计算机如何存储浮点数？底层内部存储与运算原理技术问询

目前通用计算机的浮点数存储、运算基本都遵循IEEE 754标准，本质是把二进制科学计数法的各个组成部分拆分后固定长度存储，和整数的补码存储逻辑完全不同。

基础存储结构 #

最常用的两类浮点数的字段拆分规则如下：

• 32位单精度浮点数：1位符号位 + 8位指数位 + 23位尾数位
• 64位双精度浮点数：1位符号位 + 11位指数位 + 52位尾数位

每个字段的含义：

• 符号位：0表示正数，1表示负数，逻辑和整数符号位一致
• 指数位：存储偏移后的指数值，单精度偏移量为127，双精度偏移量为1023，用无符号数的形式表示正负指数
• 尾数位：只存储二进制科学计数法归一化后，小数点后的小数部分，整数部分默认固定为1无需存储，相当于多赚了1位有效数字的存储空间

实际转换示例 #

我们以12.375转32位单精度浮点数为例，演示完整转换流程：

1. 先把十进制数转成二进制：12.375 转二进制结果为 1100.011
2. 做归一化处理，统一写成 1.xxxx * 2^n 的标准形式：1100.011 = 1.100011 * 2^3
3. 分别填充三个字段：
   • 符号位：正数填0
   • 指数位：实际指数是3，加上单精度偏移量127得到130，转8位二进制为10000010
   • 尾数位：取归一化后小数点后的100011，末尾补0凑满23位，结果为10001100000000000000000
4. 拼接后得到完整的32位存储值：0 10000010 10001100000000000000000

特殊值规则 #

IEEE 754预留了特殊的字段组合表示非数值场景：

• 指数位全为1、尾数位全为0：表示无穷大（∞），符号位区分正无穷和负无穷
• 指数位全为1、尾数位不全为0：表示NaN（Not a Number），用来表示0除以0、负数开平方这类非法运算的结果
• 指数位全为0、尾数位不全为0：表示非归一化浮点数，用来表示非常接近0的极小值，解决下溢场景的精度问题

运算逻辑 #

浮点数运算的核心步骤是对齐指数、尾数运算、重新归一化：

1. 先对比两个数的指数，把指数更小的数的尾数右移，直到两个数的指数一致，右移过程中超出尾数位长度的部分会按规则舍入
2. 对对齐后的尾数做加减乘除运算
3. 把运算结果重新归一化成标准的1.xxxx * 2^n形式，同时检查溢出、下溢、精度损失等异常

这也是为什么浮点数经常出现精度丢失的问题：固定长度的尾数无法覆盖所有小数的二进制表示，运算过程中的舍入、截断都会带来误差。

内容的提问来源于stack exchange，提问作者Ruthvik