文中相关源码：

Float.java

Float.c

0.3f - 0.2f = ?

相信很多人会不假思索的填上 0.1f，那么，打开 IDEA，默默的执行一下：

0.10000001

如果你对这个答案抱有疑问，那么在阅读 Float 源码之前，我们先来看一下 Float 在内存中是如何表示的。

从熟悉的十进制浮点数说起，以 12.34 为例，显然下面这个等式是成立的：

12.34 = 1 * 10^1 + 2 * 10^0 + 3 * 10^-1 + 4 * 10^-2

同样的，对于二进制浮点数，也有如下等式，这里以 10.11b(代码块里面好像打不了下标，本文中以 b 结尾的均表示二进制浮点数)为例：

10.11 b = 1 * 2^1 + 0 * 2^0 + 1 * 2^-1 + 1 * 2^-2
        = 2 + 1/2 + 1/4
        = 2.75

这样，二进制浮点数 10.11b 就转换成了十进制浮点数 2.75。

再看一个十进制小数 1.75 转换为二进制小数的例子：

1.75 = 1 + 3/4
     = 7/4
     = 7 * 2^-2

7 的二进制表示为 111，* 2^-2 表示将小数点左移两位，得到 1.11。所以，1.75 = 1.11b。

下图列举一些常见小数的值：

二进制	x^y	十进制
0.1	2 ^ -1	0.5
0.01	2 ^ -2	0.25
0.001	2 ^ -3	0.125
0.0001	2 ^ -4	0.0625
0.00001	2 ^ -5	0.03125

你发现问题的所在了吗？我们再回到 0.3f - 0.2f 的问题上。不管是整数还是浮点数，最终在内存中都是以二进制形式存在的，那么 0.3f 如何以二进制表示呢？显而易见，没有办法以 x * 2^y 的形式来准确表示 0.3f，也就是说，我们并不能将 0.3f 准确的表示为一个二进制小数，只能近似的表示它，增加二进制的长度可以提高精确度。同样，对于 0.2f，我们也没法准确的表示为二进制小数，所以最后的计算结果才不是 0.1f。

最后再看一个减法，0.5f - 0.25f = ?。答案是 0.25f，我想这时候你应该不会再答错了。因为 0.5f 和 0.25f 都可以准确的表示为二进制小数，分别是 0.1b 和 0.01b。

说到这里，其实我们还是不了解 float 在内存中到底是什么样的？int 型的 1, 内存中就是 00000000000000000000000000000001，那么 0.75f 呢？关于浮点数，有一个广泛使用的运算标准，叫做 IEEE 754-1985，全称 IEEE 二进制浮点数算数标准, 由 IEEE（电气和电子工程师协会）指定，所有的计算机都支持 IEEE 浮点数标准。

本文后面都只针对 32 位单精度浮点数，对应 Java 中的 Float。先来看维基百科上的一张图：

这张图描述了单精度浮点数在内存中具体的二进制表示方法：

sign : 符号位，1 位。0 表示正数， 1 表示负数。用 s 表示
exponent ：阶码域，8 位。用 E 表示，通常 E = exponent - 127,exponent 为无符号数
fraction : 尾数域，23 位。用 M 表示，通常 M = 1.fraction

通常情况下，一个浮点数可以表示如下：

V = (-1)^s * M * 2^E

以上图中的 0.15625f 为例。符号位为 0，表示为正数。阶码域为 1111100，等于十进制 124，则阶码 E = 124 - 127 = -3。尾数域为 01，则 M = 1.01。代入公式得：

V = (-1)^0 * 1.01 * 2^-3 = 0.00101 b = 0.15625

注意，* 2^-3，等价于将小数点左移三位。

对于双精度浮点数来说，exponent 是 11 位，fraction 是 52 位。

关于浮点数的详细介绍可以阅读 《深入理解计算机系统》 第二章第四节的相关内容。下面就进入 Float 的源码部分。

类声明

public final class Float extends Number implements Comparable<Float>{}

不可变类，继承了 Number 类，实现了 Comparable 接口。

字段

private final float value;
private static final long serialVersionUID = -2671257302660747028L;
public static final Class<Float> TYPE = (Class<Float>) Class.getPrimitiveClass("float");

final 修饰的 value 字段保证其不可变性，value 也是 Float 类所包装的浮点数。

// 0 11111111 00000000000000000000000
public static final float POSITIVE_INFINITY = 1.0f / 0.0f;
// 1 11111111 00000000000000000000000
public static final float NEGATIVE_INFINITY = -1.0f / 0.0f;

正无穷和负无穷。阶码域都为 1，尾数域都为 0。

// 0 11111111 10000000000000000000000
public static final float NaN = 0.0f / 0.0f;

Not a number，非数字。阶码域都为 1，尾数域不全为 0。

// 0 11111110 11111111111111111111111
public static final float MAX_VALUE = 0x1.fffffeP+127f;

最大值。阶码域为 11111110，即 127。按公式计算，V = 1.11...1 * 2^127。

/*
 * 0 00000001 00000000000000000000000
 * 最小的规格化数（正数）
 */
public static final float MIN_NORMAL = 0x1.0p-126f; // 1.17549435E-38f

/*
 * 0 00000000 00000000000000000000001
 * 最小的非规格化数（正数）
 */
public static final float MIN_VALUE = 0x0.000002P-126f;

这里出现了两个新名词，规格化数 和 非规格化数。上文中一直在说 通常情况下，这个通常情况指的就是 规格化数。那么什么是规格化数呢？阶码域 exponent != 0 && exponent != 255 ，即阶码域即不全为 0，也不全为 1，这样的浮点数就成为规格化数。对于规格化数，有如下规则：

E = exponent - 127
M = 1.fraction
V = (-1)^s * M * 2^E

阶码域全为 0 的浮点数是 非规格化数。对于非规格化数，对应规则也发生了改变：

E = 1 - 127 = -126
M = 0.fraction
V = (-1)^s * M * 2^E

浮点数的计算方法并没有发生改变，阶码 E 和尾数 M的计算方法与规格化数不同了。非规格化数有两个用途，第一，它可以表示 0。由于规格化的尾数域 M = 1.fraction，所以规格化数是没法表示零值的。除了符号位外，其他域全为 0，就表示 0.0f。根据符号位的不同，还有 +0.0f 和 -0.0f，它们被认为是不同的。第二，非规格数的存在使得浮点数可能表示的数值分布更加均匀的接近于 0.0，它可以表示那些非常接近于 0 的数。

public static final int MAX_EXPONENT = 127; // 指数域（阶码）最大值
public static final int MIN_EXPONENT = -126; // 指数域（阶码）最小值
public static final int SIZE = 32; // float 占 32 bits
public static final int BYTES = SIZE / Byte.SIZE; // float 占 4 bytes

构造函数

public Float(float value) {
     this.value = value;
}

public Float(double value) {
    this.value = (float)value;
}

public Float(String s) throws NumberFormatException {
    value = parseFloat(s);
}

Float 有三个构造函数。第一个直接传入 float 值。第二个传入 double 值，再强转 float。第三个传入 String，调用 parseFloat() 函数转换成 float。下面就来看看这个 parseFloat 函数。

方法

parseFloat(String)

public static float parseFloat(String s) throws NumberFormatException {
   return FloatingDecimal.parseFloat(s);
}

调用了 FloatDecimal 的 parseFloat(String) 方法。这个方法源码相当的长，逻辑也比较复杂，我也只是大概看了一下流程。我就不贴源码了，捋一下大致流程：

首先取出符号位，判断正数还是负数
判断是否为 NaN
判断是否为 Infinity
判断是否是以 0x 或 0X 开头的十六进制浮点数。若是，调用 parseHexString() 方法处理
跳过开头的无效的 0
循环取出各位数字。注意若包含 e 或者 E,需要注意科学计数法的处理
根据取得的字符数组等信息构建 ASCIIToBinaryBuffer 对象，调用其 floatValue() 方法，获取最终结果

这块源码看的一知半解，有功夫再慢慢跟进。String 转 float 的方法除此之外，还有 valueOf() 方法。

valueOf(String)

    public static Float valueOf(String s) throws NumberFormatException {
        return new Float(parseFloat(s));
    }

没啥好说的，还是调用 parseFloat() 方法。

下面看一下 float 转 String 的相关方法。

toString()

public String toString() {
    return Float.toString(value);
}

public static String toString(float f) {
    return FloatingDecimal.toJavaFormatString(f);
}

最终调用了 FloatDecimal 的 toJavaFormatString() 方法。这个方法也是源码相当长，逻辑很复杂。首先会通过 floatToRawIntBits() 方法转换成其符合 IEEE 754 标准的二进制形式对应的 int 值，再转换为相应的十进制字符串。

最后看一下 Float 中提供的其他一些方法。

isNaN()

public static boolean isNaN(float v) {
    return (v != v);
}

这个判断很有意思，v != v。据此我们可以推断出，对于任意不是 NaN 的 v ，必定满足 v == v。对于为 NaN 的 v，必定满足 v != v。

isInfinite()

public boolean isInfinite() {
    return isInfinite(value);
}

public static boolean isInfinite(float v) {
    return (v == POSITIVE_INFINITY) || (v == NEGATIVE_INFINITY);
}

判断是否为正无穷或负无穷。

isFinite()

public static boolean isFinite(float f) {
    return Math.abs(f) <= FloatConsts.MAX_VALUE;
}

判断浮点数是否是一个有限值。

Number 接口方法

public byte byteValue() {   return (byte)value;     }
public short shortValue() { return (short)value;    }
public int intValue() { return (int)value;      }
public long longValue() {   return (long)value; }
public float floatValue() { return value;   }
public double doubleValue() {   return (double)value;   }

floatToRawIntBits(float)

public static native int floatToRawIntBits(float value);

这是一个 native 方法，将 float 浮点数转换为其 IEEE 754 标准二进制形式对应的 int 值。因为 float 和 int 都是占 32 位，所以每一个 float 总有对应的 int 值。具体实现在 native/java/lang/Float.c 中：

JNIEXPORT jint JNICALL
Java_java_lang_Float_floatToRawIntBits(JNIEnv *env, jclass unused, jfloat v)
{
    union {
        int i;
        float f;
    } u;
    u.f = (float)v;
    return (jint)u.i;
}

union 是一种数据结构，它能在同一个内存空间中储存不同的数据类型，也就是说同一块内存，它可以表示 float , 也可以表示 int。通过 union 将 float 转换为其二进制对应的 int 值。

floatToIntBits(float)

public static int floatToIntBits(float value) {
    int result = floatToRawIntBits(value);
    // Check for NaN based on values of bit fields, maximum
    // exponent and nonzero significand.
    if ( ((result & FloatConsts.EXP_BIT_MASK) ==
          FloatConsts.EXP_BIT_MASK) &&
         (result & FloatConsts.SIGNIF_BIT_MASK) != 0)
        result = 0x7fc00000;
    return result;
}

基本等同于 floatToRawIntBits() 方法，区别在于这里对于 NaN 作了检测，如果结果为 NaN, 直接返回 0x7fc00000，也就是 Java 中的 Float.NaN。乍看一下，这不是在多此一举吗？如果是 NaN 就直接返回 NaN。还记得前面对 NaN 的说明吗，阶码域都为 1，尾数域不全为 0，所以 IEEE 754 中的 NaN 并不是一个固定的值，而是一个值域，但是在 Java 中将 Float.NaN 定义为了 0x7fc00000，相应二进制为 0 11111111 10000000000000000000000。所以方法参数中的 NaN 值并不一定就是 0x7fc00000。从检测 NaN 的条件中也可以看出一二：

((result & FloatConsts.EXP_BIT_MASK) == FloatConsts.EXP_BIT_MASK) &&
(result & FloatConsts.SIGNIF_BIT_MASK) != 0

前半段是检测阶码域的。FloatConsts.EXP_BIT_MASK 值为 0x7F800000, 二进制为 0 11111111 00000000000000000000000,若满足 (result & FloatConsts.EXP_BIT_MASK) == FloatConsts.EXP_BIT_MASK，则 result 阶码域必定全为 1。

后半段是检测尾数域的。FloatConsts.SIGNIF_BIT_MASK 值为 0x007FFFFF，二进制为 0 00000000 11111111111111111111111，若要满足 (result & FloatConsts.SIGNIF_BIT_MASK) != 0, 则 result 尾数域不全为 0 即可。

根据这里两个检测条件也可以知道这里的 NaN 并不是一个固定的值。但是 Float.NaN 又是一个固定的值，那么如何获取其他不同的 NaN 呢？答案就是 intBitsToFloat(int) 方法。

intBitsToFloat(int)

public static native float intBitsToFloat(int bits);

Java_java_lang_Float_intBitsToFloat(JNIEnv *env, jclass unused, jint v)
{
    union {
        int i;
        float f;
    } u;
    u.i = (long)v;
    return (jfloat)u.f;
}

native 方法，也是通过联合体 union 来实现的。只要参数中的 int 值满足 IEEE 754 对于 NaN 的标准，就可以产生值不为 Float.NaN 的 NaN 值了。

hashCode()

@Override
public int hashCode() {
    return Float.hashCode(value);
}

public static int hashCode(float value) {
    return floatToIntBits(value);
}

hashCode() 函数直接调用 floatToIntBits() 方法，返回其二进制对应的 int 值。

equals()

public boolean equals(Object obj) {
    return (obj instanceof Float)
           && (floatToIntBits(((Float)obj).value) == floatToIntBits(value));
}

equals 的条件是其 IEEE 754 标准的二进制形式相等。

总结

Float 就说到这里了。这篇源码解释不是很多，主要说明了 Float 在内存中的二进制形式，也就是 IEEE 754 标准。了解了 IEEE 754，对于浮点数也就了然于心了。最后再推荐一下 《深入理解计算机系统》 中 2.4 节关于浮点数的介绍。

文章同步更新于微信公众号： 秉心说 ，专注 Java 、 Android 原创知识分享，LeetCode 题解，欢迎关注！