BigDemical金额字段详解

商场或者电商项目中会涉及到金额类型字段的存储,本文来讨论下选择最多的BigDecimal保证精度的原理以及其他字段类型替换方案

BigDemical

BigDecimal 是处理高精度数值计算的核心类，底层实现通过 整数未缩放值和标度的组合来保证精确的十进制数值表示。

底层数据结构

BigDecimal 的数值由两个关键部分组成：

1. 未缩放值（unscaledValue）
   • 类型为 BigInteger，表示所有有效数字（不含小数点）。
   • 例如：123.45 → unscaledValue = 12345。
2. 标度（scale）
   • 类型为 int，表示小数点后的位数（即数值 = unscaledValue × 10^-scale）。
   • 例如：123.45 → scale = 2。

若标度为负数，表示小数点前补零的数量：

• 例如：12345（scale = -3）→ 12345 × 10^3 = 12,345,000。

保证精度的原理

1. 基于十进制的精准存储

• BigDecimal 直接存储十进制数字的每一位，而非二进制浮点数的近似值（如 double 的 IEEE 754 格式）。
• 例如：0.1 在 BigDecimal 中被精确存储为 unscaledValue=1、scale=1，而 double 会存储为 0.10000000000000000555...。

2. 运算时保留所有中间精度

• 所有算术运算（如加、减、乘、除）均基于 unscaledValue 和 scale 的精确操作，不会丢失有效数字。
• 例如：加法会先对齐标度（扩展数值到相同 scale），再进行整数运算。

3. 显式控制舍入行为

   • 对于除法用户必须指定舍入模式（RoundingMode） 和 精度（小数位数），避免隐式截断。
   • 例如：10 ÷ 3 = 3.333...，但通过 divide(scale, RoundingMode) 可得到 3.33（scale=2）。

基于特殊结构的运算

1. 加法

• 对齐标度：将两个操作数的 scale 调整为相同值（取较大值），扩展 unscaledValue。

• 整数相加：对扩展后的 unscaledValue 执行加法。

  BigDecimal a = new BigDecimal("1.23");  // unscaled=123, scale=2
  BigDecimal b = new BigDecimal("4.5");   // unscaled=45,  scale=1
  // 对齐标度到 2 → b 扩展为 450 (scale=2)
  // 123 + 450 = 573 → 5.73
  

2. 乘法

• 直接相乘：两个 unscaledValue 相乘，标度相加。

  BigDecimal a = new BigDecimal("1.2");  // unscaled=12, scale=1
  BigDecimal b = new BigDecimal("0.3");  // unscaled=3,  scale=1
  // unscaled=12 * 3=36, scale=1+1=2 → 0.36
  

3. 除法

• 扩展分子：通过增加 unscaledValue 的标度，避免精度丢失。

• 整数除法：使用 BigInteger 的除法算法，结合舍入模式截断余数。

  BigDecimal a = new BigDecimal("10");   // unscaled=10, scale=0
  BigDecimal b = new BigDecimal("3");    // unscaled=3,  scale=0
  // 10 ÷ 3 → 标度扩展为 2 → 1000 ÷ 3 = 333 (余1)
  // 应用 RoundingMode.HALF_UP → 3.33
  

使用时注意的点

1. 构造方法

• 需要传入字符串而不是浮点数

  new BigDecimal("0.1")
  BigDecimal.valueOf(0.1)//底层调用 Double.toString()
  

2. 未指定舍入模式的除法

• 错误写法：

  a.divide(b)
  

  • 若结果为无限小数（如 1/3），会抛出 ArithmeticException。

• 正确写法：

  a.divide(b, scale, RoundingMode.HALF_UP)
  

  • 显式指定精度和舍入模式。

3. 比较操作的陷阱

• 错误写法：

  a.equals(b)
  

  • 同时检查 unscaledValue 和 scale，2.0 和 2.00 不相等。

• 正确写法：

  a.compareTo(b) == 0
  

  • 仅比较数值大小，忽略标度差异。

Long(BigInteger)

将金额转换为最小货币单位(比如 分),然后用整数进行存储,这样就可以避免浮点数运算导致的精度缺失,比如

• 1.23元-->123分

• 100.50元-->10050分

  long amountInCents = 123; // 1.23 元
  // 转换为字符串显示
  String display = String.format("%d.%02d", amountInCents / 100, amountInCents % 100);
  

优点

• 不存在浮点数的进度丢失问题
• 基本数据类型运算速度更快,内存占用也更小

缺点

• 需要处理单位转换,每次展示数据都要/100
• 范围限制,long的最大值为9,223,372,036,854,775,807,约为900万亿亿,如果还有更大的范围们可以转为BigInteger拓展

由上可知金额字段类型的选择原则:

• 避免 double/float：二进制浮点类型会导致精度丢失（如 0.1 无法精确表示）。
• 优先选择不可变类型：确保金额在计算中不会被意外修改（如 BigDecimal、long）。