金融级高精度浮点运算在OpenHarmony的实践与优化

1. 为什么金融级计算需要高精度浮点运算

在金融、科学计算和工程领域，数值计算的精度直接决定了结果的可靠性。传统浮点数（如double类型）采用IEEE 754标准，虽然计算速度快但存在固有缺陷：

• 二进制浮点无法精确表示十进制小数（如0.1）
• 连续运算会导致误差累积（如0.1+0.2≠0.3）
• 大数运算时精度丢失严重（如1e20+1=1e20）

金融场景对这类问题尤其敏感。假设一个银行账户余额为100亿元，进行0.01元利息计算时，传统浮点运算可能产生百万级别的误差。这正是big_decimal这类高精度库存在的核心价值——它通过以下机制确保计算精确性：

1. 基于字符串的数值存储（避免二进制转换损失）
2. 任意精度设置（可指定小数点后100位）
3. 精确的四则运算算法（采用银行家舍入等规范）

// 传统浮点运算的典型问题
print(0.1 + 0.2); // 输出：0.30000000000000004

// 使用big_decimal的正确结果
BigDecimal('0.1') + BigDecimal('0.2'); // 精确输出0.3

2. OpenHarmony环境下的特殊挑战

鸿蒙系统的分布式架构和方舟编译器对Flutter插件提出了独特要求：

2.1 跨平台二进制兼容性

OpenHarmony使用HAP（Harmony Ability Package）格式，与Android的APK存在差异：

• 动态库需编译为OHOS目标格式（.so → .z.so）
• 资源索引方式变更（res/ → resources/）
• 清单文件从AndroidManifest.xml变为config.json

2.2 线程模型差异