大厂 禁止使用 浮点数 float、double

这主要是由于浮点数在表示和运算时存在的一些特性可能会带来潜在问题，以下为你详细分析：

1. 精度问题

• 二进制表示局限性：计算机使用二进制来存储和处理数据，而浮点数在二进制中的表示可能无法精确表示某些十进制小数。例如，十进制的 0.1 在二进制中是一个无限循环小数，当使用浮点数来存储 0.1 时，只能得到一个近似值。这就可能导致在进行数值计算时出现精度丢失的情况。

# Python 示例
a = 0.1
b = 0.2
print(a + b)  # 输出结果可能不是精确的 0.3

在金融领域，哪怕是极小的精度误差都可能导致严重的财务损失，所以大厂在涉及金额计算等场景时会避免使用浮点数。

2. 累积误差问题

• 多次运算放大误差：在进行多次浮点数运算时，精度误差会不断累积，最终可能导致结果与预期相差较大。例如，在科学计算、工程模拟等需要进行大量数值计算的场景中，累积误差可能会使计算结果失去可靠性。

// Java 示例
float sum = 0;
for (int i = 0; i < 1000; i++) {
    sum += 0.1;
}
System.out.println(sum);  // 结果与 100 会有偏差

3. 比较问题

• 难以精确比较：由于浮点数存在精度误差，直接使用相等运算符（如 ==）来比较两个浮点数是否相等往往是不可靠的。在实际应用中，需要使用一个很小的误差范围（即容差）来判断两个浮点数是否近似相等。

// JavaScript 示例
const a = 0.1 + 0.2;
const b = 0.3;
if (Math.abs(a - b) < Number.EPSILON) {
    console.log("近似相等");
} else {
    console.log("不相等");
}

4. 跨平台和兼容性问题

• 不同实现的差异：不同的计算机硬件、操作系统和编程语言对浮点数的处理可能存在细微差异。这可能导致在不同平台上运行相同的代码时，得到的浮点数计算结果不一致，从而影响系统的稳定性和兼容性。

替代方案

为了避免浮点数带来的问题，大厂在关键业务场景中通常会使用整数或高精度的十进制数据类型。例如，在金融领域，会使用整数来表示货币金额，将金额的最小单位（如分）作为基本单位进行存储和计算；在需要高精度计算的场景中，可以使用专门的高精度库来处理数值计算。