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
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
React Native鸿蒙化仓库
JavaScript
302
349
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
112
134