kt 中商品的金额字段使用double 还是 bigdecimal

在Kotlin中处理商品金额等金融计算时，必须使用 BigDecimal 而非 Double。以下是核心原因及实践建议：

️ 一、为什么必须用 BigDecimal？

1. Double 存在精度丢失问题
   Double 是二进制浮点数（遵循 IEEE 754 标准），无法精确表示大多数十进制小数（如 0.1）。
   示例：

   println(0.1 + 0.2) // 输出 0.30000000000000004（非精确的 0.3）
   

   这种误差在金额计算中会导致累计错误，尤其涉及乘法、除法时更明显。

2. BigDecimal 的精确性优势

   • 基于十进制存储，可精确表示任意位数的小数（如 0.1）。
   • 提供对舍入模式（RoundingMode）和精度（scale）的完全控制，确保计算结果符合金融规范。

✅ 二、Kotlin 中 BigDecimal 的最佳实践

1. 初始化：必须通过字符串构造

// ✅ 正确做法（避免二进制误差）
val price = BigDecimal("19.99")

//  ❌ 错误做法（直接传 Double 仍会引入误差）
val errorPrice = BigDecimal(19.99) // 实际值可能是 19.990000000000002

2. 运算：显式指定精度和舍入模式

val price = BigDecimal("100.55")
val taxRate = BigDecimal("0.07")

// 乘法 + 保留两位小数（四舍五入）
val tax = price.multiply(taxRate).setScale(2, RoundingMode.HALF_UP) 

// 除法：必须指定精度，否则抛 ArithmeticException
val divided = price.divide(BigDecimal(3), 2, RoundingMode.HALF_UP)

3. 比较数值：用 compareTo() 而非 equals()

val a = BigDecimal("1.0")
val b = BigDecimal("1.00")

println(a == b) // false（equals() 严格比较小数位数）
println(a.compareTo(b) == 0) // true（比较实际数值）

三、Double 的适用场景（非金额）

仅适用于科学计算、图形渲染等容忍误差的场景：

// 物理引擎计算（精度要求低）
val velocity = 3.0 * 9.8 

🔧 四、封装工具类（推荐）

import java.math.BigDecimal
import java.math.RoundingMode

object MoneyUtils {
    private const val DEFAULT_SCALE = 2

    // 安全转换 Double → BigDecimal（字符串中转）
    fun fromDouble(value: Double): BigDecimal {
        return BigDecimal(value.toString())
    }

    // 金额标准化（保留两位小数）
    fun normalize(amount: BigDecimal): BigDecimal {
        return amount.setScale(DEFAULT_SCALE, RoundingMode.HALF_UP)
    }

    // 安全除法
    fun divide(a: BigDecimal, b: BigDecimal, scale: Int = DEFAULT_SCALE): BigDecimal {
        return a.divide(b, scale, RoundingMode.HALF_UP)
    }
}

// 使用示例
val total = MoneyUtils.fromDouble(100.0)
    .multiply(BigDecimal("0.85"))
    .let { MoneyUtils.normalize(it) }

💾 五、数据库存储方案

📌 总结

• 金额字段必须用 BigDecimal：避免 Double 的二进制精度陷阱。
• 通过字符串初始化：BigDecimal("123.45") 是唯一安全方式。
• 显式控制精度和舍入：所有运算（尤其除法）需指定 scale 和 RoundingMode。
• 数据库存储匹配：使用 DECIMAL(p,s) 类型直接映射 BigDecimal。

在金融系统中，精度错误可能导致资损或法律纠纷，务必严格遵循上述规范。