技术标签： java BigDecimal
RoundingMode介绍：
RoundingMode是一个枚举类，有一下几个常量：UP，DOWN，CEILING，FLOOR，HALF_UP，HALF_DOWN，HALF_EVEN，UNNECESSARY
public static final RoundingMode UP
远离零方向舍入的舍入模式。始终对非零舍弃部分前面的数字加 1。注意，此舍入模式始终不会减少计算值的绝对值。
示例：
| 输入数字 | 使用 UP 舍入模式 将输入数字舍入为一位数 |
|---|---|
| 5.5 | 6 |
| 2.5 | 3 |
| 1.6 | 2 |
| 1.1 | 2 |
| 1.0 | 1 |
| -1.0 | -1 |
| -1.1 | -2 |
| -1.6 | -2 |
| -2.5 | -3 |
| -5.5 | -6 |
public static final RoundingMode DOWN
向零方向舍入的舍入模式。从不对舍弃部分前面的数字加 1（即截尾）。注意，此舍入模式始终不会增加计算值的绝对值。
示例：
| 输入数字 | 使用 DOWN 舍入模式 将输入数字舍入为一位数 |
|---|---|
| 5.5 | 5 |
| 2.5 | 2 |
| 1.6 | 1 |
| 1.1 | 1 |
| 1.0 | 1 |
| -1.0 | -1 |
| -1.1 | -1 |
| -1.6 | -1 |
| -2.5 | -2 |
| -5.5 | -5 |
public static final RoundingMode CEILING
向正无限大方向舍入的舍入模式。如果结果为正，则舍入行为类似于 RoundingMode.UP；如果结果为负，则舍入行为类似于 RoundingMode.DOWN。注意，此舍入模式始终不会减少计算值。
示例：
| 输入数字 | 使用 CEILING 舍入模式 将输入数字舍入为一位数 |
|---|---|
| 5.5 | 6 |
| 2.5 | 3 |
| 1.6 | 2 |
| 1.1 | 2 |
| 1.0 | 1 |
| -1.0 | -1 |
| -1.1 | -1 |
| -1.6 | -1 |
| -2.5 | -2 |
| -5.5 | -5 |
public static final RoundingMode FLOOR
向负无限大方向舍入的舍入模式。如果结果为正，则舍入行为类似于 RoundingMode.DOWN；如果结果为负，则舍入行为类似于RoundingMode.UP。注意，此舍入模式始终不会增加计算值。
示例：
| 输入数字 | 使用 FLOOR 舍入模式 将输入数字舍入为一位数 |
|---|---|
| 5.5 | 5 |
| 2.5 | 2 |
| 1.6 | 1 |
| 1.1 | 1 |
| 1.0 | 1 |
| -1.0 | -1 |
| -1.1 | -2 |
| -1.6 | -2 |
| -2.5 | -3 |
| -5.5 | -6 |
public static final RoundingMode HALF_UP
向最接近数字方向舍入的舍入模式，如果与两个相邻数字的距离相等，则向上舍入。如果被舍弃部分 >= 0.5，则舍入行为同 RoundingMode.UP；否则舍入行为同RoundingMode.DOWN。注意，此舍入模式就是通常学校里讲的四舍五入。
示例：
| 输入数字 | 使用 HALF_UP 舍入模式 将输入数字舍入为一位数 |
|---|---|
| 5.5 | 6 |
| 2.5 | 3 |
| 1.6 | 2 |
| 1.1 | 1 |
| 1.0 | 1 |
| -1.0 | -1 |
| -1.1 | -1 |
| -1.6 | -2 |
| -2.5 | -3 |
| -5.5 | -6 |
public static final RoundingMode HALF_DOWN
向最接近数字方向舍入的舍入模式，如果与两个相邻数字的距离相等，则向下舍入。如果被舍弃部分 > 0.5，则舍入行为同 RoundingMode.UP；否则舍入行为同RoundingMode.DOWN。
示例：
| 输入数字 | 使用 HALF_DOWN 舍入模式 将输入数字舍入为一位数 |
|---|---|
| 5.5 | 5 |
| 2.5 | 2 |
| 1.6 | 2 |
| 1.1 | 1 |
| 1.0 | 1 |
| -1.0 | -1 |
| -1.1 | -1 |
| -1.6 | -2 |
| -2.5 | -2 |
| -5.5 | -5 |
public static final RoundingMode HALF_EVEN
向最接近数字方向舍入的舍入模式，如果与两个相邻数字的距离相等，则向相邻的偶数舍入。如果舍弃部分左边的数字为奇数，则舍入行为同RoundingMode.HALF_UP；如果为偶数，则舍入行为同RoundingMode.HALF_DOWN。注意，在重复进行一系列计算时，此舍入模式可以在统计上将累加错误减到最小。此舍入模式也称为“银行家舍入法”，主要在美国使用。此舍入模式类似于 Java 中对float 和double 算法使用的舍入策略。
示例：
| 输入数字 | 使用 HALF_EVEN 舍入模式 将输入数字舍入为一位数 |
|---|---|
| 5.5 | 6 |
| 2.5 | 2 |
| 1.6 | 2 |
| 1.1 | 1 |
| 1.0 | 1 |
| -1.0 | -1 |
| -1.1 | -1 |
| -1.6 | -2 |
| -2.5 | -2 |
| -5.5 | -6 |
public static final RoundingMode UNNECESSARY
用于断言请求的操作具有精确结果的舍入模式，因此不需要舍入。如果对生成精确结果的操作指定此舍入模式，则抛出 ArithmeticException。
示例：
| 输入数字 | 使用 UNNECESSARY 舍入模式 将输入数字舍入为一位数 |
|---|---|
| 5.5 | 抛出 ArithmeticException |
| 2.5 | 抛出 ArithmeticException |
| 1.6 | 抛出 ArithmeticException |
| 1.1 | 抛出 ArithmeticException |
| 1.0 | 1 |
| -1.0 | -1 |
| -1.1 | 抛出 ArithmeticException |
| -1.6 | 抛出 ArithmeticException |
| -2.5 | 抛出 ArithmeticException |
| -5.5 | 抛出 ArithmeticException |
文章浏览阅读1.6w次，点赞20次，收藏87次。Hyperion高光谱数据——影像获取+预处理最近在用Hyperion做植被分类，利用高光谱的优势，应该能得到比Landsat精度更高的结果。按照以下几项对数据准备工作总结：Hyperion数据的免费下载影像预处理的必要性利用ENVI补丁Workshop进行处理——对出现的bug进行修改最小噪声变换（MNF）改进锯齿现象Firstly–Download the Image主要在美国地质勘探_pie软件 hyperion数据
文章浏览阅读1.6k次。网上有很多答案，看了让人不知道在说什么，一个行之有效的解决方案是在“stdafx.h”中添加#define POINTER_64 __ptr64。已验证有效。缺点是每生成一个新项目，都要添加一次。_vs2010 语法错误: 缺少“;”(在标识符“pvoid64”的前面)
文章浏览阅读392次。1 # Write your MySQL query statement belowselect max(salary) as SecondHighestSalary from Employee where salary not in (select max(salary) from Employee )Write a SQL query to get the second hig_leedcode sql
文章浏览阅读1.1w次，点赞74次，收藏324次。嵌入式软件笔试，嵌入式软件面试，程序员简历书写，Linux驱动工程师笔试，Linux驱动工程师面试，BSP工程师笔试，BSP工程师面试，应届生秋招，应届生春招，C/C++笔试题目，C/C++面试题目，C/C++程序员,BSP工程师_嵌入式工程师笔试面试指南
文章浏览阅读800次。传送门：点击打开链接题意：轮流取石子。1.在一堆中取任意个数.2.在两堆中取相同个数。最后取完的人胜利，问先手是否必赢思路：威佐夫博弈博弈，满足黄金分割，且每个数字只会出现一次。具体求法见代码#include#include#include#include#include#include#include#include#include#include#include_博弈 分割石子
文章浏览阅读2k次。blinker支持多种智能音响控制，如天猫精灵、百度小度、小米小爱、京东叮咚等。这里以天猫精灵控制为例,blinker DIY支持将设备模拟成三种类型的智能家居：插座、灯、传感器。Blinker支持多种语音助手控制，如天猫精灵、百度小度，本节以天猫精灵控制为例。示例程序及blinker模块天猫精灵基本接入方法通常语音助手都是对特定的设备类型进行支持，确定设备类型后，才能响应对应的语音指令。使用bl..._blinker支持micpython么
文章浏览阅读80次。【这里想说，因为自己也走了很多弯路过来的，所以才下定决心整理，收集过程虽不易，但想到能帮助到一部分想成为Java架构师或者是想职业提升P6-P7-P8的人，心里也是甜的！有需要的伙伴请点㊦方】↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓。数据库隔离级别，每层级别分别用什么方法实现，三级封锁协议，共享锁排它锁，mvcc 多版本并发控制协议，间隙锁。数据库表怎么设计的？_索引会不会使插入、删除作效率变低,怎么解决?
文章浏览阅读3.3k次。其中，延迟队列是 Redis 的一个重要应用场景，它被广泛应用于异步任务的调度、消息队列的实现以及秒杀、抢购等高并发场景的处理。在实现延迟队列时，我们可以使用 Redis 的有序集合来保存待执行的任务，其中元素的分值表示任务的执行时间，元素的值表示任务的内容。使用 ZADD 命令将任务添加到有序集合中，将任务的执行时间作为元素的分值，将任务的内容作为元素的值。使用 ZADD 命令将任务添加到有序集合中，将任务的执行时间作为元素的分值，将任务的内容作为元素的值。一、Redis 有序集合实现延迟队列。
文章浏览阅读701次，点赞23次，收藏7次。1.背景介绍Python是一种强大的编程语言，它具有简洁的语法和易于学习。Python的文件操作是一种常用的编程技术，可以让程序员更方便地读取和写入文件。在本文中，我们将深入探讨Python的文件操作，涵盖了核心概念、算法原理、具体操作步骤、数学模型公式、代码实例以及未来发展趋势。1.1 Python的文件操作背景Python的文件操作是一种基本的编程技能，它允许程序员在程序中读取和写...
文章浏览阅读1k次。1.SVM和LR（逻辑回归）1.1 相同点都是线性分类器。本质上都是求一个最佳分类超平面。都是监督学习算法。 都是判别模型。通过决策函数，判别输入特征之间的差别来进行分类。常见的判别模型有：KNN、SVM、LR。 常见的生成模型有：朴素贝叶斯，隐马尔可夫模型。1.2 不同点损失函数不同，LR的损失函数为交叉熵;svm的损失函数自带正则化，而LR需要在损失函数的基础上加上正则化。 两个模型对数据和参数的敏感程度不同。SVM算法中仅支持向量起作用，大部分样本的增减对模型无影响；而L_机器学习的模型比较
文章浏览阅读901次，点赞3次，收藏10次。C语言操作单链表
文章浏览阅读1.6k次，点赞32次，收藏47次。本文简单记录了博主的一次打靶经历，涉及wordpress扫描与爆破、social-warfare远程代码执行漏洞、sudo命令提权等_sosimple 写入试验场