先看现象
涉及诸如float或者double这两种浮点型数据的处理时，偶尔总会有一些怪怪的现象，不知道大家注意过没，举几个常见的例子：
典型现象（一）：条件判断超预期
System.out.println( 1f == 0.9999999f ); // 打印：false
System.out.println( 1f == 0.99999999f ); // 打印：true 纳尼？
典型现象（二）：数据转换超预期
float f = 1.1f;
double d = (double) f;
System.out.println(f); // 打印：1.1
System.out.println(d); // 打印：1.100000023841858 纳尼？
典型现象（三）：基本运算超预期
System.out.println( 0.2 + 0.7 );
// 打印：0.8999999999999999 纳尼？
典型现象（四）：数据自增超预期
float f1 = 8455263f;
for (int i = 0; i < 10; i++) {
System.out.println(f1);
f1++;
}
// 打印：8455263.0
// 打印：8455264.0
// 打印：8455265.0
// 打印：8455266.0
// 打印：8455267.0
// 打印：8455268.0
// 打印：8455269.0
// 打印：8455270.0
// 打印：8455271.0
// 打印：8455272.0
float f2 = 84552631f;
for (int i = 0; i < 10; i++) {
System.out.println(f2);
f2++;
}
// 打印：8.4552632E7 纳尼？不是 +1了吗？
// 打印：8.4552632E7 纳尼？不是 +1了吗？
// 打印：8.4552632E7 纳尼？不是 +1了吗？
// 打印：8.4552632E7 纳尼？不是 +1了吗？
// 打印：8.4552632E7 纳尼？不是 +1了吗？
// 打印：8.4552632E7 纳尼？不是 +1了吗？
// 打印：8.4552632E7 纳尼？不是 +1了吗？
// 打印：8.4552632E7 纳尼？不是 +1了吗？
// 打印：8.4552632E7 纳尼？不是 +1了吗？
// 打印：8.4552632E7 纳尼？不是 +1了吗？
看到没，这些简单场景下的使用情况都很难满足我们的需求，所以说用浮点数（包括double和float）处理问题有非常多隐晦的坑在等着咱们！
怪不得技术总监发狠话：谁要是敢在处理诸如 商品金额、订单交易、以及货币计算时用浮点型数据（double/float），直接让我们走人！
原因出在哪里？
我们就以第一个典型现象为例来分析一下：
System.out.println( 1f == 0.99999999f );
直接用代码去比较1和0.99999999，居然打印出true！
这说明了什么？这说明了计算机压根区分不出来这两个数。这是为什么呢？
我们不妨来简单思考一下：
我们知道输入的这两个浮点数只是我们人类肉眼所看到的具体数值，是我们通常所理解的十进制数，但是计算机底层在计算时可不是按照十进制来计算的，学过基本计算原理的都知道，计算机底层最终都是基于像010100100100110011011这种0、1二进制来完成的。
所以为了搞懂实际情况，我们应该将这两个十进制浮点数转化到二进制空间来看一看。
十进制浮点数转二进制 怎么转、怎么计算，我想这应该属于基础计算机进制转换常识，在 《计算机组成原理》 类似的课上肯定学过了，咱就不在此赘述了，直接给出结果（把它转换到IEEE 754 Single precision 32-bit，也就float类型对应的精度）
1.0（十进制）
↓
00111111 10000000 00000000 00000000（二进制）
↓
0x3F800000（十六进制）
0.99999999（十进制）
↓
00111111 10000000 00000000 00000000（二进制）
↓
0x3F800000（十六进制）
果不其然，这两个十进制浮点数的底层二进制表示是一毛一样的，怪不得==的判断结果返回true！
但是1f == 0.9999999f返回的结果是符合预期的，打印false，我们也把它们转换到二进制模式下看看情况：
1.0（十进制）
↓
00111111 10000000 00000000 00000000（二进制）
↓
0x3F800000（十六进制）
0.9999999（十进制）
↓
00111111 01111111 11111111 11111110（二进制）
↓
0x3F7FFFFE（十六进制）
哦，很明显，它俩的二进制数字表示确实不一样，这是理所应当的结果。
那么为什么0.99999999的底层二进制表示竟然是：00111111 10000000 00000000 00000000呢？
这不明明是浮点数1.0的二进制表示吗？
这就要谈一下浮点数的精度问题了。
浮点数的精度问题！
学过 《计算机组成原理》 这门课的小伙伴应该都知道，浮点数在计算机中的存储方式遵循IEEE 754 浮点数计数标准，可以用科学计数法表示为：
只要给出：符号（S）、阶码部分（E）、尾数部分（M） 这三个维度的信息，一个浮点数的表示就完全确定下来了，所以float和double这两种浮点数在内存中的存储结构如下所示：
1、符号部分（S）
0-正 1-负
2、阶码部分（E）（指数部分）：
- 对于float型浮点数，指数部分8位，考虑可正可负，因此可以表示的指数范围为-127 ~ 128
- 对于double型浮点数，指数部分11位，考虑可正可负，因此可以表示的指数范围为-1023 ~ 1024
3、尾数部分（M）：
浮点数的精度是由尾数的位数来决定的：
- 对于float型浮点数，尾数部分23位，换算成十进制就是 2^23=8388608，所以十进制精度只有6 ~ 7位；
- 对于double型浮点数，尾数部分52位，换算成十进制就是 2^52 = 4503599627370496，所以十进制精度只有15 ~ 16位
所以对于上面的数值0.99999999f，很明显已经超过了float型浮点数据的精度范围，出问题也是在所难免的。
精度问题如何解决
所以如果涉及商品金额、交易值、货币计算等这种对精度要求很高的场景该怎么办呢？
方法一：用字符串或者数组解决多位数问题
校招刷过算法题的小伙伴们应该都知道，用字符串或者数组表示大数是一个典型的解题思路。
比如经典面试题：编写两个任意位数大数的加法、减法、乘法等运算。
这时候我们我们可以用字符串或者数组来表示这种大数，然后按照四则运算的规则来手动模拟出具体计算过程，中间还需要考虑各种诸如：进位、借位、符号等等问题的处理，确实十分复杂，本文不做赘述。
方法二：Java的大数类是个好东西
JDK早已为我们考虑到了浮点数的计算精度问题，因此提供了专用于高精度数值计算的大数类来方便我们使用。
在前文《不瞒你说，我最近跟Java源码杠上了》中说过，Java的大数类位于java.math包下：
可以看到，常用的BigInteger 和 BigDecimal就是处理高精度数值计算的利器。
BigDecimal num3 = new BigDecimal( Double.toString( 1.0f ) );
BigDecimal num4 = new BigDecimal( Double.toString( 0.99999999f ) );
System.out.println( num3 == num4 ); // 打印 false
BigDecimal num1 = new BigDecimal( Double.toString( 0.2 ) );
BigDecimal num2 = new BigDecimal( Double.toString( 0.7 ) );
// 加
System.out.println( num1.add( num2 ) ); // 打印：0.9
// 减
System.out.println( num2.subtract( num1 ) ); // 打印：0.5
// 乘
System.out.println( num1.multiply( num2 ) ); // 打印：0.14
// 除
System.out.println( num2.divide( num1 ) ); // 打印：3.5
当然了，像BigInteger 和 BigDecimal这种大数类的运算效率肯定是不如原生类型效率高，代价还是比较昂贵的，是否选用需要根据实际场景来评估。
每天进步一点点，Peace！
2020.04.09晚
最后，再附上我历时三个月总结的 Java 面试 + Java 后端技术学习指南，这是本人这几年及春招的总结，目前，已经拿到了大厂offer，拿去不谢！
可以说掌握这个pdf上的知识，面试问的基础知识无处左右，由于细节内容实在太多了，所以只把部分知识点截图出来粗略的介绍，每个小节点里面都有更细化的内容！
下文中截图来源于一位粉丝收集的pdf版的面经，把所有知识点的答案整理了下来，耗费他将近至少1个月时间，在这把这个pdf分享给大家，觉得有用有需要的朋友的可以转发支持+关注下，私信回复【资料】即可获取免费领取方式！！！面经中有他的知识点的答案，如下图示例，非常详细！！！
这份PDF面经知识点包括了五个大部分，26个知识点：
- Java部分：Java基础，集合，并发，多线程，JVM，设计模式
- 数据结构算法：Java算法，数据结构
- 开源框架部分：Spring，MyBatis，MVC，netty，tomcat
- 分布式部分：架构设计，Redis缓存，Zookeeper，kafka，RabbitMQ，负载均衡等
- 微服务部分：SpringBoot，SpringCloud，Dubbo，Docker
一、java知识部分
现在面试对很多原理基础都特别注重，然而有很多人对一些核心原理理解的不够透彻，特别是对 Java 的一些核心基础知识点掌握的不够，例如 JVM、常用的算法和数据结构等。正所谓万丈高楼平地起，只有把基础掌握的牢固，才能走的更远，面对不断更新的技术才能快速掌握，同时在面试、工作中也更能脱颖而出！下面展示下这些必须掌握的Java知识部分，内容很多，都是一些重点知识！！！
1.Java基础：
2.Java集合：
3.并发知识
4.多线程
推荐阅读：《Java多线程编程核心技术》，后面有电子书免费领取！
5.java虚拟机（JVM）
JVM 是初级Java 程序员成长路上的一道必经之路，学习JVM之前，只需要知道代码编译成 Class，虚拟机加载 Class 运行就可以了，学习 JVM 之后，可以深入理解代码从编译到加载的过程、内存中对象的创建与垃圾回收、日常开发中快速定位性能问题等，当然也是面试不可缺少的加分项。
推荐阅读：《深入理解java虚拟机》
6.设计模式
之前听过一句话，“很多程序员不知道怎么组织代码、怎么提升效率、怎么提高代码的可维护性、可重用性、可扩展性、灵活性，写出来的代码一团糟，但居然可以正常运行”。对于这样的说法，看着入行时留下的代码，惭愧地笑了，或许对于大部分人都会有同感。
从 JDK 源码，到主流开源框架，设计模式的应用俯拾皆是，“设计模式为我所用”或多或少已经成为程序员编码思维的本能了。
知识点：
7.数据结构与算法篇
需要掌握的知识点：
哪些数据结构（线，链，堆，栈，队列）及其在 Java 里面哪里有用到。8 大算法（时间复杂度，空间复杂度，内存，CPU 的影响）及其应用的地方。KMP 查找算法，二分查找，递归算法（写法，内存的影响）。数、图及其应用的地方。hash 表，及其实际工作中哪里应用
二、.数据库部分
推荐阅读：《高性能MySQL》 《MySQL技术内幕:InnoDB存储引擎(第2版)》
三、开源框架部分
Spring 作为一个轻量级的 Java 开发框架，将面向接口的编程思想贯穿整个 Java 系统应用，因此在 Java 面试中常被提。
四、分布式高并发架构部分
这部分是关于分布式架构知识部分，包括Redis，Zookeeper，数据库性能优化，负载均衡等！
五、微服务知识
读者福利赠送
同时还有一份Java中高级面试高频考点文档免费分享给大家，与上面那份文档面经掌握其中的大部分知识足以面对很多互联网公司包括阿里蚂蚁金服等面试了
Java中高级面试高频考点整理
其中囊括了JVM、锁、并发、Java反射、Spring原理、微服务、Zookeeper、数据库、数据结构等大量知识点。
更多Java进阶知识笔记文档分享，这些对于面试还是学习来说都是一份不错的学习资料
有需要的朋友可以帮忙转发分享下然后私信关键词【资料】即可获取免费领取方式！
最后还分享Java进阶学习及面试必备的视频教学
获取方式：转发+转发+转发后私信关键词【资料】即可获取免费领取方式！
