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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
617
793
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++
1.01 K
1.01 K
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
433
394
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude 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 Started
Rust
1.18 K
152
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
403
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989