先来一个模棱两可的说法：因为精度丢失、存储溢出的问题

先复习一下二进制的转换方法：

1. 整数：除以基数，取余，自底向上
2. 小数：乘以基数，取整，自顶向下
   

接着，复习一下双精度浮点数（double）

1. Number 类型使用IEEE754 标准 64位 存储

• 符号位：1位，0 表示正数，1 表示负数
• 指数位：11位，固定值（1023）+ 指数实际值
  • (2 ^ (e-1)) - 1 => (2 ^ (11 - 1)) - 1 = 1023
  • 这一步看不懂，可先跳过，待会解释
• 小数位：52位

2. 双精度浮点数即为每个数值分配 64位存储空间，以科学计数法的方式存储

中间插播一个小内容：怎么理解指数位

1、IEEE 754 标准中的双精度浮点数采用了带有偏移量的指数表示
2、具体来说，双精度浮点数的指数部分是一个11位的二进制数，其中最小值是全0（00000000000），最大值是全1（11111111111）。这11位的二进制数会被解释为一个无符号整数，然后从中减去一个偏移值来得到最终的指数。
3、IEEE 754 双精度浮点数的指数偏移值是 $2^{(k-1)}-1$，其中 k 是指数部分的位数。对于双精度浮点数，k 是11，所以偏移值是 $2^{(11-1)}-1=1023$。
4、例如，如果指数部分的二进制表示是 01111111111，那么对应的无符号整数是 $2^{10}-1=1023$。然后，减去偏移值 1023，最终得到实际的指数值为0。
5、这个偏移量的使用允许浮点数表示非常大和非常小的数，因为指数的范围可以从负数到正数。同时，由于使用偏移值，指数部分的二进制表示中并不包含真实的指数值，而是需要通过减去偏移值来得到真实的指数。

了解上面两个知识点之后，开始进入正文
第一步：0.1 转换二进制为：0.00011001…1001（循环）
第二步：二进制转换为科学计数法 = 1.1001 * 2^ (-4)
第三步：计算指数位 1023 + (-4) = 1019 = 01111111011
第四步：计算小数位，为1001无限循环
因此，0.1 = 符号位0 + 指数位01111111011 + 小数位1001…

由于小数位只有52为，因此第53位为1，截取保存的时候进了1，所以发生了精度丢失。 即后四位小数为 1001 + 1 = 1010

针对于0.2也进行同样分析，相加的时候同样也出现了截取保存的情况，即出现第二次精度丢失，所以最终转换为10进制的时候为 0.30000000000000004

综上所述：
1、由于js采用二进制处理数据，用IEEE 754双精度浮点数标准来存储 Number 类型
2、精度丢失非JS问题，而是IEEE 754标准存储位有限
3、过程中出现了两次精度丢失问题，一次在存储，一次在相加

解决方案：
1、两个数分别乘以100，得到结果再除以100