一、数值存储计算方案
高精度浮点数
采用双精度浮点数是最简单的存储方案，数据库支持，编程语言也支持。只要数据库和编程语言采用一样的浮点数标准即可。
然而，浮点数始终有精度问题，会产生很多人类大脑一般认知以外的问题。
字符串存储
字符串存储容易产生计算性能问题，而且也大小的比较排序不方便。若转化为浮点数计算，又回到前面问题。如果是自己编写加减乘除算法，复杂度更高。
采用长整数
系统设置的最大金额为100,000,000,000。
64位有符号整数，最大数((263)-1)/(107)=922,337,203,685.4775807，完全满足最大值需求。
采用整数存储和计算不会丢失精度，普通开发者可以轻松驾驭整数的计算，系统做比较排序操作也很方便。
二、采用四舍五入的情况
所谓四舍五入就是，当舍去位的数值大于等于5时，在舍去该位的同时向前位进一；当舍去位的数值小于5时，则直接舍去该位。
小数保留七位转化为整数
某些计算结果是小数，需保留小数点后七位，并乘以10的七次方转化为整数，才能保存到系统中。
对于某些小数，因为浮点数的精度问题。需要小数点后7位后，四舍五入再乘以10的7次方取整。如下代码所示
def mul_10_7(num: BigDecimal): BigInt = {
(num.setScale(7, RoundingMode.HALF_UP) * BigDecimal(BigInt(10).pow(7))).toBigInt()
}
而不是该小数乘以10的7次方直接取整。如下错误代码：
def mul_10_7(num: BigDecimal): BigInt = {
(num * BigDecimal(BigInt(10).pow(7))).toBigInt()
}
三、采用直接舍去的情况
页面百分比展示
页面展示百分比。当进度为99.9999999%这种情况时，采用小数点后两位四舍五入。页面展示进度时，变为100%。因此，页面展示进度改为直接舍去
(BigDecimal(inAmount) / BigDecimal(c.crowd_total) * 100).setScale(2, RoundingMode.DOWN)
而不是采取四舍五入。如下错误代码：
(BigDecimal(inAmount) / BigDecimal(c.crowd_total) * 100).setScale(2, RoundingMode.HALF_UP)
四、累积误差的处理
分红计算累积误差
如果单位分红计算时，小数点后7位四舍五入。然后，按照每个账户持有份额乘以单位分红获得分红。这样会产生累积误差。如下错误代码所示：
# 单位分红计算，小数点7位后四舍五入
val unitPrice = (feeTotal / BigDecimal(xyzCount)).setScale(7, RoundingMode.HALF_UP)
# 账户持有份额乘以单位分红
mul_10_7(div_10_7(ab.amount) * unitPrice)
正确思路是保留精度，计算乘积后再取整存储
# 单位分红计算，保留精度
val unitPrice = feeTotal / BigDecimal(xyzCount)
# 账户持有份额乘以单位分红
mul_10_7(div_10_7(ab.amount) * unitPrice)
分红计算改进方案1
上述分红计算方案，仍旧会产生问题。会出现两种错误情况，一种是分红池总金额大于实际分红；另外一种情况是分红金额小于实际分红。这两种情况都会导致系统总金额产生错误。因此，需要用如下方案改进。
假设有n个分红账户，持有该份额为X1、X2、X3...Xn-1、Xn,总份额为：
X=X1+X2+...+Xn
总分红额为total，那么前n-1位分红计算公式如下：
Ti=Xi/X*total
i代表第i位分红者，i<=n-1
最后一位分红Tn，计算公式如下：
Tn=total-(T1+T2+...+Tn-1)
这样保证分红计算没有错误产生。
分红计算进一步改进方案2
上述分红计算方案，仍旧会产生问题。会出现如下错误情况：如果份额计算时，小份额先分，大份额最后分，有可能出现大份额分不到或分少的情况。因此，需要用如下方案改进。
假设有n个分红账户，n个分红账户需要按照降序的顺序分红，计算方案仍旧如方案1所述。
五、银行家舍入
本系统并未采用这中计算方法。
银行家舍入法，其实质是一种四舍六入五取偶（又称四舍六入五留双）法。其规则是：当舍去位的数值小于5时，直接舍去该位；当舍去位的数值大于等于6时，在舍去该位的同时向前位进一；当舍去位的数值等于5时，如果前位数值为奇，则在舍去该位的同时向前位进一，如果前位数值为偶，则直接舍去该位。
网友评论