对金额占比展示的巧妙处理方案

在日常的业务逻辑开发中，特别涉及到金融业务中金额的前端展示，我们总是要慎之又慎，因为金额相关数据的展示不精确，往往容易导致客户投诉，也显得我们自己应用的不专业性。

譬如有如下展示的需求：用户共拥有A、B、C、D三类资产，需要在页面中展示这四类资产各自的占比，百分数保留两位小数。

粗看起来似乎很简单，用各自金额除以总金额不就解决了吗？但问题往往就出在这种不经意间，因为并没有考虑到精度问题。按照这种方式，无论我们对小数精度采取哪种取舍策略，都无法确保各占比值加起来刚好等于1。

那好，要保证加起来等于1是吧，那我前三项资产都直接用金额除以总额得到占比值，最后一项的占比值由1减去前三个占比值不就可以了吗？这种处理方式看起来ok，但经过严格测试我们会发现，无论对小数精度采取哪种取舍策略，都可能会出现最后一项资产的占比小于0的情况，因为精度保留后可能前三项的总和已经大于1了。比较经典的复现场景是资产的占比很悬殊的情况，比如前三项都是几千，最后一项只有一元。

一种较好的处理方案是，对原始的占比值做截断处理，保证处理后的占比值之和小于1，并记录下由于截断丢失的精度之和。然后将丢失的精度补充至各占比值，直到剩余的丢失精度之和为0。

private Map<String, BigDecimal> calAmountPercent(List<AmountPercentInfo> amountDistList, int decimalNum){
    Map<String, BigDecimal> amountDistMap = Maps.newHashMap();
    if (CollectionUtils.isEmpty(amountDistList) || decimalNum<0){
        return amountDistMap;
    }
    // 特殊处理
    if (amountDistList.size()==1){
        amountDistMap.put(amountDistList.get(0).getItemKey(), BigDecimal.ONE);
        return amountDistMap;
    }
    BigDecimal totalAmount = BigDecimal.ZERO;
    for(AmountPercentInfo amountPercentInfo: amountDistList) {
        totalAmount = totalAmount.add(amountPercentInfo.getItemAmount());
    }
    // 将资产截断后的占比放入map,同时记录误差
    List<AmountPercentInfo> lostItems = Lists.newArrayList();
    BigDecimal sum = BigDecimal.ZERO;
    for (AmountPercentInfo percentInfo : amountDistList) {
        BigDecimal source = percentInfo.getItemAmount()
                .divide(totalAmount, decimalNum+2, BigDecimal.ROUND_HALF_UP);
        BigDecimal reserve = source.setScale(decimalNum, BigDecimal.ROUND_DOWN);
        BigDecimal lost = source.subtract(reserve);
        if (lost.signum()>0){
            AmountPercentInfo lostInfo = new AmountPercentInfo();
            lostInfo.setItemKey(percentInfo.getItemKey());;
            lostInfo.setItemPercent(lost);
            lostItems.add(lostInfo);
        }
        amountDistMap.put(percentInfo.getItemKey(), reserve);
        sum = sum.add(reserve);
    }
    
    // 修正占比
    if (sum.compareTo(BigDecimal.ONE)<0){
        // 修正小数截断带来的误差，优先修正误差较大的分类
        BigDecimal error = BigDecimal.ONE.subtract(sum);
        BigDecimal unit =BigDecimal.ONE.divide(BigDecimal.TEN.pow(decimalNum), decimalNum, BigDecimal.ROUND_HALF_UP);
        Collections.sort(lostItems, new Comparator<AmountPercentInfo>() {
            @Override
            public int compare(AmountPercentInfo r1,
                    AmountPercentInfo r2) {
                BigDecimal lost1 = r1.getItemPercent();
                BigDecimal lost2 = r2.getItemPercent();
                return lost2.compareTo(lost1);
            }
        });
        for(AmountPercentInfo lostInfo : lostItems){
            String itemKey = lostInfo.getItemKey();
            amountDistMap.put(itemKey, amountDistMap.get(itemKey).add(unit));
            error = error.subtract(unit);
            if (error.signum()<=0){
                break;
            }
        }
    }
    return amountDistMap;
}

public class AmountPercentInfo {
    
    public AmountPercentInfo(String itemKey, BigDecimal itemAmount) {
        this.itemAmount = itemAmount;
        this.itemKey = itemKey;
    }
    
    /**
     * 占比项的key
     */
    private String itemKey;
    
    /**
     * 占比项的金额
     */
    private BigDecimal itemAmount;
    
    /**
     * 占比项的占比
     */
    private BigDecimal itemPercent;
    
    public String getItemKey() {
        return itemKey;
    }

    public void setItemKey(String itemKey) {
        this.itemKey = itemKey;
    }

    public BigDecimal getItemPercent() {
        return itemPercent;
    }

    public void setItemPercent(BigDecimal itemPercent) {
        this.itemPercent = itemPercent;
    }

    public BigDecimal getItemAmount() {
        return itemAmount;
    }

    public void setItemAmount(BigDecimal itemAmount) {
        this.itemAmount = itemAmount;
    }
}

AmountPercentInfo为入参资产项，decimalNum为要求的小数精度。lostItems数组将各资产丢失的占比精度都保存起来，在后续中将优先补充丢失精度较高的资产。unit为精度补充的单位，在error为0后，停止补充。

调用示例代码：

public static void main(String[] args) {
    List<AmountPercentInfo> amountDistList = Lists.newArrayList(new AmountPercentInfo("A", new BigDecimal(123.32)), 
            new AmountPercentInfo("B", new BigDecimal(76.79)), new AmountPercentInfo("C", new BigDecimal(56.12)));
    System.out.println(new AssetReportSnapshotSubJob().calAmountPercent(amountDistList, 4));
}

输出如下：

{A=0.4813, B=0.2997, C=0.2190}

这种处理方案得出的占比值并不完全精确，但由于是对待保留小数位的后两位基础上进行截断和补充操作，精度误差较小。另外，由于只是提供前端展示，在保证和为1且均为正值的情况下，对精度不会过于苛求。

本文代码提供了一种基本的解决思路，但方式并不唯一，大家可以根据需要自行改进。比如还可以考虑若金额极小，导致精度保留后占比值为0.00%，容易给用户造成该项资产不存在的误导，是否考虑提供最低占比值如0.01%等。