Apollo iOS项目中Decimal数值精度问题的分析与解决
2025-06-17 12:49:42作者:尤峻淳Whitney
在iOS开发中使用Apollo GraphQL客户端时,处理Decimal数值类型可能会遇到意外的精度问题。本文将深入分析这个常见问题的成因,并提供专业的解决方案。
问题现象
开发者在使用自定义标量类型Decimal时,发现当发送6.99这样的数值时,后端实际接收到的却是6.990000000000002。这种精度偏差会导致业务逻辑出现错误,特别是在金融计算等对精度要求严格的场景中。
根本原因分析
-
浮点数精度问题:计算机使用二进制表示浮点数时,某些十进制小数无法精确表示,导致舍入误差。
-
自定义标量实现缺陷:当前实现中虽然使用了NumberFormatter进行截断处理,但在JSON序列化/反序列化过程中可能绕过了这个处理逻辑。
-
类型转换问题:在Double和Decimal之间的转换过程中没有完全控制精度。
解决方案
方案一:优化自定义Decimal标量实现
public struct Decimal: CustomScalarType, Hashable {
private static let formatter: NumberFormatter = {
let formatter = NumberFormatter()
formatter.maximumFractionDigits = 2
formatter.roundingMode = .halfUp
formatter.numberStyle = .decimal
return formatter
}()
public let value: Foundation.Decimal
public init(_ value: Foundation.Decimal) {
self.value = value
}
public init(_jsonValue value: JSONValue) throws {
if let stringValue = value as? String,
let decimalValue = Foundation.Decimal(string: stringValue) {
self.value = decimalValue
} else if let doubleValue = value as? Double {
self.value = Foundation.Decimal(doubleValue).rounded(2)
} else {
throw JSONDecodingError.couldNotConvert(value: value, to: Decimal.self)
}
}
public var _jsonValue: JSONValue {
return Decimal.formatter.string(from: value as NSNumber) ?? value.description
}
}
extension Foundation.Decimal {
func rounded(_ scale: Int) -> Foundation.Decimal {
var result = Foundation.Decimal()
var localCopy = self
NSDecimalRound(&result, &localCopy, scale, .bankers)
return result
}
}
方案二:直接使用Double类型
对于大多数场景,使用Double类型并配合适当的舍入策略可能更简单高效:
let value = 6.99
let roundedValue = (value * 100).rounded() / 100
最佳实践建议
-
明确精度需求:在金融等关键领域,应该使用专门的十进制算术库而非原生浮点类型。
-
前后端一致:确保前后端使用相同的精度处理逻辑,避免跨系统精度差异。
-
单元测试:为涉及货币计算的代码添加严格的单元测试,验证边界条件。
-
版本升级:保持Apollo iOS客户端为最新版本,以获得最佳稳定性和功能支持。
总结
处理数值精度是移动开发中的常见挑战。通过理解计算机数值表示的基本原理,选择适当的处理策略,并实施严格的验证机制,可以有效避免这类问题的发生。在Apollo iOS项目中,开发者应当根据具体业务需求,选择最适合的数值处理方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
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
468
461
暂无描述
Dockerfile
776
5.07 K
Ascend Extension for PyTorch
Python
756
961
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430