.3的小数，他只能无限的接近0.3，这也就是二进制浮点数不准确的原因。
最低位为 5 的十进制小数拥有对应的二进制小数
大部分十进制小数都找不到对应的二进制小数，除了以 5 结尾的十进制小数以外，比如十进制的0.5对应了二进制0.1。这可以被解释为，取出 10 份中的 5 份，与取出 2 份中的 1 份是等价的。
都怪人们不使用 0 和 1？！
当然，你也可以把不准确的原因，归于人们不习惯使用由0和1组成的二进制数字，一旦没有了十进制和二进制之间的转换，也就没有了不准确的问题。
IEEE 754 二进制浮点数舍入规则
由于存储空间有限，对于从十进制转换而来的二进制无限小数，IEEE 754 标准规定需要对其进行舍入，以便能够放入存储空间内。
IEEE 754 二进制浮点数就近舍入规则
IEEE 754 定义了四种舍入方式，默认采用就近舍入的方式，他类似于十进制的四舍六入五取偶。当被舍弃部分的最高位为0时不需要进1，这相当于四舍。当被舍弃部分的最高位为1并且后面不全为0时需要进1，这相当于六入。当被舍弃部分的最高位为1且后面全为0时，则根据未舍弃部分的最低位来决定是否进1，最低位为1，需要进1，最低位为0，不需要进1，这相当于五取偶。
假设，二进制小数0.000011000被舍弃的部分是末尾的1000，那么需要进1，因为未舍弃部分的最低位为1，舍入结果将是0.00010。
IEEE 754 二进制浮点数向零舍入，向正无穷舍入，向负无穷舍入规则
除了就近舍入规则，IEEE 754 还定义了向零舍入，向正无穷舍入，向负无穷舍入，他们可用于计算范围边界。
向零舍入会直接丢弃需要舍弃的部分，这样无论是正数还是负数都会更接近于0。
向正无穷舍入会直接丢弃负数需要舍弃的部分，如果正数被丢弃的部分含有1则进1，否则同样直接丢弃，这将保证无论是正数还是负数都会更接近正无穷。
向负无穷舍入会直接丢弃正数需要舍弃的部分，如果负数被丢弃的部分含有1则进1，否则同样直接丢弃，这将保证无论是正数还是负数都会更接近负无穷。