Apollo iOS项目中Decimal数值精度问题的分析与解决
2025-06-17 01:39:52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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
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
9
1
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217