对于浮点型数据运算精度丢失问题：
产生原因：
计算机并不能识别除了二进制数据以外的任何数据，无论我们使用何种编程语言，在何种编译环境下工作，都要先 把源程序翻译成二进制的机器码后才能被计算机识别。
而在存储浮点型数据时，会分为三部分进行存储：
符号位(Sign) : 0代表正，1代表为负
指数位（Exponent）:用于存储科学计数法中的指数数据，并且采用移位存储
尾数部分（Mantissa）：尾数部分
其中前两位分别为实数符号位和指数符号位，于是存储结构实际为如下：
31 30 29----23 22----0
实数符号位 指数符号位 指数位 有效数位
但是，在将十进制浮点数转换为二进制浮点数时，小数的二进制有时也是不可能精确的，就如同十进制不能准确表示1/3，二进制也无法准确表示1/10，而double类型存储尾数部分最多只能存储52位，于是，计算机在存储该浮点型数据时，便出现了精度丢失（1）。例如，11.9的内存存储大约为：1011. 1110011001100110011001100...
而在进行浮点类数据计算的时候，浮点参与计算，会左移或右移n位，直到小数点移动到第一个有效数字的右边。于是11.9在转化为二进制后 小数点左移3位，就得到1. 011 11100110011001100110（精度丢失2）
于是最终浮点型运算出现了精度丢失误差。
测试方法：
建议测试人员在涉及浮点型数据的运算时（如金额），减法运算建议输入被减数2.4，减数2.0。此时结果
当为加法运算时，建议输入加数分别为0.1+0.2。此时运算结果：
当乘法运算时，建议输入0.2*0.1，此时结果：
当除法运算时，建议0.3/0.1，此时结果：
