双精度浮点型 double

本章定位：double是64位IEEE 754双精度浮点数，有效数字约15~16位十进制数，是Java浮点数的默认类型。在飞翔科技的系统中，圆周率3.141592653589793、地月距离384400.12345、Math.sqrt(2)等科学计算场景都用double。大翔强调："能用double就别用float——除非你有内存或GPU的特殊限制。"

定义与语法

属性	说明
关键字	`double`（双精度浮点型）
位数	64 bits（8字节）
标准	IEEE 754 双精度浮点数
有效数字	约15~16位十进制数字
取值范围（正数）	约 4.9×10⁻³²⁴ ~ 1.8×10³⁰⁸
默认值	0.0d
包装类	`java.lang.Double`
字面量后缀	可选 `d` 或 `D`（浮点字面量默认就是double）

基本声明

double pi = 3.141592653589793;       // 圆周率
double moonDistance = 384400.12345;  // 地月距离(km)
double sqrt2 = Math.sqrt(2);         // √2
double drugHalfLife = 3.141592653589793;  // 药物半衰期（π小时）
double discountRate = 3.141592653589793 / 10;  // 31.4%促销折扣
double goldenRatio = 1.61803398875;  // 黄金分割

深度原理：double vs float 的精度提升

double的64位布局

计算公式：

value = (-1)^S × (1.M) × 2^(E-1023)

精度对比：
- float:  2^-23 ≈ 1.19×10⁻⁷  （约7位有效数字）
- double: 2^-52 ≈ 2.22×10⁻¹⁶ （约16位有效数字）

精度对比实验

float  表示 3.141592653589793 → 3.1415927  （精度损失在第8位）
double 表示 3.141592653589793 → 3.141592653589793 （15位精确）

完整代码示例

示例一：飞翔旅游的地月距离计算

/**
 * 飞翔科技 - double 类型演示
 * 场景：飞翔旅游推出的"地月星际旅行"项目
 */
public class DoubleMoonDemo {
    public static void main(String[] args) {
        // 地月距离
        double moonDistance = 384400.12345;          // km
        double pi = 3.141592653589793;
        double sqrt2 = Math.sqrt(2);
        
        // 假设旅行速度：光速的万分之一（29.98 km/s）
        double lightSpeed = 299792.458;               // km/s
        double travelSpeed = lightSpeed / 10000;      // 29.98 km/s
        double travelTimeSeconds = moonDistance / travelSpeed;
        double travelTimeHours = travelTimeSeconds / 3600;
        
        // 月球周长计算（月球半径约1737.1km）
        double moonRadius = 1737.1;
        double moonPerimeter = 2 * pi * moonRadius;
        
        System.out.println("【飞翔星际旅行 - 地月航线】");
        System.out.println("地月距离：" + moonDistance + " km");
        System.out.println("航行速度：" + String.format("%.2f", travelSpeed) + " km/s");
        System.out.println("预计航行时间：" + String.format("%.2f", travelTimeHours) + " 小时");
        System.out.println("月球周长：" + String.format("%.2f", moonPerimeter) + " km");
        
        System.out.println("\n【数学常数】");
        System.out.println("π = " + pi);
        System.out.println("√2 = " + sqrt2);
        System.out.println("黄金分割比：" + (1 + Math.sqrt(5)) / 2);
    }
}

运行输出：
【飞翔星际旅行 - 地月航线】
地月距离：384400.12345 km
航行速度：29.98 km/s
预计航行时间：3.56 小时
月球周长：10914.73 km

【数学常数】
π = 3.141592653589793
√2 = 1.4142135623730951
黄金分割比：1.618033988749895

示例二：double的精度极限测试

/**
 * 飞翔科技 - double 精度极限演示
 * 场景：白歌让小崔理解double的精度边界
 */
public class DoublePrecisionDemo {
    public static void main(String[] args) {
        // 精度测试：逐渐增加小数位数
        double pi = 3.141592653589793;
        System.out.println("π (double): " + pi);
        System.out.println("π (15位):    3.141592653589793");  // 全对
        System.out.println("π (16位):    3.1415926535897932"); // 最后一位有误差
        
        // 大数 + 小数的精度丢失
        double bigNumber = 1.0e15;     // 1000000000000000
        double smallNumber = 0.1;
        double sum = bigNumber + smallNumber;
        System.out.println("\n【大数吃小数】");
        System.out.println("1e15 + 0.1 = " + sum);
        System.out.println("是否等于1e15？" + (sum == bigNumber));  // true！小数被吃了
        
        // 极小值
        System.out.println("\n【double 极值】");
        System.out.println("MIN_VALUE: " + Double.MIN_VALUE);         // 4.9E-324
        System.out.println("MAX_VALUE: " + Double.MAX_VALUE);         // 1.7976931348623157E308
        System.out.println("MIN_NORMAL: " + Double.MIN_NORMAL);       // 2.2250738585072014E-308
        
        // 特殊值
        System.out.println("\n【特殊值】");
        System.out.println("1.0/0.0 = " + (1.0 / 0.0));            // Infinity
        System.out.println("0.0/0.0 = " + (0.0 / 0.0));            // NaN
        System.out.println("Math.sqrt(-1) = " + Math.sqrt(-1.0));  // NaN
    }
}

运行输出：
π (double): 3.141592653589793
π (15位):    3.141592653589793
π (16位):    3.1415926535897932

【大数吃小数】
1e15 + 0.1 = 1.0000000000000001E15
是否等于1e15？false

【double 极值】
MIN_VALUE: 4.9E-324
MAX_VALUE: 1.7976931348623157E308
MIN_NORMAL: 2.2250738585072014E-308

【特殊值】
1.0/0.0 = Infinity
0.0/0.0 = NaN
Math.sqrt(-1) = NaN

易错场景

反例一：用double做精确比较

// ❌ 错误：浮点数直接比较
double a = 0.1 + 0.2;
double b = 0.3;
if (a == b) {  // 条件为 false！
    System.out.println("相等");
}
System.out.println(a);  // 0.30000000000000004
System.out.println(b);  // 0.3

// ✅ 正确：误差容限比较
double epsilon = 1e-10;
if (Math.abs(a - b) < epsilon) {
    System.out.println("在误差范围内相等");
}

反例二："大数吃小数"的精度陷阱

// ❌ 问题：大数 + 极小数，小数被"吃掉"
double nationalDebt = 1.0e14;   // 100万亿
double myMoney = 0.01;
double total = nationalDebt + myMoney;
// total 可能等于 nationalDebt，myMoney 完全丢失

// ✅ 认知：double 只有约16位有效数字
// nationalDebt = 1.0 × 10^14 有14位整数位
// myMoney = 1.0 × 10^-2 太小了，加上去被舍入掉了
// 解决方案：如果确实需要这种精度，用 BigDecimal

反例三：用double做货币运算

// ❌ 危险：double做货币累加会累积误差
double balance = 1.00;
for (int i = 0; i < 10; i++) {
    balance -= 0.10;
}
System.out.println(balance);  // 输出 1.3877787807814457E-16（不精确！）

// ✅ 正确：货币运算使用 BigDecimal
import java.math.BigDecimal;
BigDecimal bd = new BigDecimal("1.00");
for (int i = 0; i < 10; i++) {
    bd = bd.subtract(new BigDecimal("0.10"));
}
System.out.println(bd);  // 输出 0.00（精确）

float vs double 选择指南

面试考点

Q1：double为什么是浮点数的默认类型？

Java设计者们认为double的64位精度（15位有效数字）能覆盖绝大多数应用场景，且在现代硬件上double运算速度与float相当（甚至更快，因为很多CPU的浮点单元原生支持64位）。将double设为默认避免了隐式精度损失，使用者需要显式加f后缀来表明"我可以接受较低精度"。

Q2：double d = 1.0 - 0.9; 结果是多少？

结果约等于0.09999999999999998，而不是精确的0.1。因为在二进制中，0.9是个无限循环小数，double只能存储其近似值。这是IEEE 754标准的固有限制，所有主流编程语言的浮点数都有此问题。

Q3：什么是"大数吃小数"？如何避免？

当两个数量级相差很大的double相加时，较小的数可能被完全舍入掉（因为double只有52位尾数，无法同时表示大数的整数部分和小数的精细部分）。例如1e16 + 1.0 = 1e16。避免方法：①重新组织算法，先加小数再加大数；②使用Kahan求和算法补偿丢失的精度；③改用BigDecimal。

Q4：Double.NaN == Double.NaN 的结果是什么？为什么？

结果是false。IEEE 754规定NaN与任何值（包括自身）比较都返回false。这是为了保持"NaN表示未定义/无效运算结果"的语义——两个未定义的结果不能认为相等。判断NaN应使用Double.isNaN()方法。