IEEE 754浮点数剖析 - 单/双精度位级展示

IEEE 754 是由电气电子工程师学会(IEEE)制定的浮点数运算技术标准，是目前几乎所有计算机系统（包括CPU、GPU和编程语言）表示浮点数的基础。它定义了浮点数的存储格式（符号位 + 指数 + 尾数）、特殊值（±∞、NaN）、舍入规则和异常处理。该标准确保了不同平台间浮点运算的一致性。 常见格式包括：单精度(32位)、双精度(64位)、半精度(16位)和四精度(128位)。

特性	单精度 Float32	双精度 Float64
总位数	32	64
符号位	1	1
指数位	8	11
尾数位	23	52
指数偏移量	127	1023
约十进制精度	~7位有效数字	~15-17位有效数字
最大规约数	≈3.4×10³⁸	≈1.8×10³⁰⁸
最小正规约数	≈1.18×10⁻³⁸	≈2.23×10⁻³⁰⁸

0.1（十进制）转换为二进制是一个无限循环小数：0.00011001100110011...（循环节0011）。由于浮点数只有有限的尾数位来存储，必须截断或舍入，因此无法精确表示0.1。这就像十进制中1/3只能近似为0.333...一样。在双精度中，0.1实际存储约为0.10000000000000000555...，在单精度中约为0.10000000149011612...。这是浮点运算中累积误差的根本原因，也是金融计算通常使用定点数或十进制类型的原因。

指数偏移量用于将带符号的指数映射到无符号整数存储。对于n位指数，偏移量 = 2^(n-1) - 1。
• 单精度8位指数：偏移量 = 2^7 - 1 = 127
• 双精度11位指数：偏移量 = 2^10 - 1 = 1023
存储指数 = 实际指数 + 偏移量。例如实际指数为0时，存储为127（单精度）或1023（双精度）。偏移量的设计使得指数比较时可以直接使用无符号整数的比较逻辑，简化了硬件设计。全0指数保留给零和子规约数，全1指数保留给无穷大和NaN。

当指数位全为0且尾数非0时，表示子规约数。它们用于填充0与最小规约数之间的"下溢缺口"，实现渐进下溢。子规约数的特点是：
• 实际指数固定为 1 - 偏移量（单精度-126，双精度-1022）
• 尾数的隐含位为0（而非规约数的1）
• 值 = (-1)^S × 0.M × 2^(1-bias)
例如单精度最小正子规约数约为 1.4×10⁻⁴⁵，远小于最小正规约数 1.18×10⁻³⁸。虽然子规约数的精度较低，但避免了直接下溢到零。

Infinity(无穷大)：指数位全1，尾数全0。符号位=0为正无穷(+∞)，符号位=1为负无穷(-∞)。由溢出、除以零等操作产生。
NaN(非数值)：指数位全1，尾数非0。分为两种：
• Quiet NaN (qNaN)：尾数最高位=1，在运算中静默传播，不触发异常
• Signaling NaN (sNaN)：尾数最高位=0且尾数非0，用于触发浮点异常进行调试
大多数编程语言默认产生qNaN。NaN与任何值（包括自身）比较都返回false（NaN ≠ NaN）。

机器精度ε = 2^(-尾数位数)，即1与下一个可表示的浮点数之间的差距：
• 单精度 ε ≈ 2⁻²³ ≈ 1.19×10⁻⁷（约7位十进制精度）
• 双精度 ε ≈ 2⁻⁵² ≈ 2.22×10⁻¹⁶（约15-17位十进制精度）

常见陷阱：
① 比较相等：不要用==比较浮点数，应使用容差(abs(a-b) < epsilon)
② 大数吃小数：数量级相差过大时，加法可能丢失小数（如1e16 + 1 = 1e16）
③ 抵消误差：两个相近的数相减会丢失有效数字
④ 累积误差：循环中进行浮点累加，误差会累积
⑤ 0.1 + 0.2 ≠ 0.3：经典案例，因为0.1和0.2都无法精确表示

负零(-0)在IEEE 754中符号位为1、指数和尾数全为0。虽然-0和+0在数值比较中相等(-0 === +0为true)，但它们的位表示不同。使用Object.is(-0, +0)可以区分。负零的用途：
• 保留符号信息：如-0表示一个从负方向趋近于零的值
• 1/(-0) = -∞，而1/(+0) = +∞，在复数和极限计算中有意义
• 某些数学函数依赖零的符号（如atan2）
产生负零的常见方式：-0.0、-1/Infinity、小于最小子规约数的负数下溢。