CSAPP 2.1 信息的存储

发表于 分类于 ， 本文字数： 2.3k 阅读时长 ≈ 8 分钟

前言：这篇博文是我学习Computer Systems: A Programmer’s Perspective这本书整理的笔记，同时参考了B站@刘迪望和@九曲阑干等up主的翻译和原创视频，力求尽我所能将这本神书的笔记写到最好。

2-1 信息的存储

1. 信息存储

通常情况下，程序将内存视为一个非常大的数组，数组的元素由一个个字节(Byte)表示，每个字节都有一个唯一的数字来表示，我们称之为地址（address）。这些所有地址的集合就称为虚拟地址空间（Virtual Address Space）。

字节（Byte）

一个字节是由8个位（bit）组成，在二进制表示法中，每一个值可能由两种状态，0或者1。当这8个位全为零时，表示一个字节的最小值。当这8个位全为1时，表示最大值(大多数情况下)。如果用十进制来表示，那么一个字节的取值范围就在0~255（包含0和255）之间。我们把这种按照一位一位表示数据的方式称为位模式。

我们引入16进制来表示位模式，对于十六进制，是由0-9和A-F来表示16个可能的值。在C语言中，十六进制是以0x开头的，这个X可大写可小写，字母部分同样部分大小写。

字长（word size）

任何一个机器都有一个“字长”，字长是地址的名义长度。

地址指向计算机中指定字节的位置，相邻字的地址相差4（32位机器）或 8（64位机器）。

image-20201005195903725

字长决定了虚拟地址空间的上限。对于一个字长位w位的机器，虚拟地址的范围时0~2的w次放减1。近些年，高性能服务器，个人电脑以及智能手机已经完成了从32位字长到64位字长的迁移。对于32位（32字长）的机器，虚拟地址空间最大位4GB，而64位的机器，虚拟地址空间最大位2^32^*4GB（16EB）。在迁移过程中，64位的机器做了向后兼容，因此位32位机器编译的程序也可以运行在64位机器上。通过特定命令可以在64位机器上编译生成32位机器上运行的程序。

1
2
3
4
## 32bit program
linux> gcc -m32 -o hello32 hello.c
## 64bit program
linux> gcc -m64 -o hello64 hello.c

hello32可以在32位和64位机器上均可运行，但hello64只能运行在64位的机器上。

对于32位和64位程序，主要的区别还是在于程序是如何编译的，而不是运行机器的类型。

C语言中，支持整数和浮点数多种数据格式。

C declaration Bytes
signed unsigned 32-bit 64-bit
[signed]char unsigned char 1 1
short unsigned short 2 2
int unsigned int 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

以上表格内容需牢记

对于我们需要存储的数据，我们需要搞清楚该数据的地址是什么，以及数据在内存中如何排布的。

通过在不同的系统上运行字节打印程序，可以打印输出程序对象的字节表示

1
2
3
4
5
6
7
8
9
10
11
12
13
14
#include <stdio.h>
typedef unsigned char *byte_pointer;

void show_bytes(byte_pointer start, int len){
    int i;
    for (i = 0; i < len; i++)
        printf("%.2x", start[i]);
   	printf("\n");
}

void show_int(int x){
    // byte_pointer 强制类型转换告诉编译器，程序应该把这个指针看成指向一个字节的序列，而不是这个对象原始的数据类型。
    show_bytes((byte_pointer) &x, sizeof(x));	
}

Result

Machine Value Type Byte(hex)
Linux 32 12,345 int 39 30 00 00
Windows 12,345 int 39 30 00 00
Sun 12,345 int 00 00 30 39
Linux 64 12,345 int 39 30 00 00
Machine Value Type Byte(hex)
Linux 32 12,345.0 float 00 e4 40 46
Windows 12,345.0 float 00 e4 40 46
Sun 12,345.0 float 46 40 e4 00
Linux 64 12,345.0 float 00 e4 40 46
虽然整型和浮点数都是对数值12345进行编码，但是他们却有着完全不同的字节模式
Machine Value Type Byte(hex)
Linux 32 & ival int* e4 f9 ff bf
Windows & ival int* b4 cc 22 00
Sun & ival int* ef ff fa 0c
Linux 64 % ival int* b8 11 e5 ff ff 7f 00 00

指针

2.1.4 字符串的表示

C中的字符串是由null结尾的一组字符。每个字符都按照某种标准的编码方式表示，最常见的编码标准是ASCII码。

如对照ASCII表，字符串“123456”由16进制 31 32 33 34 35 00表示。（在十六进制中用 0x00 表示 NULL）。只要是采用了ASCII码的编码标准的计算机系统，字符串的表示方式都是一样的，在这一点上字符数据比二进制数据更加具有独立性。

在C语言中strlen函数计算字符串的长度时忽略最后结尾的NULL，返回size_t (the unsigned integer type)类型的值。

1
2
3
4
5
6
7
8
9
10
11
12
13
#include <stdio.h>
#include <string.h>
int main()
{
    char a[20]="Program";
    char b[20]={'P','r','o','g','r','a','m','\0'};

    // using the %zu format specifier to print size_t
    printf("Length of string a = %zu \n",strlen(a));
    printf("Length of string b = %zu \n",strlen(b));

    return 0;
}

Output

1
2
Length of string a = 7
Length of string b = 7

由于每种数据类型的编码规则都是不同的，所以二进制代码在不同的硬件或者操作系统上一般都是互不兼容的。ASCII码的广泛应用，使不同公司制作的计算机，能相互交换数据。但它有个限制：它是为英语设计的。

幸运的是，一个字节有八位，可以表示256个不同的值。ASCII码仅仅规定了前128个二进制数的字符表示，因此第128位到255位字符就被空缺出来，给各个国家自己规定标准的编码方式。这些保留下来给每个国家自己安排 准，在一个国家的电脑上打开另一个国家的语言的文档，不可避免的会出现乱码问题。

随着计算机在亚洲兴起，这种做法彻底失效了。比如汉语这样的语言有成千上万的字符，根本没有办法用8位来表示所有的字符。

所以Unicode诞生了，统一了所有编码的标准。最常见的Unicode是16位的，有超过一百万个位置，对每个语言的每个字符都够了，甚至还有多余的位置存放数学符号以及Emoji。

就像ASCII用二进制来表示字母一样，其他格式，比如MP3或者GIF，用二进制编码声音/颜色，表示照片，电影和音乐。

2.1.8 C语言中的逻辑运算

C语言中的逻辑运算符有||, && 和 !,对应于逻辑操作中的 OR, AND, NOT。注意不要将逻辑运算符与位运算符|, &, ^ 弄混，它们的操作是截然不同的。

C语言的逻辑运算符一个重要的特点是，如果在前一个参数就能判断结果表达的真假，那么后面的参数将不做考虑，无论它们有效与否。

例如：

1
a && 5/b

若参数a为假，则整个表达式的真值可以确认为假，那么参数 5/b的真值将不做考虑，即使b的值为零，即5/b本身为无效表达式，都不会导致编译器报错。

2.1.9 C语言中的移位操作

C语言的逻辑位移分为左移和右移。其中右移操作分为两种，算术右移和逻辑右移。

算数右移以0来填充左边的由右移而来的k个空位。

逻辑右移以最高位(The most significant bit, 即二进制中权重最大的那个位)来填充由右移而来的k个空位。即若最高位为0，则以0来填充由右移而来的k个空位。同理，若最高位为1，则以1来填充右移而来的k个空位。

具体如下表格所示

Operation Value 1 Value 2
Argument x [01100011] [10010101]
x >> 4 (logical) [00000110] [00001001]
x >> 4 (arithmetic) [00000110] [11111001]

几乎所有的编译器和机器都以算术右移作为有符号数右移的方式。另一方面，对于无符号整数，执行的右移操作一定为逻辑右移。

1、什么样的数据类型可以直接移位

char、short、int、long、unsigned char、unsigned short、unsigned int、unsigned long都可以进行移位操作，而double、float、bool、long double则不可以进行移位操作。

注意事项

  1. 在C中移位的数量最好不要超过数据本身的位数，如果超过了数据本身的位数，那么将会对移位数量进行取模操作，以数据本身的位数为除数取模。

    1
    2
    3
    4
    5
    6
    int lval = 0xFEDCBA98 << 32;	// int 类型变量有32位。
    int aval = 0xFEDCBA98 >> 36;

    // output
    lval 0xFEDCBA98 // 逻辑左移0位
    aval 0xFFEDCB49 // 逻辑右移4位

  2. 位移运算符的优先级小于算术运算符，如 1<<2 + 3<<4表达式中实际运算顺序为 1 << (2+3) << 4。其实不用记住这么多优先级，当不清楚运算优先级时，加括号就对了！