Number.EPSILON

2^-52，或大约 2.2204460492503130808472633361816E-16。

Number.EPSILON 是数字中 1 和可表示的比 1 大的最小数字之间的差值，因为双精度浮点格式只有 52 位来表示尾数，并且最低位的有效值为 2^-52。

请注意，浮点数的绝对精度随着数字变大而降低，因为指数增长而尾数的精度保持不变。Number.MIN_VALUE 是可表示的最小正数，远小于 Number.EPSILON。

由于 EPSILON 是 Number 的静态属性，因此你应该始终将其用作 Number.EPSILON，而不是作为数字值的属性。

任何占用位数有限的数字编码系统，无论你选择的是什么基数（例如十进制或二进制），都必定无法精确表示所有数字，因为你试图使用有限的内存来表示数轴上无限数量的点。例如，十进制系统无法准确表示 1/3，而二进制系统无法准确表示 0.1。因此，例如，0.1 + 0.2 并不完全等于 0.3：

console.log(0.1 + 0.2); // 0.30000000000000004
console.log(0.1 + 0.2 === 0.3); // false

因此，通常建议不要使用 === 比较浮点数。相反，我们可以认为两个数在彼此之间是足够接近的时候它们是相等的。如果算术运算的数量级在 1 附近，那么 Number.EPSILON 常数通常是一个合理的误差阈值，因为实质上，EPSILON 指定了数字“1”的精确度。

function equal(x, y) {
  return Math.abs(x - y) < Number.EPSILON;
}

const x = 0.2;
const y = 0.3;
const z = 0.1;
console.log(equal(x + z, y)); // true

然而，对于任何具有更大数量级的算术运算，Number.EPSILON 是不适用的。如果你的数据数量级在 10³ 的范围，那么小数部分的精确度将远远小于Number.EPSILON：

function equal(x, y) {
  return Math.abs(x - y) < Number.EPSILON;
}

const x = 1000.1;
const y = 1000.2;
const z = 2000.3;
console.log(x + y); // 2000.3000000000002；误差为 10^-13 而不是 10^-16
console.log(equal(x + y, z)); // false

在这种情况下，需要更大的容差。由于进行比较的数字的数量级大约为 2000，使用类似于 2000 * Number.EPSILON 的乘积可以为此情况提供足够的容差。

function equal(x, y, tolerance = Number.EPSILON) {
  return Math.abs(x - y) < tolerance;
}

const x = 1000.1;
const y = 1000.2;
const z = 2000.3;
console.log(equal(x + y, z, 2000 * Number.EPSILON)); // true

除了数量级之外，考虑输入的精度也非常重要。例如，如果数字是从表单输入收集的，并且输入值只能以 0.1 的步长调整（即 <input type="number" step="0.1">），通常可以允许更大的容差，例如 0.01，因为数据的精度只有 0.1。

• core-js 中 Number.EPSILON 的 polyfill
• Number