IEEE-754双精度浮点数

IEEE二进制浮点数算术标准（IEEE 754）规定了四种表示浮点数值的方式：单精确度（32位）、双精确度（64位）、延伸单精确度（43比特以上，很少使用）与延伸双精确度（79比特以上，通常以80位实现），本文介绍64位双精度浮点数。

存储结构

IEEE-754双精度浮点数(double floating-point)存储为64bit，由符号位(s)、有偏指数(e)、小数部分(f)组成：

组成	描述	位数	位置
sign	符号，0表示正，1表示负	1bit	63
exponent	指数部分	11bit	52-62
fraction	小数部分	52bit	0-51

类型划分

11位的指数部分可存储00000000000 ~ 11111111111（十进制范围为0 ~ 2047），取值可分为3种情况：

11位指数不为00000000000和11111111111，即在00000000001 ~ 11111111110（1 ~ 2046）范围，这被称为规格化。
指数值为00000000000（0），这被称为非规格化
指数值为11111111111（2047），这是特殊值，有两种情况：
- 当52位小数部分f全为0时，若符号位是0，则表示+Infinity(正无穷)，若符号位是1，则表示-Infinity(负无穷)
- 当52位小数部分f不全为0时，表示NaN(Not a Number)

规格化

规格化下，浮点数的形式可表示为：
(−1)s×1.bbb⋯b⏟f(有效52位)(ccc⋯⏟53位及以后)×2e−1023(0<e<2047)(-1)^s\times1.\underbrace{bbb\cdots b}_{f(有效52位)}(\underbrace{ccc\cdots}_{53位及以后})\times2^{e-1023} \quad (0< e < 2047)(−1)s×1.f(有效52位)bbb⋯b(53位及以后ccc⋯)×2e−1023(0<e<2047)
其中：

s为0或1，0表示正数，1表示负数，对应1bit的符号位
f为52位有效位，其中的每一位b是0或1，对应52bit的小数部分（不足52位补0）
c是超出52位的部分（如果有的话，需要舍入（精度会丢失），规则下述）
e为十进制数值，其11位的二进制数值对应11bit的指数部分
1023为移码，移码值为 2n−1−12^{n-1}-12n−1−1，这里的n表示指数位数，对于64bit的双精度存储，n是11

十进制中，12345可表示为1.2345×1041.2345\times10^41.2345×104；二进制中，10011可表示为1.0011×241.0011\times2^41.0011×24

先看个简单例子，计算2.25的双精度浮点数：

2.25转为二进制为10.01，10.01转为上述表示法为 1.001⏟f×211.\underbrace{001}_{\scriptsize{f}}\times2^11.f001×21，可得：

数值为正，因此符号位是0
小数为001，不足52位，补0，得到
0010000000000000000000000000000000000000000000000000⏟001后49个0共52位\underbrace{0010000000000000000000000000000000000000000000000000}_{001后49个0\quad共52位}001后49个0共52位0010000000000000000000000000000000000000000000000000
指数e-1023 = 1，则 e = 1024，二进制值为10000000000⏟11位\underbrace{10000000000}_{11位}11位10000000000

综上，将1位符号、11位指数、52位小数整合可得到2.25的双精度浮点数表示：
0⏟s10000000000⏟e0010000000000000000000000000000000000000000000000000⏟f\underbrace{0}_{s}\underbrace{10000000000}_{e}\underbrace{0010000000000000000000000000000000000000000000000000}_{f}s0e10000000000f0010000000000000000000000000000000000000000000000000
上述步骤反向操作可得到十进制值

上面这个例子中，小数部分不存在舍入的问题（位数小于52位），那么如果小数超出了52位，如何处理呢？有以下几种情况：

1、第53位是0，无需处理
2、第53位是1且53位之后全是0：

若第52位是0，无需处理；

若第52位是1，那么向上舍入

3、第53位是1，且之后不全是0：那么向上舍入

再看一个例子，计算23.3的双精度浮点数：
23.3转为二进制为
10111.0100110011001100110011001100110011001100110011001100⋯⏟1100循环10111.0100110011001100110011001100110011001100110011001100\underbrace{\cdots}_{1100循环}10111.01001100110011001100110011001100110011001100110011001100循环⋯
改写为
1.0111010011001100110011001100110011001100110011001100⏟52位1100⋯⏟1100循环×241.\underbrace{0111010011001100110011001100110011001100110011001100}_{52位}\underbrace{1100 \cdots}_{1100循环}\times2^41.52位01110100110011001100110011001100110011001100110011001100循环1100⋯×24
数值为正，因此符号位是0；指数e -1023 = 4，e = 1027 = 10000000011，因此指数部分是10000000011；小数位无限循环，53位是1且之后不全是0，符合上述规则3，因此向上舍入，第52位由0变为1，最终小数部分为：
011101001100110011001100110011001100110011001100110101110100110011001100110011001100110011001100110011010111010011001100110011001100110011001100110011001101
整合后得到23.3的双精度浮点数表示：
0⏟s10000000011⏟e0111010011001100110011001100110011001100110011001101⏟f\underbrace{0}_{s}\underbrace{10000000011}_{e}\underbrace{0111010011001100110011001100110011001100110011001101}_{f}s0e10000000011f0111010011001100110011001100110011001100110011001101

非规格化

非规格化可用以下形式表示（小数点前面是0）：
(−1)s×0.bbb⋯b⏟f(52位)×2e−1022(e=0)(-1)^s\times0.\underbrace{bbb\cdots b}_{f(52位)}\times2^{e-1022} \quad (e=0)(−1)s×0.f(52位)bbb⋯b×2e−1022(e=0)
当f=0f=0f=0（52位小数全为0）时，表示的值是0：s=0s=0s=0表示-0，s=1s=1s=1表示+0

特殊值

当e=2047e=2047e=2047（11位指数全为1）时：

若f>0f>0f>0，表示NaN
若f=0,s=0f=0,s=0f=0,s=0，表示+Infinity
若f=0,s=1f=0,s=1f=0,s=1，表示-Infinity

数值范围

1、在规格化中，当指数e最大（前10位为1，11位为0，即2046）且小数f最大（52位全为1）时，能表示出最大正值，为
1.111⋯11⏟52个1×22046−1023=111⋯11⏟53个1000⋯00⏟971个01.\underbrace{111\cdots11}_{52个1}\times2^{2046 - 1023} = \underbrace{111\cdots11}_{53个1}\underbrace{000\cdots00}_{971个0}1.52个1111⋯11×22046−1023=53个1111⋯11971个0000⋯00
转为十进制值为1.7976931348623157e+308，则能表示的最小负值为-1.7976931348623157e+308。

2、在规格化中，当指数e最小（前10位为0，11位为1，即1）且小数f最小（52位全为0）时，能表示出最小正值，为
1.000⋯00⏟52个0×21−1023=0.000⋯00⏟1021个011.\underbrace{000\cdots00}_{52个0}\times2^{1 - 1023} = 0.\underbrace{000\cdots00}_{1021个0}11.52个0000⋯00×21−1023=0.1021个0000⋯001
转为十进制值为2.2250738585072014e-308，则能表示的最大负值为-2.2250738585072014e-308。

在非规格化中，指数e为0
1、当小数f最大（52位全为1）时，能表示出最大正值，为
0.111⋯11⏟52个1×2−1022=0.000⋯00⏟1022个0111⋯11⏟52个10.\underbrace{111\cdots11}_{52个1}\times2^{-1022} = 0.\underbrace{000\cdots00}_{1022个0}\underbrace{111\cdots11}_{52个1}0.52个1111⋯11×2−1022=0.1022个0000⋯0052个1111⋯11
转为十进制值为2.225073858507201e-308，则最小负值为-2.225073858507201e-308

2、当小数f最小（前51位为0，52位为1）时，能表示出最小正值，为
0.000⋯01⏟第52位为1×2−1022=0.000⋯00⏟1073个010.\underbrace{000\cdots01}_{第52位为1}\times2^{-1022} = 0.\underbrace{000\cdots00}_{1073个0}10.第52位为1000⋯01×2−1022=0.1073个0000⋯001
转为十进制值为5e-324，则最大负值为-5e-324

整数范围（精确整数，无精度丢失）

当 e - 1023 = 52，即e = 1075，小数f最大（52位全为1）时，能表示出最大安全正整数，为
1.111⋯11⏟52个1×252=111⋯11⏟53个11.\underbrace{111\cdots11}_{52个1}\times2^{52} = \underbrace{111\cdots11}_{53个1}1.52个1111⋯11×252=53个1111⋯11
转为十进制值为253−12^{53}-1253−1 = 9007199254740991，则能表示的最小安全负整数为-9007199254740991

总结

1、javascript中的数值统一采用IEEE-754双精度存储，因此在计算时可能出现精度丢失，导致奇怪的结果，如 0.1 + 0.2 !== 0.3

2、下表列出了IEEE-754中的数值边界值，其中某些值对应javascript中的数值常量

-	最小负值	最大负值	最小正值	最大正值	最小安全负整数	最大安全正整数
规格化	-1.7976931348623157e+308	-2.2250738585072014e-308	2.2250738585072014e-308	1.7976931348623157e+308`(Number.MAX_VALUE)`	-9007199254740991`(Number.MIN_SAFE_INTEGER)`	9007199254740991`(Number.MAX_SAFE_INTEGER)`
非规格化	-2.225073858507201e-308	-5e-324	5e-324`(Number.MIN_VALUE)`	2.225073858507201e-308	x	x

IEEE 754可以表示的数值范围是：
[−1.7976931348623157×10308,−5×10−324]∪[5×10−324,1.7976931348623157×10308][-1.7976931348623157\times10^{308},-5\times10^{-324}] \cup [5\times10^{-324},1.7976931348623157\times10^{308}][−1.7976931348623157×10308,−5×10−324]∪[5×10−324,1.7976931348623157×10308]
超过1.7976931348623157e+308为Infinity，小于-1.7976931348623157e+308为-Infinity，在(-5e-324,5e-324)之间的数显示为0

IEEE-754 64位双精度浮点数存储详解相关推荐

C#关于64位双精度浮点数Double（DReal）一步步按位Bit进行解析
有一篇我们是获取float如何转化为字节的过程,这次我们测试double是如何转化为64位二进制的. C#关于32位浮点数Float(Real)一步步按位Bit进行解析基本说明浮点数的32位N=1 ...
64位java_一文详解 Java 的八大基本类型！
自从Java发布以来,基本数据类型就是Java语言中重要的一部分,本文就来详细介绍下每种基本类型的具体使用方法和限制. 以下为译文: 几年前,我开始编写了一系列有关Java入门的文章,我觉得有必要将其 ...
【数据的存储】浮点数在内存中的存储详解【超详细的保姆级别教程，让面试官心服口服】手撕浮点数存储使用方式
[数据的存储]浮点数在内存中的存储详解[超详细的保姆级别教程,让面试官对你心服口服]手撕浮点数存储使用方式作者: @小小Programmer 这是我的主页:@小小Programmer 在食用这篇博客 ...
64位 iee754_深入理解IEEE754的64位双精度
前言最近在JavaScript使用整数时,遇到因为数字超出最大值的问题.回忆起Cifer中学时代玩魔兽世界,金币最大为21万4748金币36银币47铜币,即2147483647,当时并不懂原因,还以 ...
单精度浮点数和双精度浮点数存储
IEEE 754中单精度浮点数和双精度浮点数存储 IEEE 754中单精度浮点数和双精度浮点数存储我们先了解一下单精度浮点数和双精度浮点数的基本信息. 名称占用内存(bit;位) 内存 ...
单精度浮点数存储、双精度浮点数存储
单精度浮点数存储其中最高位为符号位S:0代表 +,1代表-,E为指数位,M有有效位例如: 那如果此时我的指数是一个负数呢? 这里IEEE还有特别规定: 有效数字M: M可以写成1.×××,其中×× ...
MongoDB中关于64位整型存储解决方案
为什么80%的码农都做不了架构师?>>> 社区内一哥们@smcboy 提出关于php中操作MongoDB存储整数问题,找到点资料花点时间翻译过来,是个很好的学习方式.@红薯那 ...
pcmark2 android测试,PCMark安卓版升级:支持64位ARM架构存储测试为Storage 2.0
作为一款跨平台的评测软件,PCMark的Android版本最近升级到了v3.0.4054.这个版本变化很大,官方支持64位ARM架构,跑分不能向下比较. ARM处理器长期支持64位,但支持的APP应用 ...
IEEE754浮点数格式详解
IEEE754浮点数格式详解几乎所有计算机都支持二进制数据表示,即能直接识别二进制数据表示并具有相应的指令系统.通常采用的二进制定点数据表示主要有:符号数值.反码.补码以及带偏移增值码四种形式,其中 ...

IEEE-754 64位双精度浮点数存储详解