计算机存储体系结构

 
一、引子
在各种计算机体系结构中，对于字节、字等的存储机制有所不同，因而引发了计算机通信领域中一个很重要的问题，即通信双方交流的信息单元（比特、字节、字、双字等等）应该以什么样的顺序进行传送。如果不达成一致的规则，通信双方将无法进行正确的编/译码从而导致通信失败。目前在各种体系的计算机中通常采用的字节存储机制主要有两种：
big-edian和little-endian。
本文简要描述这两种存储机制的来历、特点和区别。
为了叙述方便，下面先对本文中将要用到的两个术语做简单的定义。 1、MSB MSB是Most Significant Bit/Byte的首字母缩写，通常译为最重要的位或者最重要的字节。它通常用来表明在一个bit序列（如一个byte是8个bit组成的一个序列）或者一个byte序列（如word是两个byte组成的一个序列）中对整个序列取值影响最大的那个bit/byte。 2、LSB LSB是Least Significant Bit/Byte的首字母缩写，通常译为最不重要的位或者最不重要的字节。它通常用来表明在一个bit序列（如一个byte是8个bit组成的一个序列）或者一个byte序列（如word是两个byte组成的一个序列）中对整个序列取值影响最小的那个bit/byte。
二、endian的由来 1、Definition endian: The ordering of bytes in a multi-byte number. 定义：在计算机系统体系结构中用来描述在多字节数中各个字节的存储顺序。
2、Etymology The term comes from Swift's "Gulliver's Travels" via the famous paper"On Holy Wars and a Plea for Peace" by Danny Cohen, USC/ISI IEN 137,1980-04-01. The Lilliputians, being very small, had correspondingly small political problems. The Big-Endian and Little-Endian parties debated over whether soft-boiled eggs should be opened at the big end or the little end.[From: Free On-Line Dictionary Of Computing or Jargon File] 词源：据Jargon File记载，endian这个词来源于JonathanSwift在1726年写的讽刺小说"Gulliver's Travels"（《格利佛游记》）。该小说在描述Gulliver畅游小人国时碰到了如下的一个场景。在小人国里的小人因为非常小（身高6英寸）所以总是碰到一些意想不到的问题。
有一次因为对水煮蛋该从大的一端（Big-End）剥开还是小的一端（Little-End）剥开的争论而引发了一场战争，并形成了两支截然对立的队伍：支持从Big-End剥开的人Swift就称作Big-Endians而支持从Little-End剥开的人就称作Little-Endians……（后缀ian表明的就是支持某种观点的人:-）。Endian这个词由此而来。 1980年，Danny Cohen在其著名的论文"On Holy Wars and a Plea for Peace"中为了平息一场关于在消息中字节该以什么样的顺序进行传送的争论而引用了该词。
该文中，Cohen非常形象贴切地把支持从一个消息序列的MSB开始传送的那伙人叫做Big-Endians，支持从LSB开始传送的相对应地叫做Little-Endians。此后Endian这个词便随着这篇论文而被广为采用。
三、各种endian 1、big-endian A computer architecture in which, within a given multi-byte numeric representation, the most significant byte has the lowest address (the word is stored "big-end-first").
Most processors, including the IBM 370 family, the PDP-10, theMotorola microprocessor families, and most of the various RISC designs current in mid-1993, are big-endian.
[From: Free On-Line Dictionary Of Computing or Jargon File] big-endian：计算机体系结构中一种描述多字节存储顺序的术语，在这种机制中最重要字节（MSB）存放在最低端的地址上。采用这种机制的处理器有IBM3700系列、PDP-10、Mortolora微处理器系列和绝大多数的RISC处理器。

+--------------------------+

| 0x34 |<-- 0x00000021

+--------------------------+

| 0x12 |<-- 0x00000020

 +--------------------------+

图1：双字节数0x1234以big-endian的方式存在起始地址0x00000020中

在Big-Endian中，对于bit序列中的序号编排方式如下（以双字节数0x8B8A为例）：

 

bit 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

+------------------------------------------------+
val | 1 0 0 0 1 0 1 1 | 1 0 0 0 1 0 1 0 |

+-------------------------------------------------+

^ 0x8B 0x8A ^

MSB LSB

图2：Big-Endian的bit序列编码方式

注1：通常在TCP/IP协议栈所说的网络序(Network Order)就是遵循Big-Endian 规则。在TCP/IP网络通信中，通信双方把消息按照如图2的方式进行编码，然后按从MSB(Bit0)到LSB的顺序在网络上传送。 2、little-endian A computer architecture in which, within a given 16- or 32-bit word,bytes at lower addresses have lower significance (the word is stored "little-end-first"). The PDP-11 and VAX families of computers and Intel microprocessors and a lot of communications and networking hardware are little-endian. The term is sometimes used to describe the ordering of units other than bytes; most often, bits within a byte.
[From: Free On-Line Dictionary Of Computing or Jargon File] little-endian：计算机体系结构中一种描述多字节存储顺序的术语，在这种机制中最不重要字节（LSB）存放在最低端的地址上。采用这种机制的处理器有PDP-11、VAX、Intel系列微处理器和一些网络通信设备。该术语除了描述多字节存储顺序外还常常用来描述一个字节中各个比特的排放次序。

+--------------------------+
| 0x12 |<-- 0x00000021

+---------------------------+

| 0x34 |<-- 0x00000020

+---------------------------+

 

图3：双字节数0x1234以little-endian的方式存在起始地址0x00000020中
在Little-Endian中，对于bit序列中的序号编排和Big-Endian刚好相反，其方式如下（以双字节数0x8B8A为例）：

bit 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0

+-----------------------------------------+

 val | 1 0 0 0 1 0 1 1 | 1 0 0 0 1 0 1 0 |

 +-----------------------------------------+

^ 0x8B 0x8A ^

 MSB LSB

图4：Little-Endian的bit序列编码方式

注2：通常我们说的主机序（Host Order）就是遵循Little-Endian规则。所以当两台主机之间要通过TCP/IP协议进行通信的时候就需要调用相应的函数进行主机序（Little-Endian）和网络序（Big-Endian）的转换。
注3：正因为这两种机制对于同一bit序列的序号编排方式恰恰相反，所以《现代英汉词典》中对MSB的翻译为“最高有效位”欠妥，故本文定义为“最重要的bit/byte”。
3、middle-endian： Neither big-endian nor little-endian. Used of perverse byte orders such as 3-4-1-2 or 2-1-4-3, occasionally found in the packed decimal formats of some minicomputer manufacturers.
[From: Free On-Line Dictionary Of Computing or Jargon File] middle-endian：除了big-endian和little-endian之外的多字节存储顺序就是middle-endian，比如以4个字节为例：象以3-4-1-2或者2-1-4-3这样的顺序存储的就是middle-endian。这种存储顺序偶尔会在一些小型机体系中的十进制数的压缩格式中出现。
四、收尾 要详细解释这两种编码顺序已经超出本文所涉及的内容，如果你有兴趣的话可以参考上面提及的Danny Cohen的论文（"On Holy Wars and a Plea for Peace"），该论文详细的描述了这两种编码顺序的历史、所基于的数学理论和各自拥护者争论的焦点等知识，绝对可以大饱你打破沙锅问到底的内心需要。
什么是字节序？ 字节序，顾名思义字节的顺序，再多说两句就是大于一个字节类型的数据在内存中的存放顺序(一个字节的数据当然就无需谈顺序的问题了)。其实大部分人在实际的开发中都很少会直接和字节序打交道。唯有在跨平台以及网络程序中字节序才是一个应该被考虑的问题。在所有的介绍字节序的文章中都会提到字节序分为两类：Big-Endian和Little-Endian。引用标准的Big-Endian和Little-Endian的定义如下：
a) Little-Endian就是低位字节排放在内存的低地址端，高位字节排放在内存的高地址端。
b) Big-Endian就是高位字节排放在内存的低地址端，低位字节排放在内存的高地址端。c) 网络字节序：TCP/IP各层协议将字节序定义为Big-Endian，因此TCP/IP协议中使用的字节序通常称之为网络字节序。
PS：有些文章中称低位字节为最低有效位，高位字节为最高有效位。
Big endian means that the most significant byte of any multibyte data field is stored at the lowest memory address, which is also the address of the larger field.
Little endian means that the least significant byte of any multibyte data field is stored at the lowest memory address, which is also the address of the larger field.
什么是高/低地址端什么是高/低字节 首先我们要知道我们C程序映像中内存的空间布局情况：在《C专家编程》中或者《Unix环境高级编程》中有关于内存空间布局情况的说明，大致如下图：

--------------最高内存地址 0xffffffff -------------
栈底
栈…
栈顶

-------------------------------------------------------

NULL (空洞)

--------------------------------------------------------

堆------------------------------------------------------

未初始化的数据

--------------------------------------(统称数据段)

初始化的数据

-------------------------------------------------------

正文段(代码段)

---------------最低内存地址 0x00000000--------

以上图为例如果我们在栈上分配一个unsigned char buf[4]，那么这个数组变量在栈上是如何布局的呢？看下图：

------栈底（高地址）-----

 buf[3]

 buf[2]

 buf[1]

buf[0]

 ----栈顶（低地址）------

现在我们弄清了高/低地址，接着考虑高/低字节。如果我们有一个32位无符号整型0x12345678，那么高位是什么，低位又是什么呢？其实很简单。在十进制中我们都说靠左边
的是高位，靠右边的是低位，在其他进制也是如此。就拿 0x12345678来说，从高位到低位的字节依次是0x12、0x34、0x56和0x78。
高/低地址端和高/低字节都弄清了。我们再来回顾一下Big-Endian和Little-Endian的定义，并用图示说明两种字节序：以unsigned int value = 0x12345678为例，分别看看在两种字节序下其存储情况，我们可以用unsigned char buf[4]来表示value：
Big-Endian: 低地址存放高位，如下图：

----------栈底（高地址）---------------

buf[3] (0x78) --低位
buf[2] (0x56)---------

buf[1] (0x34)---------

buf[0] (0x12) --高位

-----------栈顶（低地址）--------------

Little-Endian: 低地址存放低位，如下图：

------栈底（高地址）---------

buf[3] (0x12) ---高位

buf[2] (0x34)----------

 buf[1] (0x56)----------

 buf[0] (0x78) ---低位

------栈顶（低地址）--------

现有的平台上Intel的X86采用的是Little-Endian，而像Sun的SPARC采用的就是Big-Endian。那么在跨平台或网络程序中如何实现字节序的转换呢？这个通过C语言的移位操作很容易实现，例如下面的宏：

#if defined(BIG_ENDIAN) && !defined(LITTLE_ENDIAN)

 

#define htons(A) (A)

#define htonl(A) (A)

#define ntohs(A) (A)

#define ntohl(A) (A)

 

#elseif defined(LITTLE_ENDIAN) && !defined(BIG_ENDIAN)

 

#define htons(A) ((((uint16)(A) & 0xff00) >> 8) | (((uint16)(A) & 0x00ff) << 8))

#define htonl(A) ((((uint32)(A) & 0xff000000) >> 24) |

                           / (((uint32)(A) & 0x00ff0000) >> 8) |

                           / (((uint32)(A) & 0x0000ff00) << 8) |

                           / (((uint32)(A) & 0x000000ff) << 24))

#define ntohs htons
#define ntohl htohl

 

#else

#error "Either BIG_ENDIAN or LITTLE_ENDIAN must be

#defined, but not both."

#endif
如何检查处理器是big-endian还是little-endian? 由于联合体union的存放顺序是所有成员都从低地址开始存放，利用该特性就可以轻松地获得了CPU对内存采用Little-endian还是Big-endian模式读写。例如： union
{ unsigned int a; unsigned char b; }c;
int checkCPUendian()
{ c.a = 1; return (c.b == 1); } /*return 1 : little-endian, return 0:big-endian*/