17370845950

根本原因是IEEE 754标准用有限二进制位表示无限循环小数，如0.1在二进制中为循环小数，赋值时即产生截断误差，导致0.1+0.2≠0.3。

为什么 float 和 double 会算错？

根本原因不是 C++ 的 bug，而是 IEEE 754 浮点数标准用有限二进制位表示无限小数。比如 0.1 在二进制里是循环小数，必须截断，误差从赋值那一刻就存在。
典型现象：

double a = 0.1 + 0.2;
std::cout << (a == 0.3); // 输出 0（false）

什么时候该用 std::fixed 和 std::setprecision？

它们只控制输出格式，不改变存储精度。适合「显示需求明确」的场景，比如金额、UI 展示、日志打印。
常见误用：以为加了 setprecision(2) 就能当「四舍五入」用——它只是截断显示，内部值没变，后续计算仍带误差。
正确做法：

• 先用 std::round(x * 100) / 100 做真正舍入（注意 round 对负数行为）
• 再用 std::fixed 控制输出位数
• 避免混用 std::defaultfloat 和 std::fixed 在同一输出流中未重置

需要真高精度时，该选 boost::multiprecision 还是自定义定点数？

取决于精度要求和性能容忍度：

• 金融计算、密码学等必须零误差：用 boost::multiprecision::cpp_dec_float_50（50 位十进制精度），但运算比 double 慢 100 倍以上
• 游戏物理、图形变换等允许微小误差：改用定点数，比如把单位换算成整数毫秒/厘米，全程用 int64_t 运算
• 别碰 long double —— 它在 x86-64 Linux 是 80 位扩展精度，但在 Windows MSVC 下常退化为 64 位，跨平台行为不可靠

比较浮点数时，为什么不能直接用 ==？

因为两个看似相等的计算结果，可能因中间步骤舍入差异而落在不同二进制表示上。
安全做法是引入 epsilon（容差）比较：

bool equal(double a, double b, double eps = 1e-9) {
    re
turn std::abs(a - b) < eps;
}

• epsilon 不是固定值：对极大数（如 1e20）用 1e-9 会失效，应改用相对误差 std::abs(a-b)
• 涉及 NaN 时，== 和任何比较都返回 false，需先用 std::isnan() 判断
• 如果逻辑本身依赖严格相等（比如哈希表 key），就别用浮点数做 key

实际项目里最常被忽略的一点：精度问题往往不出现在计算本身，而出现在输入解析和单位混用上。比如读取 JSON 中的 "price": 19.99，如果后端传的是字符串，前端用 std::stod 解析，就已经损失精度；更稳妥的是解析为整数分（1999），全程整数运算。