Number.EPSILON是1与大于1的最小可表示浮点数之差（约2.22e-16），用于浮点数安全比较，但需结合量级基准（如Math.max(|a|,|b|)）和相对误差判断，不可直接用于绝对差值比较。
直接用 === 比较浮点数在工程中基本不可靠，比如 0.1 + 0.2 === 0.3 返回 false。Number.EPSILON 不是万能开关，而是构建可靠比较逻辑的起点——关键在于把它用对量级、配对策略、贴合场景。
理解 Number.EPSILON 的真实角色
它约等于 2.22e-16，本质是 1.0 和下一个可表示双精度数之间的差，反映的是数值在 1 附近的最小分辨间隔。它不随数值大小自动缩放：对 1e10 来说，相邻可表示数的间距已是 ~1e-6；对 1e-10 来说，这个间距又变成 ~1e-26。硬套 Math.abs(a - b) 只在 a、b 接近 1 时勉强可用，其他情况极易误判。
推荐使用相对误差法（适配多数工程场景）
把误差和参与比较的数本身的量级挂钩，才能保持判断的一致性：
- 计算绝对差：
const diff = Math.abs(a - b) - 取参考基准：
const scale = Math.max(Math.abs(a), Math.abs(b), Number.EPSILON)（加Number.EPSILON防止除零或极小值下溢） - 设定容差倍数：
const tolerance = scale * Number.EPSILON * 10（×10 是常见宽松系数，金融等严苛场景可改 ×1 或 ×2） - 判定：
diff
这样写出来的函数能同时处理 numbersEqual(0.1+0.2, 0.3)（返回 true）和 numbersEqual(1e15, 1e15 + 1)（返回 false），符合直觉与精度现实。
按业务需求调整容差尺度
Number.EPSILON 是底层精度单位，不是最终容差值。实际工程必须结合领域要求再“放大”：
-
图形渲染 / WebGL 坐标校验：视觉无感即可，常用
1e-6到1e-4（比如判断两个像素位置是否重合） -
科学模拟 / 物理引擎：通常用
1e-9～1e-12，兼顾稳定性与收敛速度 -
金融计算（如金额比对）：不依赖 EPSILON，直接用分/厘为单位转整数比较，或设固定容差如
1e-2（分）、1e-4（厘） -
测试断言（Jest/Cypress）：工具库常内置
toBeCloseTo，其默认容差就是基于相对误差逻辑，可传入自定义精度参数
规避高频误区
这些做法看似简洁，但在真实项目中容易埋雷：
- ❌
Math.abs(a - b) —— 对大数完全失效，对负数或零未做保护 - ❌ 忽略
NaN、Infinity、-0等边界值，应在比较前显式处理（如先Number.isFinite(a) && Number.isFinite(b)） - ❌ 把
Number.EPSILON当作“全局精度标准”照搬，不结合业务单位（比如用它去比温度摄氏度和电压伏特，意义不同） - ✅ 推荐封装成纯函数，输入输出明确，不修改全局，方便单元测试和跨项目复用
