计算机字、字节、字长之某腾讯面试题

常常我们说机器是32位或者64位的，这里面具体有些什么重要的信息呢？以及我们经常挂在嘴边的字节具体是什么概念？还有经常被忽略的”字“、”字长“。

字

首先，我们了解这么一个知识点，计算机在处理或者运算的时候，是把数据分成一个个固定长度数据串来处理的，这些一个个的细小数据串就是计算机的字。通常，一个字包含若干个字节（每个字节通常是8位，即8个二进制数）。而且，在存储器中，每个单元存储一个字，每个字又是可以通过寻址的，字的长度是用用位来表示的，即一个字能容纳多少位二进制数，即下面的字长。

字长

计算机中每个字的位数（二进制数的个数）就叫字长。根据计算机不同，字长分为固定字长、可变字长。固定字长，即字长度不论什么情况都是固定不变的；可变字长，则在一定范围内，其长度是可变的。

计算机的字长代表计算机的处理能力，是指它一次可处理的二进制数字的数目，即一次可处理计算的数据大小。计算机处理数据的速率，自然和它一次能加工的位数以及进行运算的快慢有关。如果一台计算机的字长是另一台计算机的两倍，即使两台计算机的速度相同，在相同的时间内，前者能做的工作是后者的两倍。我们常说的32位、64位机器就是说这些机器的字长度。字长大的机器CPU，假如相同处理速度的条件下，CPU的处理数据量与字长度成正比。因此，64位机器是要比32位更强！

字节

在上面说到的字，每个字中包含若干个字节（通常一个字节占8位，8个二进制数），或者说字节是指一小组相邻的二进制数码，通常是8位（二进制数）作为一个字节。字节是构成信息的一个小单位，并作为一个整体来参加操作，比”字“小，是构成字的单位。

一个重要的信息：在计算机中，通常用多少字节来表示存储器的存储容量。例如，在C++的数据类型表示中，通常 char为1个字节，int为4个字节，double为8个字节。

有了上面的概念，我们来算算数据的存储。

1字节(byte) = 8 位(bit)   得到：

1kib = 2的10次方 bit = 1024 bit

即: 1kib=1024bit  或  1k字节(KiB,kilibyte) = 1024(字节)

同理，

1MiB=1024KiB

1M字节（MiB,Mebibyte）=1024K字节（2的20次方字节）

1GiB=1024MiB

1G字节（GiB,Gibibyte）=1024M字节（2的30次方字节）

1TiB=1024GiB

1T字节（TiB,Tebibyte）=1024G字节（2的40次方字节）

1PiB=1024TiB

1P字节（PiB,Pebibyte）=1024T字节（2的50次方字节）

1EiB=1024PiB

1 E字节（EiB,Exbibyte）=1024P字节（2的60次方字节）

…

因为硬盘生产商是以GB（十进制，即10的3次方=1000，如1MB=1000KB）计算的，而电脑（操作系统）是以GiB(2进制，即2的 10次方，如

1MiB=1024KiB）计算的，国内用户一般不分MB与Mib以及Kb与kib，直接把1MB=1000 KB为1Mib=1024kib，所以好多160GB的硬盘实际容量按计算机

实际的1MiB=1024KiB算都不到160GiB，这也可以解释为什么新买的硬盘“缺斤短两”并没有它所标示的那么大。

最后，我们来看一道传说腾讯的面试题目：

问题
在一个文件中有 10G 个整数，乱序排列，要求找出中位数，内存限制为 2G,多少次计算能找出中位数？
解答

假设整数为long，即长整形的，占8个字节，也就是8*8bit=64bit，因此这个long整数的取值范围是多少呢？就是无符号0~2^64次方或者有符号-2^63 ~ 2^63次方，好大好恐怖的数。

这个意思也就是说，假如无符号64bit的数，从0~2^64次方一个个存储在一起的话，会有多大呢？答案是：2^64 * 8kib>>1E数据量>>N个TB数据>>2G内存，也就是想说，2G的内存不可能放下从0~2^64次方的所有64bit数，当然，10G的文件也不可能存储完。

那么现在我把我们的问题重新描述下：数字区间是0~2^64次方中间的数，大概是10G数据是整个区间所有数据大小的几万分之一，然后需要你只用2G的内存，也就是说那个几万分之一再除以一个5，来计算出这10G数据中的中位数。

我们是不是可以继续这样描述问题？变成一个猜字游戏？

数字范围是1-1000的数，总共100个，你每次最多可以从1-1000中挑选20个数字来计算出这100个数字的中位数（而且每次可以读取20个数字），怎么来做从而得到这100个数字的中位数呢？我们把1-1000范围的均匀分成20个区间，0-50，50-100，100-150，150-200，…，然后每次读取20个数，遍历一次100个数后。比如一边执行计算逻辑是这样的，20个区间，哪个区间范围出现了数字的话，就记录下来，没出现的自然不记录，比如我们遍历一次的结果是这样几种情况。

1. 最糟糕的，每个区间都有出现，那么我们可以确定中位数出现在450-500这个区间，那么我们第二次就是把450-500继续划分成20个区间，然后继续遍历，这一次，请注意，每个区间数字范围是多少呢？只有50/20，不到3个数字啦。这样，我们就可以继续这样操作，就能精确到1！！！！
2. 其他情况都要比最糟糕情况好处理啦，哈哈哈

所以，问题重新回归到10G数据用2G内存处理：

64bit整数取值区间数据总数据量大小有2^64 * 8k(64bit)大小数据，也就是

1. 2G内存能存储，也就是2G字节=2*2^30K = 2^31K
2. 对64bit整数区间做2^31均匀划分，也就是2^64 除以 2^31等于2^33次方，再遍历10G数据
3. 不论怎样处理情况，一次遍历总能确定是哪一个均匀区间，而且这个区间的长度为2^33次方大小，并且咱们只有2^31次方的处理能力。
4. 因此，我们还得继续均匀划分，并处理下，这是第二次处理。第二次处理，我们剩余的区间长度就只有2^33 除以2^31等于2^2=4啦，也就能毫不费力的在第三次处理得出结果啦。

以上个人自以为是的分析，欢迎交流指正!原文地址： 计算机字、字节、字长之某腾讯面试题

// -_-   larro