Number.EPSILON 是用于构建可靠数值比较逻辑的底层基准值，可避免浮点误差导致的迭代收敛误判、几何相交漏检等问题，但不适用于金融计算、大整数运算和极小数场景。
Number.EPSILON 不是“通用精度开关”，而是一个用于构建**可靠数值比较逻辑**的底层基准值。它在数值算法中真正起作用的地方，是帮你避开浮点误差导致的逻辑断裂——比如迭代收敛误判、几何相交漏检、物理碰撞失灵等。用错方式反而会让算法更不稳定。
判断迭代是否收敛
很多数值算法（如牛顿法、梯度下降、求解非线性方程）依赖「前后两次结果变化足够小」作为停止条件。若直接写 Math.abs(x1 - x0) ，可能在不同量级下失效：
- 当解接近 0（如残差为 1e-15），1e-10 过大，提前终止
- 当解是 1e8（如天文模拟中的距离），1e-10 又太小，可能死循环
正确做法是结合相对变化与 EPSILON：
function isConverged(a, b, relTol = 10 * Number.EPSILON) {
const diff = Math.abs(a - b);
const scale = Math.max(Math.abs(a), Math.abs(b), 1e-15); // 防零除
return diff <= relTol * scale;
}这样既适应大小数，又保留了双精度机器本身的分辨能力参考。
立即学习“Java免费学习笔记（深入）”；
几何计算中的容差判定
在 2D/3D 图形或物理引擎中，常需判断点是否在直线上、线段是否相交、平面是否共面。这些运算大量涉及叉积、点积和行列式，结果理论上应为 0，但浮点下常为 ±1e-16。
- 错误写法：
cross === 0或Math.abs(cross) （仅对单位向量有效） - 推荐写法：按输入向量长度缩放容差
const tol = Number.EPSILON * Math.max(lenA, lenB) * Math.max(lenA, lenB);
因叉积量级与向量长度乘积正相关，容差也需同步放大
例如 Three.js 内部判断三点共线时，就采用类似带尺度的阈值，而非固定 EPSILON。
避免因精度引发的逻辑分支错误
某些算法依赖「严格大于」「严格小于」做分支，比如：
- 排序比较函数返回负数/正数决定顺序
- 凸包算法中按极角排序，角度相等时需 fallback 到距离
- 光线追踪中判断交点是否在物体表面「前方」
若直接用 a > b，微小误差可能导致同一组数据在不同运行中排序不一致（违反稳定排序要求）。应改用带容差的三值比较：
function compare(a, b) {
const diff = a - b;
if (Math.abs(diff) < Number.EPSILON * Math.max(Math.abs(a), Math.abs(b), 1)) {
return 0; // 视为相等
}
return diff > 0 ? 1 : -1;
}这能保证数值上“不可分辨”的输入产生确定性结果。
不适用的场景要主动绕开
EPSILON 是浮点工具，不是精度救星。以下情况它帮不上忙，硬套反而出问题：
-
金融计算：一分钱都不能错 → 改用整数分或
BigInt，或专用库如decimal.js -
大整数运算（>253）：此时相邻可表示数间隔已远超 EPSILON，比如
Math.pow(2, 53) + 1 === Math.pow(2, 53)恒为 true - 极小数（：EPSILON 比数值本身还大，所有比较都退化为恒等
-
字符串转数字后的校验：如
Number('0.1') + Number('0.2') === Number('0.3')依然失败 → 应从源头用字符串或 Decimal 构造
真正稳健的数值算法，从来不是靠一个常量兜底，而是根据量级、业务语义和误差传播路径，设计分层容差策略。
