深入理解 Go Json.Unmarshal 精度丢失之谜_Golang

深入理解 Go Json.Unmarshal 精度丢失之谜

本文转载自微信公众号「后端研究所」，作者大白斯基。转载本文请联系后端研究所公众号。

缘起

前几天写了个小需求，本来以为很简单，但是上线之后却发现出了bug。

需求大概是这样的：

上游调用我的服务来获取全量信息，上游的数据包虽然是json但是结构不确定
我的服务使用Go语言开发，所以就使用了原生的json包来进行反序列化
拿到唯一ID从DB拉取数据，并返回给上游调用方

深入理解 Go Json.Unmarshal 精度丢失之谜

就是这么简单的过程，让我栽了个跟头，bug的现象是这样的：

上游给的唯一ID一直在数据库查不到结果
上游给的唯一ID一定是真实有效的

乖乖，这就矛盾了，于是我祭出了日志大法，在测试环境跑了一下，发现了个神奇的现象：

下游服务收到的json字符串中的唯一ID是没问题的，和上游一致
下游服务经过json.unmarshal反序列化之后唯一ID发生了变化，和上游不一致

深入理解 Go Json.Unmarshal 精度丢失之谜

究竟发生了什么?

难道我被智子给监控了吗?

我不理解我不明白......

深入理解 Go Json.Unmarshal 精度丢失之谜

任何不合理现象背后一定有个合理的解释，千万不要像我这样被玄学占领了高地。

分析

我决定看看究竟是谁在搞鬼，现在的矛头指向了json.unmarshal这个反序列化的动作，于是我写了个小demo复现一下：

package main
import (
"encoding/json"
"fmt"
"reflect"
)
func main() {
var request = `{"id":7044144249855934983,"name":"demo"}`
var test interface{}
err := json.Unmarshal([]byte(request), &test)
if err != nil {
fmt.Println("error:", err)
}
obj := test.(map[string]interface{})
dealStr, err := json.Marshal(test)
if err != nil {
fmt.Println("error:", err)
}
id := obj["id"]
// 反序列化之后重新序列化打印
fmt.Println(string(dealStr))
fmt.Printf("%+v\n", reflect.TypeOf(id).Name())
fmt.Printf("%+v\n", id.(float64))
}

跑一下看看结果如下：

{"id":7044144249855935000,"name":"demo"}
float64
7.044144249855935e+18

果然复现了：

原始输入字符串：
'{"id":7044144249855934983,"name":"demo"}'
处理后的字符串：
'{"id":7044144249855935000,"name":"demo"}'

id从7044144249855934983变成了7044144249855935000，从有效数字16位之后变为000了，所以这个id无法从db获取数据。

于是我谷歌了一波，原来是这样的：

在json的规范中，对于数字类型是不区分整形和浮点型的。
在使用json.Unmarshal进行json的反序列化的时候，如果没有指定数据类型，使用interface{}作为接收变量，其默认采用的float64作为其数字的接受类型
当数字的精度超过float能够表示的精度范围时就会造成精度丢失的问题

深入理解 Go Json.Unmarshal 精度丢失之谜

到这里，我基本清楚了为什么会出现bug:

上游的json字符串格式不确定无法使用struct来做反序列化，只能借助于interface{}来接收数据
上游的json所传的id是数值类型，换成字符串类型则没有这种问题
上游的json所传的id数值比较大，超过了float64的安全整数范围

深入理解 Go Json.Unmarshal 精度丢失之谜

解决方案有两种：

上游将id改为string传给下游
下游使用json.number类型来避免对float64的使用

package main
import (
"encoding/json"
"fmt"
"strings"
)
func main() {
var request = `{"id":7044144249855934983}`
var test interface{}
decoder := json.NewDecoder(strings.NewReader(request))
decoder.UseNumber()
err := decoder.Decode(&test)
if err != nil {
fmt.Println("error:", err)
}
objStr, err := json.Marshal(test)
if err != nil {
fmt.Println("error:", err)
}
fmt.Println(string(objStr))
}

事情到这里基本已经清晰了，改完上线就修复bug，但是我心中仍然有很多疑惑：

为什么json.unmarshal使用float64来处理就可能出现精度缺失呢?

缺失的程度是怎样的?

什么时候出现精度缺失?

里面有什么规律吗?

反序列化时decoder和unmarshal如何选择呢?

虽然问题解决了，但是没搞清楚上面这些问题，相当于并没有什么收获，于是我决定探究一番。

探究

float64作为双精度浮点型严格遵循IEEE754的标准，因此想要搞清楚为什么float64可能出现精度缺失，就必须要搞清楚二进制科学计算法和IEEE754标准的基本原理。

二进制的科学计数法

在聊float64之前，我们先回忆下十进制的科学计数法。

我们为了便于记忆和直观表达，采用科学记数法来编写数字的方法，它可以容纳太大或太小的值，在科学记数法中，所有数字都是这样编写的：x = y*10^z，此时的底数是10。

比如2000000=2*10^6，确实更加直观简便，同样的这种简化类的需求在二进制也存在，于是出现了基于二进制的科学计数法。

二进制1010010.110表示为1.010010110 × (2 ^ 6)，我们后面要说的IEEE754标准本质上就是二进制科学计数法的工程标准定义。

IEEE754标准的诞生

在20世纪六七十年代，各家电脑公司的各个型号的电脑，有着千差万别的浮点数表示，却没有一个业界通用的标准。

在1980年，英特尔公司就推出了单片的8087浮点数协处理器，其浮点数表示法及定义的运算具有足够的合理性、先进性，被IEEE采用作为浮点数的标准，于1985年发布。

IEEE754(ANSI/IEEE Std 754-1985)是20世纪80年代以来最广泛使用的浮点数运算标准，为许多CPU与浮点运算器所采用，标准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位以上很少使用)与延伸双精确度(79位以上)。

威廉·墨顿·卡韩(英语：William Morton Kahan，1933年6月5日-)，生于加拿大安大略多伦多，数学家与计算机科学家，专长于数值分析，1989年图灵奖得主，1994年被提名为ACM院士，现为加州大学柏克莱分校计算机科学名誉教授，被称为浮点数之父。

深入理解 Go Json.Unmarshal 精度丢失之谜

老爷子已经近90岁了，这是1968年到加州大学伯克利分校任数学与计算机科学教授时的照片。

IEEE754的基本原理

int64是将64bit的数据全部用来存储数据，但是float64需要表达的信息更多，因此float64单纯用于数据存储的位数将小于64bit，这就导致了float64可存储的最大整数是小于int64的。

理解这一点非常关键，其实也比较好理解，64bit每一位都非常重要，但是float64需要拿出其中几位来做别的事情，这样存储数据的range就比int64小了许多。

深入理解 Go Json.Unmarshal 精度丢失之谜

IEEE754标准将64位分为三部分：

sign，符号位部分，1个bit 0为正数，1为负数
exponent，指数部分，11个bit
fraction，小数部分，52个bit

32位的单精度也分为上述三个部分，区别在于指数部分是8bit，小数部分是23bit，同时指数部分的偏移值32位是127，64位是1023，其他的部分计算规则是一样的。

IEEE754标准可以认为是二进制的科学计数法，该标准认为任何一个数字都可以表示为：

深入理解 Go Json.Unmarshal 精度丢失之谜

特别注意，图片中的指数部分E并没有包含偏移值，偏移值是IEEE754转换为浮点数二进制序列时使用的。

有效数字M的约束

M的取值为1≤M<2，M可以写成1.xxxxxx的形式，其中xxxxxx表示小数部分。IEEE 754规定，在计算机内部保存M时，默认这个数的第一位总是1，因此可以被舍去，只保存后面的xxxxxx部分，在恢复计算时加上1即可。

指数E的约束

E为一个无符号整数也就是都是>=0，在32位单精度时取值范围为0~255，在64位双精度时取值范围为0~2047。当数字是小数时E将是负数，为此IEEE754规定使用科学计数法求的真实E加上偏移值才是最终表示的E值。

深入理解 Go Json.Unmarshal 精度丢失之谜

看到这里读者会有疑问：如果真实E值超过128，那么加上偏移值岂不是要超过255发生越界了?

没错，当指数部分E全部为1时，需要看M的情况，如果有效数字M全为0，表示±无穷大，如果有效数字M不全为0，表示为NaN。

NaN(Not a Number非数)是计算机科学中数值数据类型的一类值，含义为未定义或不可表示的值。

数据表示规则

前面了解了IEEE754的基本原理，接下来就是实际应用了。

一般来说10进制场景下存在三种情况转换为浮点型：

纯整数转换为浮点数比如 10086
混合小数转换为浮点数比如 123.45
纯小数转换为浮点数比如 0.12306

就分为两种情况将10进制全部转换为2进制就可以了，比如整数部分123就辗转除2取余数再逆向书写就好，小数部分则是辗转乘2取整再顺序书写就好。

偷个懒从菜鸟教程网站上copy个例子，将10进制173.8625转换为2进制的做法：

十进制整数转换为二进制整数采用"除2取余，逆序排列"法

深入理解 Go Json.Unmarshal 精度丢失之谜

十进制小数转换成二进制小数采用"乘2取整，顺序排列"法

深入理解 Go Json.Unmarshal 精度丢失之谜

合并两部分

(173.8125)10=(10101101.1101)2

特别注意，在某些情况下小数部分的乘2取整会出现无限循环，但是IEEE754中小数部分的位数是有限的，这样就出现了近似值存储，这也是一种精度缺失的现象。

安全整数范围

我们之前有疑问：任何整数经过float64处理后都有问题吗?还是说有个安全转换的数值范围呢?

我们来分析下float64可以表示的数据范围是怎样的：

深入理解 Go Json.Unmarshal 精度丢失之谜

尾数部分全部为1时就已经拉满了，再多1位尾数就要向指数发生进位，此时就会出现精度缺失，因此对于float64来说：

最大的安全整数是52位尾数全为1且指数部分为最小 0x001F FFFF FFFF FFFF
float64可以存储的最大整数是52位尾数全位1且指数部分为最大 0x07FEF FFFF FFFF FFFF

(0x001F FFFF FFFF FFFF)16 = (9007199254740991)10
(0x07EF FFFF FFFF FFFF)16 = (9218868437227405311)10

也就是理论上数值超过9007199254740991就可能会出现精度缺失。

10进制数值的有效数字是16位，一旦超过16位基本上缺失精度是没跑了，回过头看我处理的id是20位长度，所以必然出现精度缺失。

decoder和unmarshal

我们知道在json反序列化时是没有整型和浮点型的区别，数字都使用同一种类型，在go语言的类型中这种共同类型就是float64。

但是float64存在精度缺失的问题，因此go单独对此给出了一个解决方案：

使用 json.Decoder 来代替 json.Unmarshal 方法
该方案首先创建了一个 jsonDecoder，然后调用了 UseNumber 方法
使用 UseNumber 方法后，json 包会将数字转换成一个内置的 Number 类型(本质是string)，Number类型提供了转换为 int64、float64 等多个方法

UseNumber causes the Decoder to unmarshal a number into an interface{} as a Number instead of as a float64

我们来看看Number类型的源码实现：