JavaScript中小数与大整数的精度丢失原理及边界分析

JavaScript数值精度问题概述

首先探讨两个常见的数值比较现象：

0.1 + 0.2 == 0.3; // false 9999999999999999 == 10000000000000000; // true

前者涉及小数的精度问题，相关讨论在技术社区中已较为常见。后者则源于去年某系统数据库进行数据订正时发现的异常重复数据现象。本文将依据ECMAScript规范，对上述两个问题背后的原理进行梳理和总结。

最大整数与最小值范围

最大整数范围

JavaScript中的数值类型采用IEEE 754标准的双精度64位浮点数进行存储，其内部格式结构如下：

s × m × 2^e

其中，s代表符号位，用于标识数值的正负；m为尾数部分，占用52个二进制位；e为指数部分，占用11个二进制位。根据ECMAScript规范，指数e的有效取值范围为[-1074, 971]。基于此范围，可以计算出JavaScript能够表示的最大整数值为：

1 × (2^53 - 1) × 2^971 = 1.7976931348623157e+308

该数值对应于JavaScript内置对象Number.MAX_VALUE。

同理，可以推导出Number.MIN_VALUE的计算方式：

1 × 1 × 2^(-1074) = 5e-324

需要特别说明的是，MIN_VALUE代表的是最接近0的正数，而非数值最小的数。JavaScript中数值最小的数是-Number.MAX_VALUE。

小数精度丢失原理

小数精度丢失机制

JavaScript中的所有数字均为双精度浮点数，在计算机底层以二进制形式存储。当数值的有效位数超过52位时，便会发生精度丢失。例如：

十进制 0.1 的二进制为 0.0 0011 0011 0011 … （循环 0011） 十进制 0.2 的二进制为 0.0011 0011 0011 … （循环 0011） 0.1 + 0.2 相加可表示为： e = -4; m = 1.10011001100...1100（52 位） + e = -3; m = 1.10011001100...1100（52 位） --------------------------------------------- e = -3; m = 0.11001100110...0110 + e = -3; m = 1.10011001100...1100 --------------------------------------------- e = -3; m = 10.01100110011...001 --------------------------------------------- = 0.01001100110011...001 = 0.30000000000000004（十进制）

通过上述演算可以得出一个结论：如果十进制小数的二进制表示中，有限数字部分不超过52位，那么在JavaScript中可以精确存储。例如：

0.05 + 0.005 == 0.055 // true

进一步观察可以发现如下规律：

0.05 + 0.2 == 0.25 // true 0.05 + 0.9 == 0.95 // false

这涉及到IEEE 754标准中定义的舍入模式（Rounding modes），有兴趣的读者可以进一步深入研究。

大整数精度丢失边界

大整数精度丢失分析

这一现象较少被提及，首先需要明确问题的核心：

1. JavaScript能存储的最大整数是多少？

该问题在前文已作答，即Number.MAX_VALUE，这是一个极大的数值。

2. JavaScript能存储且不丢失精度的最大整数是多少？

根据公式s × m × 2^e，当符号位取正、52位尾数全部填充为1、指数e取最大值971时，计算结果依然是Number.MAX_VALUE。

那么，我们最初提出的问题究竟指向什么？回到起始代码：

9999999999999999 == 10000000000000000; // true

很明显，16个9构成的数值远小于308个10构成的MAX_VALUE。该问题与MAX_VALUE无直接关联，根本原因在于尾数m仅有52位。

可以通过以下代码进行验证：

var x = 1; // 为了减少运算量，初始值可以设大一点，比如 Math.pow(2, 53) - 10 while(x != x + 1) x++; // x = 9007199254740992 即 2^53

这表明，当x小于等于2^53时，可以确保x的精度不丢失；而当x大于2^53时，x的精度可能会发生丢失。例如：

x 为 2^53 + 1 时，其二进制表示为： 10000000000...001 （中间共有 52 个 0） 用双精度浮点数存储时： e = 1; m = 10000..00（共 52 个 0，其中 1 是 hidden bit） 显然，这和 2^53 的存储是一样的。

按照上述逻辑推导，对于2^53 + 2，其二进制表示为100000…0010（中间51个0），该数值同样可以被精确存储。

总结规律：当x大于2^53且其二进制有效位数超过53位时，就会出现精度丢失。这与小数的精度丢失在本质上是一致的。

关于hidden bit（隐藏位）的更多细节，可参考：A tutorial about Java double type.。

跨语言精度处理与总结

总结

小数和大整数的精度丢失并非JavaScript独有。严格来说，任何使用IEEE 754浮点数格式存储浮点类型的编程语言（如C/C++/C#/Java等）都存在此类问题。在C#和Java中，通过提供Decimal和BigDecimal封装类来处理高精度数值，从而避免了精度丢失。

注：ECMAScript规范中已提出decimal proposal，但目前尚未被正式采纳。

最后提出一个思考题：

Number.MAX_VALUE + 1 == Numer.MAX_VALUE; Number.MAX_VALUE + 2 == Numer.MAX_VALUE; ... Number.MAX_VALUE + x == Numer.MAX_VALUE; Number.MAX_VALUE + x + 1 == Infinity; ... Number.MAX_VALUE + Number.MAX_VALUE == Infinity; // 问题： // 1. x 的值是什么？ // 2. Infinity - Number.MAX_VALUE == x + 1; 是 true 还是 false ?

以上关于JavaScript中小数和大整数精度丢失的分析即为全部内容，希望能为读者提供参考，并欢迎大家继续支持本站。