浮點數的不精確性
打開瀏覽器控制台 輸入 0.3 + 0.6 ，結果輸出了0.8999999，不相信你可以按F12打開控制台試一試O(∩_∩)O
這是為什么？
我們先看下面的介紹，最后文末會給出答案。
定點數的表示
使用BCD編碼：用二進制來表示十進制的編碼方式
編碼過程：我們用 4 個比特來表示 0～9 的整數，那么 32 個比特就可以表示8個這樣的數
然后我們把最右邊的 2 個 0～9 的整數，當成小數部分；
把左邊 6 個 0～9 的整數，當成整數部分。
這樣，我們就可以用 32 個比特，來表示從 0 到 999999.99 這樣 1 億個實數了。
適用途徑：銀行、商家精確到“分0.01 ”的交易。
缺點：浪費比特啊，而且這樣的表示方式沒辦法同時表示很大的數字和很小的數字。
浮點數的表示
IEEE的標准，它定義了兩個基本的格式：float單精度 和 double雙精度
下面是單精度的表示方法：
1.符號為表示正負0和1。
2.指數位，因為我們也需要表示很小的數，指數位置需要負數，所以我們在這里用 1～254 映射到 -126～127 這 254個有正有負的數
3.有效數位，是一個 23 個比特組成的有效數位。我們用f來表示。
舉了栗子：
浮點數相加的精度誤差
栗子1：讓一個值為 2000 萬的 32 位浮點數和 1 相加，你會發現，+1 這個過程因為精度損失，被“完全拋棄”了。
float a = 20000000.0f;
float b = 1.0f;
float sum = a + b;
print sum //發現sum的值還是2000萬，而不是 200000001
為什么出現上述情況，因為兩個浮點數相加的運算是需要移位的，
過大或者過小的數移位之后可能會出現有效位數消失的情況，此部分內容可以搜尋相關資料：浮點數相加運算過程、浮點數的二進制表示
栗子2：將一個等於1.0的浮點數累加循環加2000萬次，發現結果是1600萬左右，你可以用java實現下面代碼，看看結果~~
為什么？也是浮點數加法產生的精度誤差
float sum = 0.0f;
for (int i = 0; i < 20000000; i++) {
float x = 1.0f;
sum += x;
}
print sum // sum 約等於1.6777216E7
解決方案：Kahan Summation 算法
float sum = 0.0f;
float c = 0.0f;
for (int i = 0; i < 20000000; i++) {
float x = 1.0f;
float y = x - c;
float t = sum + y;
c = (t-sum)-y;
sum = t;
}
print sum;//2000萬
在每次的計算過程中，都用一次減法，把當前加法計算中損失的精度記錄下來然后在后面的循環中，把這個精度損失放在要加的小數上，再做一次運算。
該算法的數學證明參見：Wikipedia 鏈接
所以回到文章開頭的問題，0.3 + 0.6 為什么不等於0.9，
就是因為計算機用浮點數表示法來表示浮點數，只能精確表示 2^x （2的x次方）這種數0.3、0.6不能精確表示出來，例如0.5是2^(-1)是可以被精確表示的。