相等十进制值转浮点数后不匹配，单元测试失败原因咨询

这个测试失败的核心原因在于二进制浮点数的固有局限性，以及rust_decimal内部存储与转换的细节，具体分为三点：

1. 十进制1.539无法被二进制浮点数精确表示 #

f64是基于二进制的浮点类型，仅能精确表示分母为2的幂的分数（比如0.5=1/2、0.25=1/4）。而1.539的分数形式是1539/1000，分母1000包含因子5³，无法被2的幂整除，因此转成f64时只能存储最接近它的二进制近似值，而非精确值。

2. 数值相等的Decimal实例，内部存储精度可能不同 #

虽然assert_eq!(dec!(1.539), total2)通过了，但rust_decimal的相等判断是基于数值等价，而非内部存储的完全一致：

• total1是通过val1 * coef + val2直接计算得到的，内部存储为1539 × 10^-3（精确的十进制1.539）。
• total2是先将total1_f（total1的f64近似值）转回Decimal，再经过/coef * coef运算得到的。这个过程中，Decimal可能会以更高精度存储数值（比如带有更多尾零，或存储为与1539 ×10^-3等价但缩放因子不同的形式）。

3. 不同的Decimal内部表示，转f64时会产生不同的二进制近似 #

当把这两个数值等价的Decimal转成f64时，由于内部存储的数字位数和缩放因子不同，转换过程中的舍入计算会产生细微差异：

• 对于total1（1539 ×10^-3），转换是计算1539 ÷ 1000的二进制近似。
• 对于total2（比如可能是1539000000000000 ×10^-16），转换是计算1539000000000000 ÷ 10^16的二进制近似。

这两个计算的结果在二进制浮点数中会有极细微的比特模式差异，最终导致assert_eq!(total1_f, total2_f)失败。

内容的提问来源于stack exchange，提问作者andigor