1.引言
1.1引入背景
我们目前使用的所熟知的公司的保险系统，好多涉及计算金额的字段，开发都将这类变量定义为Double类型，举例请看下表：
|
字段 |
定义类型 |
来源系统 |
|
Premium【保费】 |
double |
承保系统 |
|
PlanFee【应收应付金额】 |
double |
收付系统 |
|
EstimateLoss【估损金额/报案金额】 |
double |
理赔系统 |
1.2场景重现
所在项目涉及的是接口测试，寺库商户系统每向样光信保发送一笔订单，在阳光信保进行承保；有承保自然会出现理赔场景；当寺库商户将一笔订单的逾期报案信息发送到阳光信保理赔系统时，信保接口接收一笔索赔金额时报错；自己测试也没有问题，进行查找后发现是double类型精度问题所导致；
2.分析
2.1产生原因
接口传送过来的报文以JSON形式进行交互，每个字段都定义为String类型；寺库逾期报案金额=逾期本金+逾期利息之和即[EstimateLoss=balance+int]：
具体举例如下：
Balance=121.57
Int=4.83
此时EstimateLoss=balance+int=121.57+4.83=126.40；但是当balance本金与int利息进入理赔系统，按照double方式进行接收相加的结果如下图在Eclipse里运行的结果：
了然了吧，理赔系统会拿126.39999999999999与接口报文中实际传送的129.40做比较，肯定不相等，从而触发了报案的报案金额一定要和本金+利息之和相等这条需求；
2.2解决方案
采用Java 浮点数精确计算 BigDecimal方式进行处理；
第一：即先将两个String类型的本金和利息直接接收到理赔系统；
将String类型的EstimateLoss报案金额直接接收到理赔系统，
为Double类型；
第二：将String类型的本金和利息分别转换为BigDecimal；
第三：将本金与利息之和是BigDecimal类型的，在还原成理赔系统识别的Double类型，在拿去和EstimateLoss报案金额做比较；
最后在构造为BigDecimal实现相加。
即按照如下代码实现：涉及减法、乘法、除法的浮点型精度也需要考虑测试的是哪种数据类型；
public static double sub(double v1,double v2){
BigDecimal b1 = new BigDecimal(Double.toString(v1));
BigDecimal b2 = new BigDecimal(Double.toString(v2));
return b1.subtract(b2).doubleValue();
}
运用BigDecimal进行运算结果如下：
2.3分享说明
希望今后大家测试接口或者其他涉及金额的问题时，一定要事先向开发咨询其定义的和金额有关的变量，定义的数据类型是什么，如果是浮点型的Float或Double，那么这样的变量进行运算的时候就会出现精度问题，需要格外注意；
一般情况下：
两个（或以上）的Float类型的数据进行数学运算，会产生精度丢失问题；
两个（或以上）的Double类型的数据进行数学运算，会产生精度丢失问题；
一个Float类型与另一个Double类型的数据进行数学运算，会产生精度丢失的问题；
所以测试涉及小数（一般是金额相加减的时候）需要明确的内容：
1.两个相加字段，在开发程序里定义的数据类型是什么；
一般直接定义为BigDecimal，不要想当然的认为就没有问题，要看它是否自始至终都是BigDecimal类型的数据进行操做，如果不是，请注意：因为只有String直接转BigDecimal才不会有精度丢失错误，将float或者double转成BigDecimal也会出现数据精度丢失问题；
2.熟悉一般类型哪些小数进行数学运算会报数据精度丢失问题，数据精度丢 失原因这里不做介绍，可以自行百度；一般给自己准备上几组，遇到这类问题的时候将这几组数据套用进去验证一下；
3.一般容易出现这种问题的数据验证组合如下（包括但不局限以下实例）：
323.34-4.85
121.54-4.83
121.57+4.83
4.015*100
123.3/100
2.4延伸扩展
从精度问题引申到我们平时需要注意有些字段，开发定义的数据类型会影响精度；
有时还要留意JAVA数据内部默认赋值的特性；
Int数据类型默认值为0
String类型默认值为NULL
Boolean类型的默认值为false；
当我们测试规则引擎的时候，有些时候定义只有某一个值为0的时候才会触发规则，当系统处理异常时有可能不能返回正常数据的值，此时如果默认为int型的数据将会默认返回0，使得系统默认这条数据触发了规则，从而使风控规则失真；
3.希望
希望通过本文档的书写，使得在测试金额等涉及精度问题的时候，能够快速的意识到精度风险，当然也不要草木皆兵，先向开发了解清楚程序内部定义的数据类型是什么。总之，希望大家都能耳聪目明，叫精度丢失问题在我们面前无所遁形；