大小端 Big-Endian 与 Little-Endian

应该说没做底层开发（硬件或驱动）的人很可能不会彻底理解大小端的概念，大小端不是简单的一句“大端在前”还是“小端在前”能够概括的问题。在cpu, 内存, 操作系统, 编译选项, 文件，网络传输中均有大小端的概念，这些东西加在一起，就很容易把人搞晕。我自己就晕过很久。

 

为方便说明，再做一些定义:

(1) 内存

可以存储若干个单元数据的物理设备，每个单元存储1个字节，每个单元有一个地址，其地址线程增长。为方便说明，假设内存地址从 0000:0000 一直增加到FFFF:FFFF。

用一个带箭头的直线表示地址的增长方向，例如

-------------------------->

表示左边的数据处于低地址，右边的数据处于高地址。

 

(2) U32整型

对于unsigned int的变量，计算机是以32bits存储的，即连续的4个字节。比如说，对一个值为0x11223344的整数，在内存中的排列方式可能为:

-------------------------->

11  22  33  44 (大端)

也可能为

44  33  22  11 (小端)

 

从CPU说起

     在有了上述定义之后，开始讲大小端的起源。这得从CPU说起，我们知道CPU要从内存中加载程序数据来运行，CPU要对数字进行运算。那么，CPU在从内存加载4个字节的数据之后，要把它作为一个数字来运算。那它是怎么看待这个数字的呢？

-------------------------->

11  22  33  44

    有的CPU认为它是0x11223344，有的CPU认为它是0x44332211。所以CPU就分为两类：Big-Endian和Little-Endian, 认为它是0x11223344的就是Big-Endian，认为它是0x44332211的就是Little-Endian。

    有人会为，CPU的“认为”是什么意思。这其实物理上的电路问题，CPU的所有运算都是通过电路完成，其连接逻辑已经决定了它是按大端运算还是按小端运算。

 

程序

     在知道了CPU的大小端之后，我们要写一个程序让CPU来运行，那么显然，程序必须遵从CPU的大小端。程序最终会load到内存里，所以其大小端的定义要和CPU一致。

     具体得，程序都是有很多条指令构成的，每条指令4个字节。假设程序里有一个指令ADD，机器码为0xAABBCCDD。显然，只有内存里按顺序AABBCCDD出现时，CPU才能理解为是ADD。不然CPU根据不能辨识这条指令。

 

文件

    程序是放在哪的呢？放在文件里的，文件也是线性的。所以可以这么认为，文件就是内存的一份映像，其数据内容是完全一样的（实际上不一样，但可以这么理解）。所以，如果cpu是大端，那么内存中的程序也必须是大端，保存程序的文件也必须是大端。

 

程序的编译

    程序从哪来的？编译器编出来的。我们在用gcc来编译一个程序时，可能没有发现任何关于Endian的参数设置。这是因为有一个默认选项被指定义了。这可以参考gcc/ld相关的文档，关于link script的描述。在link script里是可以指定endian的。

 

　　从上面可以看出，cpu、程序、编译过程这一套东西，其大小端都必须是一致的。这里就简称为系统的大小端。

 

网络传输

     网络传输数据时需要考虑大小端。例如，想发送一个U32的数字给对方，需要连续发送4个字节。那么是才发送高字节，还是先发送低字节呢？一般来说，网络上一般是先传送高字节，即大端，又称为网络字节序。例如，在传递0x12345678的时候，会先传0x12, 再传0x34, 再0x56, 再0x78。

 

在代码判断大小端

inline bool IsLittleEndian()
{
    unsigned int a = 0x01;
    return (*((unsigned char*)&a) == 1);
}

系统无关的写法

在传送和保存数据时，可以写一份不管系统是大端还是小端、结果都相同的代码。这是用移位来实现的。比如，我们从网络上接收到4个字节，想把它转成一个U32。

U8 buf[4]; // 接收到4个字节, 按大端传递

U32 v = (buf[0] << 24) + (buf[1] << 16) + (buf[2] << 8) + buf[3];

 

一种错误的写法

在做编解码的时候会经常遇到关于大小端的问题，而写错的人大有人在，协议定义不好的也大有人在。一般来说，只要发现一个协议把数据定义成小端，那么我一般猜到了作者想干什么了。例如, 定义一个协议，发送以下数据，以小端发送。

U8 　a

U8 　b

U16 　c

U32 　d

那么程序基本上会这么写代码:

struct Msg

{

    U8 a;

    U8 b;

    U16 c;

    U32 d;

};

 

U8 buf[8];

Msg msg;

memcpy(&msg, buf, 8);

那intel的机器上，会发现这样刚好是对的。但是我要说这是不正确的写法。

 

BIT有大小端吗？

在软件编程领域，大小端总是按BYTE计算的，永远无需考虑BIT的大小端。因为数据的最小单元是BYTE，在物理环节中其顺序都固定好了，永远对的上。正因为如此，我们可以用位域来接收按位定义的信息，而不必担心大小端。如在PES的头部：

struct Flags

{

  TS_UINT8 original_or_copy : 1;
  TS_UINT8 copyright : 1;
  TS_UINT8 alignment_indicator : 1;
  TS_UINT8 priority : 1;
  TS_UINT8 scrambling_control : 2;
  TS_UINT8 not_used : 2;

}

但要注意的是，这仅限于字节之内的情形。