float为什么不精确
二进制的限制
二进制的小数 就是形如 101.11 数字。
101.11 就等于 1 * 2^2 +0 2^1 + 12^0 + 12^-1 + 12^-2 = 4+0+1+1/2+1/4 = 5.75 。
对于二进制小数，小数点右边能表达的值是 1/2, 1/4, 1/8, 1/16, 1/32, 1/64, 1/128 … 1/(2^n），计算机只能用这些个 1/2^n 之和来表示十进制的小数。而这种和值并不能表示出所有小数。
例如表示十进制的 0.2 ：
0.01 = 1/4 = 0.25 ,太大
0.001 =1/8 = 0.125 , 又太小
0.0011 = 1/8 + 1/16 = 0.1875 , 逼近0.2了
0.00111 = 1/8 + 1/16 + 1/32 = 0.21875 , 又大了
0.001101 = 1/8+ 1/16 + 1/64 = 0.203125 还是大
0.0011001 = 1/8 + 1/16 + 1/128 = 0.1953125 差不多
0.00110011 = 1/8+1/16+1/128+1/256 = 0.19921875
已经很逼近了， 就这样吧。
这就是我说的用二进制小数没法精确表达10进制小数。
在计算机中的表示
计算机不可能提供无限的空间让程序去存储这些二进制小数。
它需要规定长度， 在Java 中， 提供了两种方式： float 和double ， 分别是32位和64位。
可以这样查看一下一个float的内部表示（以0.09f为例）：
Float.floatToRawIntBits(0.09f)
将会得到：1035489772， 这是10进制的， 转化成二进制， 在前面加几个0补足 32位就是：
0 01111011 01110000101000111101100
可以看到它分成了3段：
第一段代表了符号(s) : 0 正数， 1 负数 ， 其实更准确的表达是 (-1) ^0
第二段是阶码(e)：01111011 ，对应的10进制是 123
第三段是尾数(M)
其中的尾数和阶码，这其实是所谓的科学计数法:
(-1)^s * M * 2^e
对于0.09f 的例子，就是：
0101110000101000111101100 * (2^123)
好像不对，这肯定远远大于0.09f !
这是因为浮点数遵循的是IEEE754 表示法， 刚才的s(符号) 是对的，但是 e(阶码)和 M（尾数）需要变换：
对于阶码e ， 一共有8位， 这是个有符号数， 特别是按照IEEE754 规范， 如果不是0或者255， 那就需要减去一个叫偏置量的值，对于float 是127
所以 E = e - 127 = 123-127 = -4
对于尾数M ，如果阶码不是0或者255， 他其实隐藏了一个小数点左边的一个 1 （节省空间，充分压榨每一个bit）。
即 M = 1.01110000101000111101100
现在写出来就是:
1.01110000101000111101100 * 2^-4
=0.000101110000101000111101100
= 1/16 + 1/64 + 1/128+ 1/256 + …
= 0.0900000035762786865234375
这就是0.09的内部表示， 很明显他比0.09更大一些， 是不精确的！
64位的双精度浮点数double是也是类似的， 只是尾数和阶码更长， 能表达的范围更大。
符号位 ：1位
阶码 ： 11位
尾数： 52位