数据的机器级表示与处理

欢迎大家来我的博客做客: re1ife.top

浮点数的表示

• 浮点数的规格化表示是唯一的：小数点前只有一个非零数

只要对尾数和指数分别编码，就可以表示一个浮点数（实数）。

32位浮点数格式的规格化数表示范围：

+/- 0.1xxxx * 2^E 

• 第0位：符号位
• 第1-8位：表示阶码，偏置常数 128，
• 第9-31位：小数的尾数，规格化尾数的小数点后一位总是1（二进制下），因此可以省去，用23为表示24个数字
  • 最大正数: 0.1111…1 * 2^11…1 = (1-2^-24) * 2 ¹²⁷
    • 0.1 = 2^-1
    • 1. 00000 - 0.000…1 = 0.11…1
    • 偏置常数 + 127 = 255 = 2⁸ - 1
  • 最小正数: 0.100…0 * 2^00…0 = (2^-1 )* 2^-128 = 2^-129
    • 为什么是0.100…0？
    • 因为小数点之后的1 是被省略的1

综上所述：

机器0： 尾数全部为0的时候，或者落在下溢区域的数。

浮点数比定点数表示的范围更大，但是数的个数没有变多，因此更为稀疏了。

浮点数的规格化

现在所有通用计算机使用 IEEE-754表示浮点数

• 规格化数的形式: +/- 1.xxxx * R^Exponent

• 单精度浮点数表示格式：
  

• Exponent（阶码 / 指数编码）:

  • SP规格化数阶码范围为0000 0001 (-126) ~ 1111 1110 (127)
    • 全1 或 全0 用来表示特殊值
  • bias为 127 (single), 1023 (double)
  • 全部为0时可以看作 -127， 注意此时的偏置常数为127

• Significand（尾数）:

  • 规格化尾数最高位总是1，所以隐含表示，省1位

所以单精度表示的真正的值为: (-1)^S x (1 + Significand) x 2^Exponent-127

例题：已知单精度浮点数-12.75 ，求在机器中表示的数.

1. 负数，因此 S为1
2. 12 = 8 + 4 = 1100B
3. 0.75 计算方法：
   1. 0.75 * 2 = 1.50 进一
   2. 0.50 * 2 = 1.00 进一
   3. 得到 11B
4. 12.75 = 1100.11B = 1.10011 x 2³
5. 127 + 3 = 1000 0010 B
6. 最终结果：
7. 省去了小数点前面的 1
   

特殊数字表示

• 0 的表示
  • -0 ： 1 0000 0000 0000 0000 0000 0000 000
  • +0：0 0000 0000 0000 0000 0000 0000 000
• +/- ♾️
  • • 0 11111111 00000000000000000000000
  • • ：1 11111111 00000000000000000000000
  • 浮点数 / 0 得到的值是♾️ inf
• 非数: Not a Number(NaN)
  • Exponent 全一, Singnificand非0
  • 例如 sqrt(-4.0)

非规格化数的表示

由上图的上半部分可以看到，2^-126 ~ 2^-125 中的刻度要比 2^-125到2^-124更密集。为啥？

[!INFO]
指数位的值加1，相当于将浮点数乘以2，而指数位的值减1，相当于将浮点数除以2。因此，在指
数位相同的情况下，相邻的两个浮点数之间的差值是2的幂次方。

对于2^-126到2^-125中的每个浮点数，它们的指数位都为-126，因此它们之间的差值是2的-23次幂，即2^-126乘以2的-23次幂，约为1.18 x 10^-38。而对于2^-125到2^-124中的每个浮点数，它们的指数位都为-125，因此它们之间的差值是2的-23次幂乘以2，即2^-125乘以2的-23次幂，约为2.35 x 10^-38。因此，2^-126到2^-125中的刻度比2^-125到2^-124更密集。

而 GAP 区域则是下溢区域， 为了更好利用这部分数字，我门可以使用非规格化表示。

(-1)^s * 0.xxxx * 2^-128

其他数据的编码

• 逻辑字符
  逻辑值只有：真或假。

逻辑值的表示用二进制的一位来表示，0 为假 1为真。

• 西文字符编码

ASCII码来表示。
字符串的操作： 传送和比较。

• 汉字及国际字符编码表示

特点： 表意文字、是个方块图形、数量巨大

编码形式：

1. 输入 ——输入码: 对汉字用相应按键编码
2. 查找传输处理——内码用于在系统中存储、查找、
3. 打印显示——字模点阵或轮廓描述

数据宽度与存储

数据的基本宽度

在计算机中最小的处理、存储、传输信息的最小单位是——比特(bit)
二进制信息最基本的计量单位是“字节”(Byte)

• 现代计算机存储器按字节编址
• 字节是最小可寻址单位
• LSB： 小端序 MSB：大端序

在实际使用中，我们也用字来作为单位：
在IA-32 中 字： 16位 、 字长：32位

字是一中体系结构如 IA-32规定长度, 字长是数据通路的宽度 ，也就是寄存器、数据传输…的宽度。

• 数据通路：CPU内部数据流经的路径以及路径上的部件，主要是CPU内部进行数据运算、存储和传送的部件，这些部件的宽度基本上要一致，才能相互匹配
• 字：表示被处理信息的单位，用来度量数据类型的宽度。

[!INFO] x86体系结构定义“字”的宽度为16位，但从386开始字长就是32位

数据量的度量单位

储存二进制信息是度量单位要远大于字节或字。

• KB 千字节 1KB = 2¹⁰字节 = 1024B
• MB 兆字节 1MB = 2²⁰字节 = 1024KB
• GB 千兆字节 1GB = 2³⁰字节 = 1024MB
• …

速率单位：

注意是bit, 我们常说的MB/s,是千字节每秒

• “千比特/秒”(kb/s)，1kbps=103 b/s=1000 bps
• “兆比特/秒”(Mb/s)，1Mbps=106 b/s =1000 kbps
• “千兆比特/秒”(Gb/s)，1Gbps=109 b/s =1000 Mbps
• “兆兆比特/秒”(Tb/s)，1Tbps=1012 b/s =1000 Gbps

程序中的数据类型宽度

• C语言中的数值类型宽度
  

Compaq Alpha 是一个针对高端应用的64位机器，字长64

数据的存储和排列方式

在计算机中，一个基本数据可能占用多个存储单元。如 int x = 10 x的存放地址为100, 机器数为FFFFFFF6H 占用四个单元。

那么在计算机中给出存放地址一般是最小地址，即x总共占用 100～103 这个四个单元。那么这四个单元内数据的存放顺序就是我们要说的大端序/小端序。

左侧即位小端序，右侧为大端序。
大端序符合人的阅读顺序，小端序则是逆序。

大端序(Big Endian): MSB 所在的地址是数的地址
小端序(Little Endian): LSB 所在的地址是数的地址

C语言中 union 存放顺序是所有成员是从低地址开始。

#include <stdio.h>
int main(){
	union NUM{
		int a;
		char b;
	} num;
	num.a = 0x12345678;
	if(num.b == 0x12)
		printf("Big Endian \n");
	else
		printf("Little Endian \n");
	printf("num.b = 0x%X\n", num.b);
	return 0;
}

字节交换问题

如果一个是大端序、一个是小端序在交换数值是就会发生一些小问题。

数据的表示和运算

按位运算和逻辑运算

按位运算： 对位串实现“掩码”(mask) 操作或相应的其他处理。（主要用于多媒体数据或状态\控制信息处理）。

• 主要操作：

  • 按位或：“|”
  • 按位与：“&”
  • 按位取反：“~”
  • 按位异或：“^”

• 逻辑运算： 用于关系表达式的运算。

  • 或：||
  • 与：&
  • 非：!

与按位运算不同的是，逻辑运算符针对的是一个整体。结果类型是了逻辑值。

移位运算与位截断/扩展运算

移位运算：

移位运算主要用于扩大和缩小数值的2、4、8…倍。

• 操作：
  • 左移： x<<k;
  • 右移: x>>k;

在进行移位运算是保持着

• 无符号数：高（低）位移出，低（高）位补0
• 有符号数：
  • 左移：高（低）位移出，低（高）位补0
  • 右移：低位移出，高位补符，可能发生有效数据丢失
    的规则， 也就是说有可能会导致溢出或数据丢失。

位截断/扩展运算
C语言中没有专门操作运算符，但是在类型转换是会实际发生。

例如在这一段代码中：

int i = 32768;
short si = (short) i;
int j = si;

i 的所占单元要大于short类型，因此在转化为 short时，si等于的是i被截断的值：-32768。
j 作为 int 类型，从short转化为 int 会发生扩展运算，但是值实际没有发生变化， j = -32768

变化过程：

1. i = 32768 00 00 80 00
2. si = -32768 80 00
3. j = -32768 FF FF 80 00

因此从上面我们可以发现截断与扩展的规则：

• 截断： 强行将高位丢弃，故可能发生“溢出”
• 扩展：
  • 无符号数：0扩展，前面补0
  • 带符号整数：符号扩展，前面补符

算术运算

讲完了基本的运算规则，那么计算机如何是实现高级语言中的运算呢？

在前面中，我们学习了补码。
那么根据补码的定义:

${[X]}_{补}=2^n+X(-2^{n-1}\le X\le 2^{n-1},mod{2}^n)$

我们可以发现有如下公式:

[!INFO]
[x+y]_补=2ⁿ+x+y= 2ⁿ+x+2ⁿ+y= [x]_补+[y]_补 (mod 2ⁿ)
[x-y]_补=2ⁿ+x-y= 2ⁿ+x+2ⁿ-y= [x]_补+[-y]_补 (mod 2ⁿ)
[-x]_补 = $\overline{\text{[x]}}$_补 + 1

上面的第三个式子就是实现减法的主要工作。

利用带标志加法器，可构造整数加/减运算器，进行以下运算：

• 无符号整数加、无符号整数减
• 带符号整数加、带符号整数减

这也是为什么我们说，减法是由加法来实现的。

一位加法器——全加器

如图一位加法器又叫全加器。符号为FA (Fulling Adder)
两个加数为A与B, 低位进位为 Cin ,和为 F ，向高位进位Cout.

运算逻辑表达式：
$F=A\oplus B\oplus Cin$
$Cout=A\wedge B+A\wedge Cin+B\wedge Cin$

n位加法器

n位全加器可以通过使用 n 个全加器实现。

让我们来欣赏一下加法器的美图吧，家人们：

我们将 Cout 即全加器的高位进位进行串联，作为下一个全加器的 Cin
是一个逻辑门电路。

如下图连接方式：

其他所有算术运算部件基于加法器。

图上的基本加法器无法用于两个 n 位带整数（补码） 加减。因为无法判断是否溢出。

• N位带标志加法器

在编程之中，我们需要经常比较大小， 原理是我们通过底层的加法器做减法得到的标志信息判断的。

下面就是N位带标志加法器的果图，十分的SEXY：

• 标志含义：
  • OF：溢出标志
    • $OF=C_m\oplus C_{m-1}$
  • SF： 符号标志
    • $SF=F_{n-1}$
  • ZF： 0 标志
    • ZF = 1 当且仅当 F = 0即结果为0 时
  • CF：进位\借位标志
    • $CF=Cout\oplus Cin$

那么我们学习了n位带标志的加法器，我们是如何计算的呢？

在前文中，提到了补码的规则。负数的补码是其正数补码尾数+1的值。
因此在计算 A - B 时，实际上计算的是：
[A-B]_补=2ⁿ+A-B= 2ⁿ+A+2ⁿ-B= [A]_补+[-B]_补 (mod 2ⁿ)

通过多路选择器(Mux)，来选择B输出的是原码还是补码。
当 Sub 为-1,就是做减法，因此我们要使用补码。反之亦然。

那么我们在上面的基础上添加寄存器、移位器以及逻辑控制就可以实现ALU、乘/除以及浮点运算电路。

• ALU
  

可以进行基本的算术运算与逻辑运算，核心电路是带标志位加法器。

• 如何判断结果输出的是针对的哪一种运算？
• 是看标志ALUop，它的位数决定操作种类。当她有三位时，就有 8 种操作。

整数的加减运算

在计算机中，指针、地址等通常为无符号整数，因此在进行相关操作是要进行无符号整数加减。

无符号整数与带符号整数加减运算电路完全一样， 称之为整数加减运算部件。基于带标志加法器。

[!INFO]

1. 计算机所有运算基于加法器
2. 加法器不知道运算是带符号数还是不带符号数
3. 加法器不判断对错，总是取低n为作为结果，生成标志信息

• 条件标志位：在运算电路中产生，被记录到专门的寄存器。
  • 被称为 程序/状态字寄存器或标志寄存器
    

在做加法时判断是否溢出：

• 无符号整数： CF = 1
• 带符号整数： OF = 1

在做加法时判断是否溢出：

• 无符号整数： CF = 1
• 带符号整数： OF = 1

利用减法判断两数大小：

• 无符号整数： CF = 0 （减法借位标识），则 A大于B
• 有符号整数 OF = SF （溢出标志 = 符号标志）的时候，A大于B

减法

n是代表是几位数字。

无符号减公式：(小于零是要模，因为溢出了)

$$result=\{\begin{array}{rlr}x-y& & (x-y>0)\\ x-y+2^n& & (x-y<0)\end{array}$$

带符号减公式：

$$result=\{\begin{array}{rlrlr}x-y-2^n& & (2^{n-1}\le x-y)& & 正溢出\\ x-y& & (-2^{n-1}\le x-y<2^{n-1})& & 正常\\ x-y+2^n& & (x-y<-2^{n-1})& & 负溢出\end{array}$$

加法

无符号加公式：

$$result=\{\begin{array}{rlr}x+y& & (x+y\le 2^n)\\ x-y+2^n& & (2^n\le x+y<2^{n+1})\end{array}$$

带符号减公式：

$$result=\{\begin{array}{rlrlr}x+y-2^n& & (2^{n-1}\le x+y)& & 正溢出\\ x+y& & (-2^{n-1}\le x+y<2^{n-1})& & 正常\\ x+y+2^n& & (x+y<-2^{n-1})& & 负溢出\end{array}$$

整数乘除法

整数乘法

高级语言中， 两个n位数乘积的会得到 2n位 的数字，但是我们只取低n位。

在计算机内部，x2带符号整数不一定是正数（溢出成负值），但是浮点数一定是正数。

例如，四位的带符号整数，x = 5，会发生溢出。 计算过程：

由于是两个4位带符号整数相乘会得到一个8位的整数，我们取低四位即 1001 他的真值就是 -111 ，因此就是 -7。

假定两个n位无符号整数xu和yu对应的机器数为Xu和Yu，pu=xu×yu，pu为n位无符号整数且对应的机器数为Pu； 两个n位带符号整数xs和ys对应的机器数为Xs和Ys，ps=xs×ys，ps为n位带符号整数且对应的机器数为Ps。 若Xu=Xs且Yu=Ys，则Pu=Ps。

-溢出判断： - 无符号：若Puh=0，则不溢出 - 带符号：若Psh每位都等于Ps的最高位，则不溢出

通过X*Y的高n位可以用来判断溢出 无符号：若高n位全0，则不溢出，否则溢出 带符号：若高n位全0或全1且等于低n位的最高位，则不溢出。

整数除法

手算二进制除法：

其实与一般除法无异。

在带符号的整数，n 位整数除n位整数，除 -2^n-1 / - 1 = 2^n-1 发生溢出。

商的绝对值不可能比被除数的绝对值更大。

整数除法其商也是整数，随意在无法整除是要舍入。
通常下，是按照0方向舍入。
整数除0的结果无法用机器数表示， 会出现异常。

我们举个例子:

int a = 0x80000000
int b = a / -1
printf("%d\n",b)

运行结果是： －2147483648。
通过 Objdump反汇编可以得知， －1 被优化为了取负指令neg ,因此没有发生除法溢出。
但是，结果是错误的，0x80000000 是 -2³¹ , 结果应该是 2³¹ . 但是由于32位的补码无法表示，因此溢出。

int a = 0x80000000;
int b = -1;
int c = a / b;
printf("%d\n",c)

结果是 Float Point Exception. 其实就是编译器底层无法优化为取反指令。

变量与常数之间的运算

计算机中除法运算更为复杂，因此不能使用流水线方式，一次除法需要消耗30多个或者更多始终周期。

为了缩短时间，编译器在处理一个变量与一个2的幂次形式的整除时，经常才去右移运算实现。

在可以整除的时候可以直接右移。

• 无符号：逻辑右移
  • 12/4 = 3 = 0000 1100 >> 2 = 0000 0011
• 有符号：算术右移
  • -12/4 = 3 = 1111 0100 >> 2 = 1111 1101

不能整除时，右移移出的位中有非0，需要处理。

• 不能整除时，采用朝0舍入，即截断处理。
  • 无符号数、带符号正整数：移出低位之后直接丢弃。
    • 举例：14 /4 = 3 = 0000 1110 >> 2 = 0000 0011
  • 带符号负整数：加偏移量(2^k - 1) 然后右移k位，低位截断。k是右移位数。
  • ❎直接截断： -14 / 4 = -4 = 1111 0010 >> 2 = 1111 1100 = -4
  • 纠偏右移: k = 2 (-14 + 2² - 1) / 4= -3 = 1111 0101 >> 2 = 1111 11101 = -3

浮点数运算及结果

<<<<<<< HEAD

可能会有几种情况:

• 阶码上溢：一个正指数超过最大允许值 => +∞/-∞ /溢出
• 阶码下溢：一个负指数超过最小允许值 => +0/-0
• 尾数溢出： 最高有效位有进位 => 右规
  • 1.5 + 1.5 = 11.00…000 但是可以右移将非规格化数合规
• 非规格化位数：数值部分高位为0 => 左规
  • 1.5 - 1.0 = 0.10…0 尾数要左移，阶码减1
• 右规或对阶

IEEE规定的五种异常情况

1. 无效运算
   1. 运算时有一个是非有限数 （♾️）
   2. 结果无效: NaN 。。。。
2. 除以0 （无限大）
3. 数太大（阶上溢）
4. 数太小（阶下溢）
5. 结果不精确如 1 / 3 无法精确表示

浮点数目的运算过程可以大致分为一下几个过程：

1.求阶差： ∆e=Ye – Xe (若Ye > Xe，则结果的阶码为Ye)

2. 对阶： 将两个小数的阶码对齐，小阶向大阶对齐

• 举个例子： 1.123 x 10⁵ + 2.230 x 10³ = 1.123 x 10⁵ + 0.02230 x 10⁵

IEEE 754尾数右移时，要将隐含的“1”移到小数部分，高位补0，移出的低位保留到特定的“附加位”上

方便我们来计算。

3. 尾数加减: Xm*2^Xe-Ye ± Ym

4. 规格化：

• 当尾数高位为0，则需左规：尾数左移一次，阶码减1，直到MSB为1或阶码为00000000（-126，非规格化数）
• 每次阶码减1后要判断阶码是否下溢（比最小可表示的阶码还要小）

•   当尾数最高位有进位，需右规：尾数右移一次，阶码加1，直到MSB为1
  

• 每次阶码加1后要判断阶码是否上溢（比最大可表示的阶码还要大）

阶码溢出异常处理：阶码上溢，则结果溢出；阶码下溢到无法用非规格化数表示，则结果为0

5. 若尾数比规定位数长（有附加位），则考虑舍入
6. 若尾数结果为0, 结果也应该为0

附加位

为了保证每次运算尽可能不丢失精度，我们所想出来的办法是——附加位。

IEEE 754： 规定中间结果必须在右边加两个附加位。

1. Guard 保护位：在Significand右边的位
2. Round 舍入位：在保护位右边的位

作用：用以保护对阶时右移的位或运算的中间结果。
处理： ①左规时被移到significand中; ② 作为舍入的依据。

举例子：
默认舍入方式：就近舍入。

Z1和Z2分别是结果Z的最近的可表示的左、右两个数 )

1. 就近舍入(精度最高)：舍入为最近可表示的数
   非中间值：0舍1入；
   中间值：强迫结果为偶数-慢

举例:
附加位为
01：舍
11：入
10：(强迫结果为偶数)
2. 朝+∞方向舍入:舍入为Z2(正向舍入)
3. 朝-∞方向舍入:舍入为Z1(负向舍入)
4. 朝0方向舍入：截去。正数：取Z1; 负数：取Z2

• C语言中float和double分别对应IEEE 754单精度浮点数格式和双精度浮点数
• long double类型的长度和格式随编译器和处理器类型的不同而有所不同，IA-32中是80位扩展精度格式
• 从int转换为float时，不会发生溢出，但可能有数据被舍入
• 从int或 float转换为double时，因为double的有效位数更多，故能保留精确值
• double转换为float和int时，可能发生溢出，此外，由于有效位数变少，故可能被舍入
• float 或double转换为int时，因为int没有小数部分，所以数据可能会向0方向被截断

范围与精度

float型表示范围：
最大数据: +1.11…1 x 2¹²⁷ 约为 +3.4x10³⁸

大数吃小数

这个是精度问题所导致的：

在程序之中，我们总是先计算括号部分，因此在第二行的中，1.0在对阶中就被省略成0了。