Hutool中BigDecimal序列化精度丢失问题解析
2025-05-05 03:09:17作者:管翌锬
问题现象
在使用Hutool工具库的JSONUtil.toJsonStr方法进行对象序列化时,当对象中包含BigDecimal类型字段且设置了小数位数时,会出现精度丢失的情况。例如,一个值为0.0100的BigDecimal对象,经过序列化后会变成0.01,丢失了末尾的两个零。
问题复现
通过以下代码可以复现该问题:
class TestDto {
public BigDecimal remain;
}
public class Main {
public static void main(String[] args) {
BigDecimal bigDecimal = new BigDecimal("0.01");
bigDecimal = bigDecimal.setScale(4, BigDecimal.ROUND_HALF_UP);
TestDto dto = new TestDto();
dto.remain = bigDecimal;
System.out.println("原始值: " + bigDecimal);
System.out.println("序列化结果: " + JSONUtil.toJsonStr(dto));
}
}
输出结果为:
原始值: 0.0100
序列化结果: {"remain":0.01}
问题原因
Hutool的JSON序列化默认配置中启用了stripTrailingZeros选项,该选项会自动去除BigDecimal值末尾的零。这是为了优化输出结果,避免显示不必要的零位。
解决方案
Hutool提供了灵活的配置方式来解决这个问题。可以通过创建自定义的JSONConfig来保留BigDecimal的精度:
JSONConfig config = JSONConfig.create()
.setStripTrailingZeros(false); // 禁用去除末尾零
String jsonStr = JSONUtil.toJsonStr(dto, config);
这样设置后,序列化结果将保留BigDecimal的完整精度,输出为{"remain":0.0100}。
深入理解
BigDecimal的精度处理
BigDecimal是Java中用于高精度计算的类,它可以精确表示小数并控制小数位数。在实际业务中,特别是在金融、财务等领域,保持精确的小数位数非常重要。
JSON序列化的权衡
JSON序列化时对BigDecimal的处理通常需要考虑两个因素:
- 数据精度 - 需要保持业务要求的精确度
- 数据简洁性 - 去除不必要的零使JSON更简洁
Hutool默认选择了后者,但提供了配置选项让开发者根据实际需求进行调整。
最佳实践
- 对于金融、财务等对精度要求高的场景,建议禁用stripTrailingZeros
- 对于一般业务场景,可以使用默认配置以获得更简洁的JSON
- 在系统设计时,应该明确BigDecimal字段的精度要求,并在文档中注明
总结
Hutool的JSON序列化提供了灵活的配置选项来处理BigDecimal的精度问题。开发者需要根据业务需求选择合适的配置,在数据精度和JSON简洁性之间取得平衡。理解这些配置选项可以帮助开发者更好地使用Hutool工具库,避免在实际开发中遇到意外的精度丢失问题。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
387
458
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
680
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
805
198
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781