深入理解 Go Json.Unmarshal 精度丢失之谜

时间：2022-11-24 23:47:04

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：

  1. package main
  3. import (
  4. "encoding/json"
  5. "fmt"
  6. "reflect"
  7. )
  9. func main() {
  10. var request = `{"id":7044144249855934983,"name":"demo"}`
  12. var test interface{}
  13. err := json.Unmarshal([]byte(request), &test)
  14. if err != nil {
  15. fmt.Println("error:", err)
  16. }
  18. obj := test.(map[string]interface{})
  20. dealStr, err := json.Marshal(test)
  21. if err != nil {
  22. fmt.Println("error:", err)
  23. }
  25. id := obj["id"]
  27. // 反序列化之后重新序列化打印
  28. fmt.Println(string(dealStr))
  29. fmt.Printf("%+v\n", reflect.TypeOf(id).Name())
  30. fmt.Printf("%+v\n", id.(float64))
  31. }

跑一下看看结果如下：

  1. {"id":7044144249855935000,"name":"demo"}
  2. float64
  3. 7.044144249855935e+18

果然复现了：

  1. 原始输入字符串：
  2. '{"id":7044144249855934983,"name":"demo"}'
  3. 处理后的字符串：
  4. '{"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
  1. package main
  3. import (
  4. "encoding/json"
  5. "fmt"
  6. "strings"
  7. )
  9. func main() {
  10. var request = `{"id":7044144249855934983}`
  12. var test interface{}
  14. decoder := json.NewDecoder(strings.NewReader(request))
  15. decoder.UseNumber()
  16. err := decoder.Decode(&test)
  17. if err != nil {
  18. fmt.Println("error:", err)
  19. }
  21. objStr, err := json.Marshal(test)
  22. if err != nil {
  23. fmt.Println("error:", err)
  24. }
  26. fmt.Println(string(objStr))
  27. }

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
  1. (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

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
  1. (0x001F FFFF FFFF FFFF)16 = (9007199254740991)10
  2. (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：

  1. // A Number represents a JSON number literal.
  2. type Number string
  4. // String returns the literal text of the number.
  5. func (n Number) String() string { return string(n) }
  7. // Float64 returns the number as a float64.
  8. func (n Number) Float64() (float64, error) {
  9. return strconv.ParseFloat(string(n), 64)
  10. }
  12. // Int64 returns the number as an int64.
  13. func (n Number) Int64() (int64, error) {
  14. return strconv.ParseInt(string(n), 10, 64)
  15. }

从上面可以看到json包的NewDecoder和unmarshal都可以实现数据的解析，那么二者有何区别，什么时候选择哪种方法呢?

https://*.com/questions/21197239/decoding-json-using-json-unmarshal-vs-json-newdecoder-decode

其中的高赞答案给出了一些观点：

  • json.NewDecoder是从一个流里面直接进行解码，代码更少，可以用于http连接与socket连接的读取与写入，或者文件读取
  • json.Unmarshal是从已存在与内存中的json进行解码

小结

到这里大部分问题已经搞清楚，但是仍然一些疑问没有搞清楚：

  • 为什么json.unmarshal没有直接只用类似于decode方案中的Number类型来避免float64带来的精度损失?
  • json.unmarshal反序列化过程的详细原理是怎样的?

这两个疑问或许存在某些关联，等我研究明白再写吧!

原文链接：https://mp.weixin.qq.com/s/36CqC1U54LUd4-izt4iZ1g

标签：

相关文章