一、价格乘除的核心场景与挑战

在电商、金融等系统中，价格乘除是高频操作。例如，计算商品总价（单价×数量）、折扣后价格（原价×折扣率）、分摊成本（总价÷参与方数）等。这些场景看似简单，但隐藏着两大核心挑战：

1. 精度丢失：浮点数（float/double）无法精确表示十进制小数，导致0.1+0.2≠0.3的经典问题。在价格计算中，1.99元×100件若因精度丢失变成198.999…元，可能引发财务纠纷。
2. 舍入规则差异：不同业务场景对舍入的要求不同。例如，税务计算需“四舍六入五成双”，而商品定价可能要求“向上取整”以避免亏损。

二、高精度计算：BigDecimal的深度使用

Java的BigDecimal类是解决精度问题的关键工具，但其使用需严格遵循规范：

1. 初始化与数值表示

// 错误示例：使用double构造会导致精度问题
BigDecimal wrong = new BigDecimal(0.1); // 实际值为0.10000000000000000555...
// 正确做法：使用字符串构造
BigDecimal correct = new BigDecimal("0.1"); // 精确值
// 或使用BigDecimal.valueOf(double)（内部会转换为字符串）
BigDecimal safe = BigDecimal.valueOf(0.1);

关键点：直接使用double构造BigDecimal会继承浮点数的精度误差，必须通过字符串或valueOf方法初始化。

2. 乘除运算与舍入模式

BigDecimal的乘除方法需显式指定舍入模式和精度：

BigDecimal price = new BigDecimal("19.99");
int quantity = 5;
// 乘法：无需指定精度（结果精度为两数精度之和）
BigDecimal subtotal = price.multiply(BigDecimal.valueOf(quantity)); // 99.95
// 除法：必须指定舍入模式，否则会抛出ArithmeticException
BigDecimal discountRate = new BigDecimal("0.85");
BigDecimal finalPrice = price.multiply(discountRate)
    .setScale(2, RoundingMode.HALF_UP); // 四舍五入到2位小数

舍入模式选择：

• RoundingMode.HALF_UP：四舍五入（常用）
• RoundingMode.UP：向上取整（适合税务计算）
• RoundingMode.DOWN：向下取整（适合成本分摊）
• RoundingMode.HALF_EVEN：银行家舍入法（统计场景）

3. 精度配置的统一管理

在大型项目中，建议将精度和舍入规则封装为配置：

public class PriceCalculator {
    private static final int PRECISION = 2;
    private static final RoundingMode ROUNDING_MODE = RoundingMode.HALF_UP;
    public static BigDecimal calculateTotal(BigDecimal unitPrice, int quantity) {
        return unitPrice.multiply(BigDecimal.valueOf(quantity))
            .setScale(PRECISION, ROUNDING_MODE);
    }
}

三、异常处理与边界条件

价格乘除中需处理的异常场景包括：

1. 除零错误：

   try {
    BigDecimal result = dividend.divide(divisor, PRECISION, ROUNDING_MODE);
   } catch (ArithmeticException e) {
    // 处理除零或精度不足的情况
    throw new BusinessException("除数不能为零或结果超出精度范围");
   }

2. 数值溢出：虽然BigDecimal理论上无上限，但实际业务中需校验数值范围（如单价不超过99999.99元）。

3. 货币单位转换：涉及多币种时，需先统一单位（如将分转换为元）：

   BigDecimal priceInCents = new BigDecimal("1999"); // 19.99元
   BigDecimal priceInDollars = priceInCents.divide(new BigDecimal("100"), 2, RoundingMode.DOWN);

四、性能优化与最佳实践

1. 避免重复创建对象：
   ```java
   // 不推荐：每次循环都创建新对象
   for (int i = 0; i < 1000; i++) {
   BigDecimal temp = new BigDecimal(“1.99”); // 重复创建
   }

// 推荐：使用静态常量
private static final BigDecimal UNIT_PRICE = new BigDecimal(“1.99”);

2. **选择合适的精度**：根据业务需求平衡精度与性能。例如，库存计算可能只需整数精度，而金融交易需6位小数。
3. **与数据库交互**：存储时建议使用`DECIMAL(p,s)`类型，并在Java中保持精度一致：
```java
// JDBC示例
PreparedStatement stmt = connection.prepareStatement(
    "INSERT INTO orders (total_price) VALUES (?)");
stmt.setBigDecimal(1, finalPrice); // 自动匹配数据库精度

五、实际案例：电商订单总价计算

public class OrderService {
    private static final int PRICE_PRECISION = 2;
    private static final RoundingMode ROUNDING_MODE = RoundingMode.HALF_UP;
    public BigDecimal calculateOrderTotal(List<OrderItem> items) {
        BigDecimal total = BigDecimal.ZERO;
        for (OrderItem item : items) {
            BigDecimal itemTotal = item.getUnitPrice()
                .multiply(BigDecimal.valueOf(item.getQuantity()))
                .setScale(PRICE_PRECISION, ROUNDING_MODE);
            total = total.add(itemTotal);
        }
        return total.setScale(PRICE_PRECISION, ROUNDING_MODE);
    }
    public BigDecimal applyDiscount(BigDecimal originalPrice, BigDecimal discountRate) {
        if (discountRate.compareTo(BigDecimal.ZERO) <= 0 || 
            discountRate.compareTo(BigDecimal.ONE) > 0) {
            throw new IllegalArgumentException("折扣率必须在0~1之间");
        }
        return originalPrice.multiply(discountRate)
            .setScale(PRICE_PRECISION, ROUNDING_MODE);
    }
}

关键验证点：

1. 初始化BigDecimal时使用字符串或valueOf
2. 每次运算后显式设置精度和舍入模式
3. 对输入参数进行有效性校验

六、总结与建议

1. 精度管理：始终通过字符串或valueOf初始化BigDecimal，避免浮点数误差。
2. 舍入规则：根据业务场景选择合适的舍入模式，并统一管理精度配置。
3. 异常处理：捕获ArithmeticException处理除零和精度不足问题。
4. 性能优化：复用BigDecimal对象，根据业务需求选择最小必要精度。
5. 单元测试：覆盖边界条件（如0、负数、极大值）和舍入场景。

通过严格遵循上述实践，可确保Java价格乘除运算的精确性、可维护性和业务安全性，为电商、金融等系统提供可靠的数值计算基础。