存储结构
按照从左至右的顺序：第1位是符号位（sign），接下来的11位是指数位（exponent），剩余的52位是尾数位（fraction）。
规格化
exponent > 0：
非规格化
exponent = 0：
特殊值
exponent全为1，fraction = 0，表示无穷大（符号位有效表示正负无穷）
exponent全为1，fraction > 0，表示NaN
范围
MAX_VALUE
代入公式：
化简得：
验证：Number.MAX_VALUE === (Math.pow(2, 53) - 1) * Math.pow(2, 971)
MIN_VALUE
代入公式：
化简得：
验证：Number.MIN_VALUE === Math.pow(2, -1074)
MAX_SAFE_INTEGER
·表示的数是正数
·fraction全是1
·exponent的结果恰好是52，即e为1075
代入公式：
化简得：
验证：Number.MAX_SAFE_INTEGER === Math.pow(2, 53) - 1
MIN_SAFE_INTEGER
MIN_SAFE_INTEGER是MAX_SAFE_INTEGER的相反数，只需将符号位改成1即可。
验证：Number.MIN_SAFE_INTEGER === 1 - Math.pow(2, 53)
为何exponent要用移码表示，且偏移量为1023
exponent的符号位会导致几个问题：
exponent存在正负0
exponent预留了全为1和全为0的值处理特殊情况，分别对应了上下边界，如果不用移码会破坏这样的线性表示
阶码比较需要额外的比较器
移码将exponent映射成无符号整数，上述三个问题迎刃而解。
偏移量为数值表示范围除以2，即。
反码
正数的反码是它本身，负数的反码是除符号位外剩余位取反。
计算机的加减法都是加法运算（减法看作加负数），符号位不可避免的参与其中，这会导致错误，因此有了反码。
例如计算3 - 5 = -2，
0000 0011 + 1000 0101（原码）
0000 0011 + 1111 1010 = 1111 1101（反码）
1000 0010（将结果转化回原码）
why？
不难想到：负数的原码 + 负数的反码 = 1111 1111（多少位就有多少个1，本例是8个）。
也就是说反码加了多少原码就会相应减去多少，例如1111 1010（-5的反码）加3，1000 0101（-5的原码）自然减少3，这里要思考二进制，否则会误以为-5 - 3 = -8，实际上是 5 - 3 = 2，再考虑符号位变成-2。
补码
原码的反码+1。
反码运算时会出现-0，因此向前进一位。
移码
移码是原码的补码符号位取反。
对于计算机的底层操作而言，它不会使用-1023这种操作，况且1023只是exponent为11位时的特殊值，而符号位取反总能让这个数变成减去偏置（当前位数能表达数值范围的一半）后的模样。
因为一个正数上溢之后是-0，而一个负数下溢之后是+0，因此有符号整数的范围是首尾相连的，可以想象成圆形，一个数的相反数总是关于圆心中心对称，他们之间的差距自然是表示范围的一半。
为何0.1 + 0.2 !== 0.3
从IEEE 754的表示方法中不难看出，浮点数的小数部分是由多个这样的数相加拼凑而来的，显然只有少数小数可以被精确表示（0.5、0.25、0.125……），而0.1、0.2、0.3都是近似值，相加自然不会相等。
什么时候小数相加相等
对于能够被精确表示的小数，相加之后自然也是精确的===当然会返回true。
对于不能被精确表示的小数x，x + x === 2 * x为true，其本质是fraction相同，exponent不同，因此可以推广成：任意fraction相同的小数相加，只要结果fraction仍然相同，===就会返回true。
