这是我参与8月更文挑战的第22天，活动详情查看：8月更文挑战
js数字存储
与许多其他编程语言不同，JavaScript 并未定义不同类型的数字数据类型，而是始终遵循国际 IEEE 754 标准，将数字存储为双精度浮点数。我们可以无需知道他的存储形式，只需要简单的理解成就是存储一个数值时，所使用的二进制位数比较多而已，这样得到的数会更加精确。
而对于像0.1这样的数字用二进制表示你就会发现无法整除，最后算下来会是 0.000110011……由于存储空间有限，最后计算机会舍弃后面的数字，所以我们最后就只能得到一个近似值。
在js中如果这个近似值足够近似，那么js就会认为他就是那个值
0.1+0.2 !==0.3
现在，我们知道了计算机是通过二进制的方式存储数据的，所以计算机计算0.1+0.2的时候，实际上是计算的两个数的二进制的和，0.1的二进制是0.0001100110011001100...（1100循环），0.2的二进制是：0.00110011001100...（1100循环），这两个数的二进制都是无限循环的数。
js就会根据它的规则去处理无限循环的小数
在二进制科学表示法中，双精度浮点数的小数部分最多只能保留52位，再加上前面的符号位，其实就是保留53位有效数字，剩余的舍去，遵从“0舍1入”的原则。
所以0.1+0.2，先进行二进制的和，在转位10进制，最后得出0.30000000000000004。
所以，我们做项目的时候，如果有小数相加，没有做特殊的处理，然后去做判断，就会踩这样的坑，那我们需要怎么去解决这个问题呢？
如何解决
如何实现0.1+0.2=0.3呢
最好的方法是设置一个误差范围值，通常称为”机器精度“，而对于Javascript来说，这个值通常是2^-52,
ES6为我们提供了一个这样的值：Number.EPSILON, 这个值非常非常小，在底层计算机已经帮我们运算好
Number.EPSILON
// 2.220446049250313e-16
Number.EPSILON的实质是一个可以接受的最小误差范围。
我们只要判断(0.1+0.2)-0.3小于Number.EPSILON，在这个误差的范围内就可以判定0.1+0.2===0.3为true。
function withinErrorMargin (left, right) {
return Math.abs(left - right) < Number.EPSILON * Math.pow(2, 2);
}
0.1 + 0.2 === 0.3 // false
withinErrorMargin(0.1 + 0.2, 0.3) // true
1.1 + 1.3 === 2.4 // false
withinErrorMargin(1.1 + 1.3, 2.4) // true
