同步发表在我的博客：jmingzi
当你学习一个知识点没有方向时，可以尝试以解决问题的角度来理解它。
例如这个知识点我们可以从以下问题开始：
- 你看的到 1 真的是整数 1 吗？
- 为什么0.1 + 0.2 得到的是 0.30000000000000004 而不是 0.30000000000000004999 ？
- 为什么最大安全数是 2^53 - 1 ？
- 如何避免精度问题？
- 构造函数 Number 的一些静态属性
问题一
我们需要知道 js 中没有真正的整数，我们看到的数值都是 v8 引擎省略精度后的结果。在 ecma-262 规范中并没有说明该如何省略精度，所以如果换个解析引擎，可能又是另外一种结果了。
1..toPrecision(4) === '1.000'
我们可以用 toPrecision 来获取数值精度的字符串表示，所以对 js 中的数你得有 “横看成岭侧成峰” 的感觉。
问题二
由问题一我们知道精度是引擎处理的结果，那么这个问题也是同样的道理，0.1 + 0.2 如果放大精度来看，得到的当然是
(0.1 + 0.2)..toPrecision(21) === '0.300000000000000044409'
猜测：小数部分的精度默认是非 0 的 17 位，如果末尾是 0 则继续省略。接下来，我们从验证问题三开始从原理入手。
问题三
javascript 的浮点数采用的是 IEEE 754 双精度 64 位表示，IEEE 754 规定了四种浮点数的表示方式，双精度 64 位是其中的一种。
64 位二进制组成：
- 第 1 位符号位，用 S 表示，0 代表正数，1 代表负数
- 第 2 - 12 位指数位，用 E 表示，即 2^11 = 2048，曲值范围是 0 ～ 2047，由于是双精度，所以指数部分有正数也有负数，取中值 1023 分隔，即指数值为 E - 1023
- 第 13 - 64 位尾数位，用 M 表示
例如数字 1 用 二进制表示也是 “1”，如果我们填充 64 位二进制，表示应该是怎样的呢？
- 符号 S = 0
- 指数 E - 1023 = 0，E = 1023
- 尾数 M = 52
那么实际我们看到的二进制存储应该是这样的：
0 01111111111 0000...0000
用在线转换工具转换后如下图，可以验证结果的正确性：
http://www.binaryconvert.com/result_double.html
我们再用 0.1 + 0.2 验证下：
0.1.toString(2) // 0.00011001100...11010
0.1 的二进制 64 位转成科学记数法表示：1.10011001100...*10^-4，也就是说
- 符号 S = 0
- 指数 E = 1023 - 4 = 1019
- 尾数 M = 10011001100...11010 我们可以继续用在线转换的网址验证下结果：
我们可以发现，其实 0.1 的尾数是 1100 不断循环的，但是我们看到的最后 4 位是 1010 这是由于尾数只能保存 52 位，多余的部分会被舍弃，舍弃规则是 IEEE 754 规范所定义的：
- 舍入到最接近：舍入到最接近，在一样接近的情况下偶数优先（Ties To Even，这是默认的舍入方式），会将结果舍入为最接近且可以表示的值，但是当存在两个数一样接近的时候，则取其中的偶数（在二进制中式以0结尾的）
- 朝+∞方向舍入
- 朝-∞方向舍入
- 朝 0 方向舍入
另外，规范还约定，由于二进制的科学记数法永远是 1.几 开头，所以将 1 省略，这样尾数就有 53 位来表示。所以 0.1 的二进制尾数部分：11001100...11001 这样 53 位，最后一位 1 向偶数舍入即进 1，得到 1010，这样得到的数其实是比真实的 0.1 要大的。
同理，我们查看 0.2 的表示：0.00110011001100...11010，可以得到尾数部分其实是一样的，仅仅是指数少了 1 位。
我们再来看看问题三，为什么最大安全整数是 2^53 - 1？我们可以反过来验证为什么 2^53 已经不再“安全”了。
由问题一我们知道正指数最大为 2047 - 1023 = 1024，为什么不是 2^1024 呢？由上我们知道尾数其实是可以有 53 位表示的（省略的 1 位），即
// Math.pow(2, 53).toString(2) 2^53 用二进制表示：1000...000，1 个 1，53 个 0 // 此时的尾数最多为 53 位，第 54 位 0 会被舍去 2^53-1 用二进制表示：1111...111，53 个 1 2^53+1 用二进制表示：1000...0001，1 个 1，52 个 0，1 个 1
其中，2^53 + 1 由于尾数最多为 53 位，所以必须舍掉第 54 位 1，根据舍入规则，向偶数舍入，所以舍掉第 54 位 1，不进 1。于是得到
2^53 === 2^53+1
也就是说从 2^53 开始就不能唯一表示一个数了，所以才说 2^53-1 是最大的安全数。
问题四
前端避免精度的场景就是展示某个价格，例如下面的公式：
展示价格 = 商品价格 * 数量 + 总价 * 服务费比例 - 优惠券价格
我们常用的方法有 Number.toFixed()、Number.parseFloat()、Math.round()，它们的区别是什么，弄清楚后才能知道如何使用它们。
Number.toFixed(digits) 返回指定位数的字符串表示，会进行四舍五入。例如
1.005.toFixed(2) // 1.00
很显然不符合我们需求，为什么会这样呢？因为 1.005 这个数在 64 位二进制存储时是不能完全表示这个数的，我们放大精度看看
1.005.toPrecision(17) // 1.0049999999999999
所以四舍五入的时候就将 499...99 舍掉了。
还记得问题三么？0.300000000000000044409 ，猜测的是是小数位 17 位，超过 17 位的部分会被四舍五入。因为做精度运算时都会做四舍五入：
1.005.toPrecision(16) // 1.005000000000000 1.005.toPrecision(17) // 1.0049999999999999 1.005.toPrecision(18) // 1.00499999999999989
所以使用 toFixed 去做展示运算是不可靠的。
Number.parseFloat === parseFloat ，将字符串转换为浮点数表示，很显然转换后显示出来也会有精度问题，因为精确到哪一位呢？
我上面猜测说是：“小数部分的精度默认是非 0 的 17 位”，这是不准确的，例如：
1.005 * 100 // 100.49999999999999 100.49999999999999.toPrecision(20) // 100.49999999999998579 '49999999999999'.length // 14 并不是 17
所以 parseFloat 后的结果和我们直接写出来看到的数字是一样的，并不能够使用它直接参与计算。
Math.round() 返回一个数字四舍五入后最接近的整数，所以我们一般将浮点数放大为精度位的整数后再使用 Math.round() 得到四舍五入后的整数，再缩小精度位。
例如对于价格类，精度为 2，我们可以先乘 100 做运算后再除 100，此时得到的很可能是个精度位很长的数，我们只需要在展示时乘 100，Math.round 后再除 100 即可。
所以结论就是对于浮点数的计算，先放大，再做计算，计算完成后需要展示精度，可以使用 Math.round 四舍五入后，再缩小即可。
对于不需要做计算的浮点数直接展示，我们可以先 toPrecision 放大精度，再使用 toFixed() 到指定的精度。前提是放大的精度足够大，最好是 17 。
function round(num, precision) { const base = Math.pow(10, precision) return Math.round((num.toPrecision(17) * base).toFixed(1)) / base } round(1.005, 2) // 1.01
问题五
Number 构造函数拥有的静态属性如下（负方向已忽略）：
// 最大能表示的值，无限接近于 2^1024 Number.MAX_VALUE // 最大安全数 2^53 - 1 Number.MAX_SAFE_INTEGER // 正无穷大 2^1024 Number.POSITIVE_INFINITY === Infinity // 非数值 Number.NaN 等同于 NaN
关于 Infinity 和 NaN 需要注意的是
- Infinity === Infinity
- NaN !== NaN
- Infinity / Infinity = NaN
- 0 * Infinity = NaN
- 任何数 和 NaN 运算结果都是 NaN
- 任何数 / Infinity = 0
- Infinity * Infinity = Infinity