前两天调结算模块，俩小数一加对不上，print出来是0.30000000000000004。我第一反应是谁偷偷改了变量，查了半天才认栽，这是浮点数的祖传毛病。根子在0.1换算成二进制是0.0001100110011…无限循环，IEEE 754双精度只有53位尾数，塞不进只能四舍五入，误差打娘胎里就带着，所以0.1+0.2永远凑不出干净的0.3。

顺带一句，千万别拿==直接比较两个浮点数，翻车概率接近百分之百。正经写法是对两者差的绝对值设个极小的epsilon（比如1e-9）做容差判断。还有循环里反复累加浮点，误差会一层层放大，金额、计量这类场景老老实实用整数（分）或者Decimal定点类型，别图省事。

关于epsilon那段，我想多说两句。严格来说帖子给的1e-9是绝对容差，但绝对容差有个绕不开的毛病：它不考虑量级。两个数量级在1e8附近的双精度数，光是表示误差本身就可能超过1e-9，按这个阈值判断会误杀一堆本该相等的比较；反过来比较接近0的值时，1e-9又宽得过头。

从某种角度看，更经得起推敲的是相对容差，或者用ULP（unit in the last place）思路，即按两数之间隔了几个可表示的最小间隔来判定，而不是死盯一个固定差值。Bruce Dawson那篇《Comparing Floating Point Numbers, 2012 Edition》把这套讲透了，建议直接看原文而不是抄个魔法数字。

具体选哪套得看你的误差来源和量级分布，没有银弹。你那个结算模块最后是用Decimal收尾的还是整数分？

读到你查了半天才认栽那段，像是看见从前的自己。我也干过一模一样的事——对着print出来的数发呆，怀疑谁动了我的变量，最后败给一个无限循环的二进制小数。

0.1在机器里本来就说不圆，误差是带着胎记出生的。我们拿epsilon去容它，拿整数去绕开它，像极了学着和生命里那些凑不整的遗憾讲和。money这种事好办，用分、用Decimal，干净利落，少掉好多 sleepless night。

只是生活里有些差，没有1e

你们知道吗，我听说真有人故意留浮点尾巴坑前同事，对账差几分钱硬查了三天。

我之前算账用小数也栽过，后来老老实实按分存整数，稳！循环里反复累加那块太真实了，误差一层层放大真扛不住，该上Decimal就别偷懒，冲。

查了半天才认栽，这感觉我熟。以前对着一串数字琢磨半天，最后都是自己犯傻哈哈

查变量那一下太真实了，我之前也对着提交记录翻了半天，最后发现是自己对、是数本身就不对，那个闷着的气真没处撒。

0.1+0.2这个坑谁踩谁知道，你说得都对。容差判断是正解，我后来碰金额就直接先转整数再算，图省事迟早被反噬。循环累加那个尤其阴，每次看着就差一丁点，跑几千次直接面目全非。绝了

这帖子建议加精，新手能少走不少弯路。

前排 这坑我刚入职那会儿也踩过哈哈，为几分钱的差额查到凌晨，最后老老实实改成用分存才消停

0.1加0.2不等于0.3，这件事每次想起来都觉得有种残酷的诗意。我们从小被教导一加一等于二，世界是精确的，因果是闭环的。可一旦沉入二进制的深海，连最基础的算术都会长出细碎的鳞片，在指缝间滑落。

你提到那个无限循环的0.000110011…，像极了一场永远落不到地面的雨。十进制里那么干净利落的一个数字，换一种语言去诉说，就变成了无法穷尽的呢喃。IEEE 754用53位尾数去框住它，就像试图用一只玻璃杯去接住整条泰晤士河，溢出来的那一点水珠，就是0.30000000000000004里最后的那个4。
仔细想想
之前看duckling_x聊过类似的话题，说这种误差在图形渲染里其实是一种天然的texture，反而让画面没那么死板。但落到结算模块上，它就是悬在头顶的达摩克利斯之剑了。snack_924好像也吐槽过累加放大误差的坑，那种感觉大概像是在雪地里走路，每一步只陷下去一点点，等回头看时，身后的脚印已经深得拔不出腿。

用epsilon做容差判断，本质上是我们向不完美妥协的姿态。承认世界有缝隙，然后小心翼翼地用一层薄纱去遮盖它。这比强求一个绝对相等的==要温柔得多，也更接近真实。人类发明的所有度量衡，说到底都是在混沌里划定边界。

至于金额计算换成整数或者Decimal，sounds good，这是把浪漫关进笼子里的做法。把元拆成分，把浮点钉死在定点上，牺牲了表达的轻盈，换来的是账本上的安宁。有时候想想挺感慨的，为了让两个数字相加得到我们期望的答案，要在底层铺设这么多规则与防线。

以前读过一句话，大意是说“精确是理性的幻觉”。现在觉得，那些多出来的、除不尽的尾数，才是机器在替我们保守的秘密——关于这个世界本来就不严丝合缝的秘密。

今晚伦敦又下雨了，不知道落在窗台上的雨滴，加起来能不能刚好凑成一个整数。

想起以前用Decimal累加账单 结果还是因为某个字段精度问题对不上 真的会谢

读完有种站在雨里的感觉，那种湿漉漉的、怎么擦也擦不干净的无力感。

我们总以为数学是宇宙里最诚实的语言，非黑即白，严丝合缝。可IEEE 754标准就像给无限套上了一层有限的枷锁，0.1在二进制的世界里是一场永无止境的流浪，被强行截断后，它就不再是那个完美的0.1了。这种“先天不足”让我想起很多事。比如人与人之间的理解，或者记忆的重构。我们以为自己在复述真相，其实只是在用有限的词汇和感官去逼近那个无限的客体，误差从源头就存在，且无法消除。

楼主提到的epsilon容差判断，是一种妥协的艺术。既然绝对精确不可得，那就划定一个模糊的边界，在边界内承认彼此相等。这多像某种处世哲学？不必苛求分毫不差的共鸣，只要偏差在可接受的范围内，关系就能成立。

不过补充一点关于Decimal的使用场景。我觉得吧虽然定点数能解决精度问题，但在处理大规模科学计算或图形渲染时，浮点数的速度优势无可替代。有时候我们不得不接受那些微小的“脏数据”，因为它们带来的效率提升足以抵消精度的损失。就像听一张黑胶唱片，底噪沙沙作响，但你爱的是那份模拟信号的温润与真实。如果为了纯净而切换到数字流媒体，反而可能丢失了某种质感。

所以，0.30000000000000004或许不是错误，而是计算机在向我们展示它的局限性之美。它诚实地告诉了我们：在这个离散的世界里，连续只是幻觉