信息的表示和处理

注：以下内容均来自开源学习组织DataWhale

1 虚拟地址空间

将内存视为一个数组，数组中的元素是由一个个字节组成，每个字节由一个唯一数字表示，这个数字称为地址，所有地址的集合称为虚拟地址空间。

2 Byte（字节）与bit（位）

1byte = 8bits 对应二进制：00000000\~11111111；对应十进制：0\~255

进制转换：
对于 $2^n$（二进制表示为1后面n个0）这样的二进制数字，快速转为十六进制的方法：先根据$n=i+4j$计算i, j，最终十六进制表示为0x$2^i$后面加j个0。
例：$2^{11}$ ;$11=3+2\times 4$，i = 3, j = 2 对应十六进制为0x800
十进制与十六进制转换：辗转相除

3 字数据大小

字长为w位的机器，虚拟地址范围是$0$到$2^w-1$

例如32位机器，虚拟地址有$2^{32}$个，每个地址是1byte，即总共$2^{32}$bytes = 4GB

字长	地址空间
w bit	$0$ ~ $2^w-1$
32 bit	$0$ ~ $2^{32}-1$, 4GB
64 bit	$0$ ~ $2^{64}-1$, 16EB

4 C语言中数据类型所占字节数大小

数据类型（有符号）	数据类型（无符号）	字节数（32位机器）	字节数（64位机器）
[signed]char	unsigned char	1	1
short	unsigned short	2	2
int	unsigned	4	4
long	unsigned long	4	8
int32_t	uint32_t	4	4
int64_t	uint64_t	8	8
char *		4	8
float		4	4
double		8	8

5 寻址和字节顺序

假设一个int类型变量x（0x01234567），占4个字节，地址位于0x100处，因此变量x存储地址为0x100，0x101，0x102，0x103的内存处。

• 大端法（最高有效字节存在最前面，即低地址处）

	0x100	0x101	0x102	0x103
···	01	23	45	67	···

• 小端法（最低有效字节存储在最前面）

	0x100	0x101	0x102	0x103
···	67	45	23	01	···

注：大多数Intel兼容机采用小段模式，IBM和 Sun公司机器大多采用大端法，ARM架构的处理器支持双端法，但在Android和iOS系统之恶能运行小端模式。

6 十六进制与二进制对应关系

十六进制	0	1	2	3	4	5	6	7
二进制	0000	0001	0010	0011	0100	0101	0110	0111
十六进制	8	9	A	B	C	D	E	F
二进制	1000	1001	1010	1011	1100	1101	1110	1111

例如：字符串"abced"，其在内存中存储信息为61 62 63 64 65 00，（C语言中字符串最后一位为null，即00）这个存储信息就是十六进制的，即十六进制的ASCII编码。单独拿出"a"对应的61看，十六进制数字61转为二进制可通过上表查到，6对应0110，1对应0001，即61对应二进制为01100001。

7 布尔运算

• 非（NOT，$\sim$）：$\sim 0=1$ $\sim 1=0$

• 与（AND，&）：$0\&0=0$ $0\&1=0$ $1\&0=0$ $1\&1=0$

• 或（OR，|）：$0|0=0$ $0|1=1$ $1|0=1$ $1|1=1$

• 异或（EXCLUSIVE-OR，$\wedge$）:$0\wedge 0=0$ $0\wedge 1$=1 $1\wedge 0=1$ $1\wedge 1=0$

8 C语言中的位级运算

C语言一个特性就是支持按位进行布尔运算

例如： $\sim$ 0x41，二进制为 $\sim$[0100 0001]，运算结果为[1011 1110] ，运算结果十六进制表示为0xBE

位运算的一个常见用法就是实现掩码运算，例如：对于操作数0x89ABCDEF，如果想得到该操作数最低有效字节的值，可以通过&0xFF，就可以得到最低有效字节0x0000 00EF。

• 左移运算
  左移几位就丢弃最高的几位，并在右端补相应个数的0
• 右移运算
  (1) 逻辑右移：右移几位就丢弃最低的几位，并在左端补几个0
  (2) 算术右移：右移几位就丢弃最低的几位，左端补1
  unsigned右移是逻辑右移，signed右移一定是算术右移

9 整数的表示

• 带有正、负号的二进制数称为真值。在计算机中约定：在有符号数的前面增加一位符号位，0表示正号，1表示负号。这种数被称为机器数。机器数的编码方式有原码、反码、补码3种。

1. 原码：正数的符号位用0表示，负数的符号位用1表示，其余各位数表示数值本身
   例如：+1010110表示为01010110；-0110101表示为10110101
2. 反码：正数的反码与其原码相同；负数的反码为保持其原码符号位不变，其余各位按位取反得到
   例如：+1010110表示为01010110；-0110101表示为11001010
3. 补码：正数的补码与原码相同；负数的补码为保持原码符号位不变，其他位取反，最后再加1运算，即用其反码加1。
   例如：+1010110表示为01010110；-0110101表示为11001010+1即11001011

9.1 补码的意义

两种方式理解：

1. 例如十进制数-5，二进制原码为1101，要得到-5的补码就需要找到与+5和为10000的二进制数（为什么这么找呢，我理解是-5补码地址位的1有了数值含义，即表示$-2^4$，因此需要后面4位加$-2^4$等于-5，反过来说就是后面4位与+5的和等于$2^4$(即10000)），+5原码为0101，0101与1010和为1111，1111再加1就等于了10000，所以找到的那个二进制数为1010+1，即得到-5补码为1011。
2. -5的补码为1011，由于最高位有了数值意义，其表示-8，另外两位上的1分别表示+2，+1，这样就可以根据补码直接计算出补码对应的十进制数。

9.2 byte的范围

1byte=8bits，即8位。对一个8位数据来说，其补码最小数字为[1000 0000]即$-2^{8-1}$= -128，最大数字为[0111 1111]即$2^{8-1}-1$=127，所以1byte的范围为$-128\sim 127$

9.3 有符号数和无符号数的转换

short int a =-12345;
unsigned short b = (unsigned short)a;
printf(”a= %d , b = %u” , a， b);

在C语言中将一个有符号数-12345（十进制）强转为无符号数，转化结果为53191（十进制）。
但两个数的二进制表示是一样的，都是1100 1111 1100 0111。

• 有符号（T）转无符号（U）满足下面公式：
  $$T2U_w(x)=\{\begin{array}{ll}x+2^w& x<0\\ x& x\ge 0\end{array}$$

  $x$：有符号数（$x\ge 0$即最高位数字是0，$x<0$即最高位数字是1）

  $T2U_w(x)$：转换后的无符号数

  $w$：二进制数的位数

• 无符号转有符号满足下面公式：

$$U2T_w(u)=\{\begin{array}{ll}u& u\le TMa{x}_w\\ u-2^w& u>TMa{x}_w\end{array}$$

​ $u$：无符号数（$u\le TMa{x}_w$即最高位数字0，$u>TMa{x}_w$即最高位数字是1）

​ $U2T_w(u)$：转换后的有符号数

​ $w$：二进制数的位数

9.3.1 转换案例

在C语言中，有符号数和无符号数进行运算时，C语言会隐式的将有符号数强制转换成无符号数来执行运算。

1 int i = -1;
2 unsigned int b = 0;
3 if(a < b)
4 	printf(”−1 < 0”)
5 else
6 	printf(”−1 > 0”)

执行结果为-1>0。

这是因为-1（二进制表示为32个1）被转换为无符号数，其十进制的值就变成了$2^{32}-1$。

9.4 扩展与截断

9.4.1 扩展

• 无符号数转成更大的数据类型：只需在扩展的数位进行补0即可，称为零扩展
• 有符号数转更大的数据类型：
  • 非负有符号数：扩展的数位补0即可
  • 负数有符号数：扩展的数位需要补1

转换定理：当有符号数从一个较小的数据类型转换成较大类型时，进行符号位扩展，可以保持 数值不变。

9.4.2 截断

• 无符号数： 将一个 w 位的无符号数，截断成 k 位时，丢弃最高的 w-k 位，截断操作可以对应 于取模运算，即除以 2 的 k 次方之后得到的余数。
• 有符号数：
  1. 我们用无符号数的函数映射来解释底层的二进制位，这样一来我们就可以使用与 无符号数相同的截断方式，得到最低 K 位；
  2. 我们将第一步得到的无符号数转换成有符号数。

10 整数的运算

10.1 无符号数加法溢出

​ $c=a+b-2^w$ ，其中$w$为二进制数的位数；

​ 例如：0(0000 0000) = 255(1111 1111) + 1(0000 0001) - $2^8$

C语言中判断是否溢出代码如下：

1 int uadd_ok(unsigned x, unsigned y){
2 	unsigned sum = x + y;
3 	return sum >= x; // 溢 出 返 回 0， 没 溢 出 返 回 1
4 }

10.2 补码加法溢出

• 当 x 加 y 的和大于等于 $2^{w-1}$ 时，发生正溢出，此时，得到的结果会减去 $2^w$
• 当 x 加 y 的和小于 $-2^{w-1}$ 时，发生负溢出，此时，得到的结果会加上 $2^w$

10.3 加法逆元（相反数）

对于减法运算可以转化为加法逆元，即$y-x\to y+x\prime$ ($x\prime 为x的加法逆元，也称相反数$)

$$w位的无符号数逆元x\prime =\{\begin{array}{ll}x& x=0\\ 2^w-x& x\ge 0\end{array}$$

$$w位的有符号数逆元x\prime =\{\begin{array}{ll}-x& x>TMi{n}_w\\ TMi{n}_w& x=TMi{n}_w\end{array}$$

​ $Tmi{n}_w$：w位有符号数的最小值
$$TMi{n}_w+TMi{n}_w=-2^{w-1}+(-2^{w-1})=-2^w$$

$$因为-2^w<-2^{w-1}，发生负溢出，所以得到结果会加上2^w，如下式：$$

$$\begin{gathered} TMi{n}_w+TMi{n}_w的逆元=-2^w+2^w=0 \\ 因此TMi{n}_w逆元是其本身 \end{gathered}$$

10.4 乘法运算

• 无符号数乘法

  w 位的无符号数 x 和 y，二者的乘积可能需要 2w 位来表示。在 C 语言中，定义了无符号数乘法所产生的结果是 w 位，因此，运行结果会截取 2w 位中的低 w 位。截断采用取模的方式，因此，运行结果等于 x 与 y 乘积并对 2 的 w 次方取模

• 补码乘法

  计算机的有符号数用补码表示，因此补码乘法就是有符号数乘法。无论是无符号数 乘法，还是补码乘法，运算结果的位级表示都是一样的，只不过补码乘法比无符号 数乘法多一步，需要将无符号数转换成补码（有符号数）。

  虽然完整的乘积结果的位级表示可能会不同，但是截断后的位级表示都是相同的

注：如果乘以的是2的整倍数，可以通过左移进行快速计算。

例如：chart 9(0000 1001)，左移一位变为18(00010010)，等于$9\times 2$

又例如：$x\times 14=x\cdot (2^4-2^1)=(x<<4)-(x<<1)$

10.5 除以2的倍数也可以用移位运算实现

• 无符号数采用逻辑右移

• 有符号数（补码）采用算术右移

  • 当补码小于0，需要先加上偏置（偏执量为$2^k-1$）再进行算术右移
  • 当补码大于0，可以直接进行算术右移

  除法结果总是向0舍入，如$3.14\to 3$，$3.14\to 3$

  11 浮点数

  11.1 IEEE浮点数表示

  $$V=(-1{)}^s\times M\times 2^E$$

  $s$：符号位； $E$：阶码； $M$：尾数

  例如：C语言中float为4个byte，占32bits，这32个bits划分如下：

最高位31为符号位（s=0为正数，s=1为负数）。23-30位这八位与阶码E的值有关，剩余23位与尾数M相关。

IEEE浮点表示可以分为一下三种

• 当阶码字段不全为0，且不全为1，此时表示规格化的值
• 当阶码字段全为0，此时表示非规格化的值
• 当阶码字段全为1，表示特殊值（无穷或“不是一个数，NaN”）

11.2 整形转单精度浮点型

例如整形12345，对应二进制为[0000 0000 0000 0000 0011 0000 0011 1001]，前18位没有意义，只看后14位，即11 0000 0011 1001。其中第一位为符号位，看后13位，由于单精度的小数字段长度位23，需要在后面补10个0，即[1 0000 0011 1001 0000 0000 00]，这个二进制数即为单精度浮点数的小数字段。

从12345 的规格化表示可以发现阶码 E 的值等于 13，由于单精度浮点数的 bias 等于 127，因此根据公式 E=e-bias，可以计算出 e 的值等于 140，其二进制为1000 1100，这个二进制数即为浮点数的阶码字段。

最后再加上符号位的0，就可以推出来整个单精度浮点数的二进制数字。

11.3 舍入

• 向偶舍入
• 向零舍入
• 向下舍入
• 向上舍入