豆米的画像
首页Home博客Blogs标签Tags分类Categories时间线Timeline豆米DouMi本站Website登录Login

javascript语言数字运算缺陷

发表于 2018-03-21
更新于 2024-05-23
分类于 技术专栏
阅读量 10132
字数统计 6897

前言

但凡是入门了js的童鞋，都知道js的数学运算是有缺陷的，当然这个问题并不只是在Javascript中才会出现，几乎所有的编程语言都采用了 IEEE-745 浮点数表示法，任何使用二进制浮点数的编程语言都会有这个问题，只不过在很多其他语言中已经封装好了方法来避免精度的问题，而 JavaScript 是一门弱类型的语言，从设计思想上就没有对浮点数有个严格的数据类型，所以精度误差的问题就显得格外突出。但也许很少有人会去琢磨为什么会有这种问题。这篇文章我们将从计算机基础讲起，告诉大家为什么会有这种问题，以及解决这些缺陷的办法。

1、十进制是如何转二进制的？

大家都知道，计算机内部存储的数据全都是二进制，无论什么数据类型，都会在最后转为二进制存储并运算。十进制也不例外。在代码中我们写一个赋值：const a = 1，这段代码是会转为一段计算机可以识别的二进制数字，从而让CPU可以执行。 其中数字1也会转为二进制，那么二者之间的转换规律是什么呢？

比如整数1，转化为二进制便是：

0000 0000 0000 0001

接下去我们说一下正整数、负整数、浮点数是如何转为二进制的，从而为后面的介绍奠定基础

1.2、正整数转为二进制

简单地概括其方法便是： 除二取余，然后倒序排列，高位补零。

举个栗子，数字13，按照上面的方法除二取余：

13 / 2 = 6 --- 1

6 / 2 = 3 --- 0

3 / 2 = 1 --- 1

1 / 2 = 1 --- 0

然后 倒序排放： 1011

然后高位补零(假设内存是32位的)： 0000 0000 0000 0000 0000 0000 0000 1011

1.3、负整数转为二进制

在计算机中，负数以其正值的补码形式存储。

那么什么叫做补码呢？稍微有点计算机基础的童鞋应该都能知道吧？

计算机有三大码： 原码、反码、补码。

原码就是刚才正整数转为二进制的数

反码是将原码按位取反得到的新的二进制数，比如刚才的13：

原码： 0000 0000 0000 0000 0000 0000 0000 1011

反码： 1111 1111 1111 1111 1111 1111 1111 0100

补码是反码加1，即：

补码： 1111 1111 1111 1111 1111 1111 1111 0101

得到的补码便是-13在内存中的存储形式，十六进制表示为：0xFFFF FFF5

所以负整数的转换比刚才的正整数多了三个步骤：

  1. 对负整数取绝对值得到结果A
  2. 对正整数A转换为二进制，结果为B
  3. 对B的每一位都取反，得到结果C
  4. 对结果C加1

1.4、浮点数转为二进制

小数转二进制采用"乘2取整，顺序排列"法，具体做法是用2乘十进制小数，可以得到积，将积的整数部分取出，再用2乘余下的小数部分，又得到一个积，再将积的整数部分取出，如此进行，直到积中的小数部分为零，此时0或1为二进制的最后一位，或者达到所要求的精度为止。

比如： 0.125转为二进制：

0.125 * 2 = 0.25 ---> 0 0.25 * 2 = 0.5 ---> 0 0.5 * 2 = 1.0 ---> 1

于是其二进制便是(0.001)B

我们反验证一下： 0.125 = 0 * 2^(-1) + 0 * 2^(-2) + 1 * 2^(-3) = 1/8 = 0.125

结果是成立的。

以上的转换方法的原理可以参考： 十进制转二进制

2、JS的双精度格式存储

Js的数字存储标准是IEEE 754，标准是采用64位双精度浮点数，其中：

第0位：符号位， s 表示 ，0表示正数，1表示负数；

第1位到第11位：储存指数部分， e 表示 ；

第12位到第63位：储存小数部分（即有效数字），f 表示

如下图：

要最后搞懂数字的最后存储格式，我们还需要知道科学计数法

其表达式是： m × b^n (1 ≤ m <b 并且 n∈ℤ)

举个🌰 ：

1234 = 1.234 × 10^3

当然也有二进制表示法：

举个栗子：

十进制浮点数7.25转换为二进制表示： 111.01(不要问我怎么转换的哈，不清楚地继续读读上面第一节的文章)，用二进制的科学计数法来表示：

1.1101 * 2^2， 我们可以来验证一下： (12^0 + 12^(-1) + 12^(-2) + 02^(-3) + 1*2^(-4)) * 2^2 = (1+0.5+0.25+0.0625) * 2^2 = 7.25

现在知道了二进制的科学计数法转换，我们还要说一下IEEE 754的一些规则：

1、符号位决定了一个数的正负，指数部分决定了数值的大小，小数部分决定了数值的精度。

2、IEEE 754规定，有效数字M第一位默认总是1，不保存在64位浮点数之中。也就是说，有效数字总是1.xx…xx的形式，其中xx..xx的部分保存在64位浮点数之中，最长可能为52位，但是可以表示53位有效数字。比如保存1.01的时候，只保存01，等到读取的时候，再把第一位的1加上去。这样做的目的，是节省1位有效数字。

3、E为一个无符号整数（unsigned int）。因为E为11位，所以它的取值范围为0~2047。但是，我们知道，科学计数法中的E是可以出现负数的，所以IEEE 754规定，E的真实值必须再加上一个中间数后才能存储到内存中，对于11位的E，这个中间数是1023。比如刚才的7.25，E为2，保存到内存中应该是2+127=129，也就是000 10000 0001

4、另外E还需要考虑下面三种情况：

（1）E不全为0或不全为1。这时，浮点数就采用上面的规则表示，即指数E的计算值减去127（或1023），得到真实值，再将有效数字M前加上第一位的1。

（2）E全为0。这时，浮点数的指数E等于0-127（或者0-1023），有效数字M不再加上第一位的1，而是还原为0.xxxxxx的小数。这样做是为了表示±0，以及接近于0的很小的数字。

（3）E全为1。这时，如果有效数字M全为0，表示±无穷大（正负取决于符号位s）；如果有效数字M不全为0，表示这个数不是一个数（NaN）

整合上面的所有信息，我们使用下面的例子来说：

浮点数0.125存储到内存的格式按照下面步骤计算：

  1. 0.125 转为二进制：0.001
  2. 二进制转为科学计数法表示： 1.0 * 2^-3
  3. 按照上面的表示，其E=-3+1023，M=0，所以存储内容如下：

逆方向可以直接转换为十进制：

  1. 0表示正数
  2. E符合上面说的第一种情况：真实值是1020-1023=-3
  3. 有效数M为0

于是二进制的科学计数法是：1.0*2^-3 => 转为十进制为0.125

3、js的浮点数运算缺陷

有了上面两小节的基础夯实，现在我们可以解释为什么在js中0.1+0.2会等于很长的一串数字？0.1*0.2也会是一串很长的数字？

根本原因是0.1转换为二进制是一个无限循环：

0.1 => 0.0 0011 0011 0011.....

因为在双精度的格式中有效数字是52位，所以0.1转化后完整的是 0.0 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011

转为科学计数法： 1.1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 * 2^-4

于是真实存储结构是：

同理0.2的真实存储结构是：

实际存储的位模式作为操作数进行浮点数加法，得到 0-01111111101-0011001100110011001100110011001100110011001100110100

转为十进制便是0.300000000000000044408920985006

参考：0.300000000000000044408920985006

但是为什么javascript只会打印前面有效数字17位呢？

原因可以查看我在stackoverflow的提问

How does JavaScript determine the number of digits to produce when formatting floating-point values?

另外一个经典的例子是： 0.1 + 0.125 为什么结果没有好多小数点？

因为二者相加得到：0.225000000000000005551115123126

根据上面的解释，得到0.22500000000000000,舍去最后的0就是0.225

参考：0.225000000000000005551115123126

3、 js超大整数溢出

因为所有的数字都需要转换为二进制，而转换完成后的二进制再使用科学计数法，从而存储到内存单元中，因此我们知道M的长度决定了可以表示的数字的范围。

M固定长度是52位，再加上省略的一位，最多可以表示的数是 2^53 - 1 = 9007199254740991, 所以范围是-9007199254740991 ~ 9007199254740991

可以通过JS定义的常量来证实：

Number.MIN_SAFE_INTEGER和Number.MAX_SAFE_INTEGER

那如果存储一个超过这个最大整数的值呢？会发生什么呢？

答案当然是溢出了。那么现在我们不仅仅要知道溢出，还想知道有什么溢出的规律呢？

因为M最多是53位，所以但凡是超过的位数的都会溢出从而被截断，我们举个🌰 ：

9007199254740992的二进制表示：

100000000000000000000000000000000000000000000000000000

因为只能保存52位，所以这个值将被截断：

1.0000000000000000000000000000000000000000000000000000 * 2^53

保存到内存是：

取出来还原，可以还原到原来的值，因为补充53个0后是得到原来的二进制数，从而转化后可以得到原先的数： 9007199254740992。

但是9007199254740993呢？ 我们还是按照上面的步骤：

二进制是： 100000000000000000000000000000000000000000000000000001

还是因为M的限制，只能保存52位，所以最后的一个1将被截断：

1.0000000000000000000000000000000000000000000000000000 * 2^53

保存到内存将会和9007199254740992一样，从而还原回十进制后，因为无法还原最后一位数，也就是1，所以得到的十进制数依然是9007199254740992,

从而你在控制台这样写是判断为true的： 9007199254740992 === 9007199254740993

举了这么一个例子是否看出什么规律来了？

溢出的数字将被截断，从而导致有对应的几个数会相等。

关于这点，牛人们已经总结出了对应的规律：

1、(2^53, 2^54) 之间的数会两个选一个，只能精确表示偶数

2、(2^54, 2^55) 之间的数会四个选一个，只能精确表示4个倍数

3、.. 依次跳过更多2的倍数

下面的这张图片很好解释了整数溢出导致精度缺失的严重程度：

4、解决方案

  1. 使用mathjs
  2. 使用number-precision
  3. 使用bigjs
  4. 自己动手写几个简单可用的运算函数，这个在网上都可以找到的。

这几种方法的权衡和选择依据项目条件来决定。

到此介绍完毕，如果文章有哪些纰漏的话，各位童鞋可以留言指出，多谢。

参考

  1. 双精度浮点数
  2. 在线转换双精度数字
  3. 0.30000000000000004
  4. What Every Computer Scientist Should Know About Floating-Point Arithmetic
  5. 进制互转
  6. toString()规范
  7. CSC231 An Introduction to Fixed- and Floating-Point Numbers
  8. Is Your Model Susceptible to Floating-Point Errors
  9. JavaScript 浮点数陷阱及解法

公众号关注一波~

微信公众号

关于评论和留言

如果对本文 javascript语言数字运算缺陷 的内容有疑问，请在下面的评论系统中留言，谢谢。

网站源码：linxiaowu66 · 豆米的博客

Follow：linxiaowu66 · Github