深入理解计算机系统(二) —— 信息表示与处理

参考书籍《深入理解计算机系统》

1 信息存储基本概念

• 存储单位：大多数计算机使用8位（bit）的块 [ 称之为字节（byte）] 作为最小的可寻址存储器单位；
• 地址：机器级程序（常说的用户进程）讲存储器视为非常大的字节数组（称为虚拟存储器），存储器的每个字节都由一个唯一的数字来标识，称之为地址，所有可能地址的集合就是虚拟地址空间；
• 字节的二进制表示法：一个字节包括8位，在二进制表示法种，一个字节可以表示的域为 0000 0000b ~ 1111 1111b，其十六进制的表示方法为 0x00~0xFF；
• 字长：每台计算机都有一个字长，可以用来指明整数和指针数据的标称大小。因为虚拟地址是以这样的字来编码的，所以 字长决定了虚拟地址空间的最大大小。

2 数据的表示

• 如上所述，字节为最小的寻址单位，一个字节所能表示的域有限，无法表示所有对象，这个时候就会采用多字节来表示，在几乎所有的机器上，多字节对象都被存储为连续的字节序连，对象的地址为字节序列种的最小地址。
  如：C++种 int 常常被定义为4个字节表示的数据格式，假设有一个类型为 int 的变量 x 的地址为0x100，也就是说 x 的四个字节将被存储在0x100，0x101，0x102，0x103这四个位置。
• 由于历史原因，字节存放的顺序，有两种：
  大端字节序列：高位字节存在低地址端
  小端字节序列：低位字节存在低地址端
  假如 x 的值为0x01234567，大小端字节序列的0x100，0x101，0x102，0x103对应的数据如下图：
  

3 整数的编码方式

• 整数数据类型：C/C++支持多种整数数据类型，有 (unsigned)char、 (unsigned)short、 (unsigned)int、 (unsigned)long等；
• 整数有两种不同的编码方式：一种只能表示非负数(无符号编码)，另一种可以表示负数、零、正数(二进制补码编码)；
• 无符号编码：有效位全部用来编码值，表示的整数为二进制数直接转换的数值，比如 1111 1111 1111 1111 111 1111 1111 1111字节序表示整数 4294967295；
• 二进制补码编码：最高位为负权，又称符号位，0为非负数，1为负数。当最高位为0时，值为剩下的位编码值，当最高位为1时，值为剩下的位的补码所表示的编码值，
  如：1111 1111 1111 1111 111 1111 1111 1111的最高位为1，则值为（111 1111 1111 1111 111 1111 1111 1111）的补码（000 0000 0000 0000 0000 0000 0000 0001），表示 -1；
• 不同数据类型之间的转换：所谓的数据转换，就是对相同地址的字节序列，采用不同的编码解析方式，比如unsigned int 转 int ，转换的时候，地址种的字节序列不会发生改变，都是1111 1111 1111 1111 111 1111 1111 1111，但是对这段地址的解析方式不同了，类型为unsigned int 时解析为 4294967295，转换成 int 时解析为的值为 -1。

4 浮点数的编码方式

• 二进制小数：形如1101.1101的二进制数转十进制数为：
  
  所以小数的二进制表示法只能表示能够写成 (x * 2^y)的数，像 1/3，5/7这样的数不能准确表达，只能够被近似表示；
• IEEE浮点表示：
  
  s：决定V是正数还是负数
  M：有效数，是一个二进制小数
  E：是指数（可能是负数），作用是对浮点数加权
• 浮点编码的特殊情况：
  1 非规格化值：全为0，表示非常接近于0.0的数
  2 特殊数值：指数域全为1，小数域全为0，得到的值表示无穷；指数域全为1，小数域为非零时，结果值为“NaN”，用来表示未初始化的数据
• 舍入：因为浮点的表示方法限制了浮点数的范围和精度，浮点运算只能近似的表示实数运算，因此所以要定义一个舍入方向，IEEE浮点格式定义了如下图的四种舍入方式：
  
• float：C/C++种，用s占1位，M占23位，E占8位
• double：C/C++种，用s占1位，M占52位，E占11位

5 不同数据类型的值域

• 如上所述，所谓的数据类型，其实是限定了解析字节序的长度和编码解析方式，所以数据类型都会有一个值域，即这种数据类型能表示的最大值和最小值，常用数据类型的值域如下：
  
• 做算术运算时，如果得到的结果超过了上下限，就会发生溢出，会得到预期之外的值，比如两个很大的 int 型整数相加得到一个负数。