CSAPP要点总结 第2章 信息的表示和处理 part1

信息的存储

字长word size

字长可理解为32位或者64位计算机中的“32”，“64”。

以下总结内容错误，例如8086是16位结构CPU但其地址总线是20根。 应该来说是指寄存器和每次运算处理1个word，地址总线不一定是一个word

硬件中出现1个word意味着：
1. 总线每次传1个word 
2. 寄存器包括PC是1个word size
3. 程序命令加载，跳转等操作对象都是1个word size
4. 指针大小1个word size(由此也决定了虚拟地址空间大小，例如32位最大约4G byte)

补充说明：8086如何做到寄存器16位而地址总线20位？ 答：因为其寻址方式是段地址:偏移地址 例如CS:IP （CS*16 + IP）指向指令或者DS:[0]指向数据等,是CS寄存器左移4位作为段地址，在加上IP偏移量。

不同数据类型的大小

以C语言为例，简单来说，就是不同系统，不同数据类型大小不一样，小心埋雷。

例如，如果以int* 作为地址指针时,因为其有可能是32位，如果是，那么在64位系统上就用不了。 因此，稍微注意一下，要使得程序对数据类型的确切大小不敏感。

寻址

对于一个多字节的数据，寻址重点一个是地址，一个是多字节数据如何排列（大端/小端）

大端和小端

例如0x76543210这个数字 对于大端，排列顺序是： …低位地址 | 76 | 54 | 32 | 10 | 高位地址…

对于小端，排列顺序是： …低位地址 | 10 | 32 | 54 | 76 | 高位地址…

可以看出，小端对于从低位到高位顺序阅读代码而言，较麻烦。但是，它更适合于机器处理数据。例如加法，如果低八位需要进位，直接地址+1个byte即可。可见其设计上（猜测包括硬件设计），以一个byte为单位处理数据。

小端机器较为常见，例如intel处理器，大端机器包括IBM和Sun Microsystems的机器，如果没记错的话也包括游戏机。这也是为什么通常游戏引擎要考虑大端小端转换的原因。

大端小端注意的场合

通常不需要考虑大端小端，但在有些场合需要：

1. 不同类型机器之间通过网络传送二进制文件时，网络应用代码需要准守标准。
2. 反汇编的情况下阅读汇编代码时。小端法机器通常字节按照与书写顺序相反的顺序显示。
3. 如上所说用于游戏机移植的时候
4. 编写特殊程序时，例如通过强制类型转化的指针（例如unsigned char*）显示数据字节码。如下：

#include <stdio.h>

typedef unsigned char* P_Byte; //unsigned char* 8位 1个byte长度

void print_byte(P_Byte start, int len) {
  int i;
  for(i = 0; i < len; ++i) 
    printf(" %.2x", start[i]);  // 打印字节码
  printf("\n");
};

// 例如打印float数据的字节码
void show_float(float x) {
  print_byte( (P_Byte) &x, sizeof(float) ); //使用sizeof 而不是固定值，可移植性好
};

详细代码参见： CodeExample/code/data/show-bytes.c

表示字符串

C语言中字符串结尾是0，在ASCII中是0x00

字符编码

1. ASCII 在使用ASCII码作为字符码的任何机器上都得到相同结果，与字节顺序和字的大小规则无关，因此文本数据相比二进制数据具有更好的平台独立性。

2. unicode ASCII用于英文没有问题，但是只有8位256个值实在太少，不适用于如中文等其他多国语言，因此用32位的unicode可以涵盖多个语言，unicode始终是32位的。JAVA使用unicode。

3. urf-8 unicode都是32位实在太浪费了，因此utf-8就满足需要时再用32位，不需要就只用8位，且跟ASCII码统一起来。

指令编码

即使一个简单的sum函数，在windows，linux上，32位、64位上生成的二进制代码都是不同的。因此，不同系统的代码的二进制是执行文件不兼容的。

bool代数

让我很郁闷的一点是，命题逻辑的符号约定跟布尔运算的符号约定不一样，所以用mathjax做成表格如下： （注：**以下内容部分参考自CSAPP，可能有误）

猜测两套符号的原因：命题逻辑更偏数学，在计算机中进行bool计算时由于键盘上没有相应的符号表示，所以又定制了一套符号。

bool运算可以用于有限集合（通过位置和值[1/0]来表示有限集合，这样空间占用小），或者用于例如C语言的位级计算（用于任何“ints”类型，掩码运算，优化计算速度）。

掩码计算时需要考虑可移植性问题， 例如同样是全为1的掩码，~0不论在32位还是64位字长下都可以，但是0xFFFFFFFF只能用于32位。

C语言中的逻辑运算

C语言中，逻辑表达式的结果只能是0x00(表示假)或者0x01(表示真)。

C语言中的逻辑运算有一个特点，如果第一个参数求值就能确定结果，就不会对第二个参数求值，例如a&&5/a不会被零除；p&&p++不会导致间接引用空指针。

C语言中的移位运算

左移没什么问题，右移分两种，逻辑右移和算术右移，如下

可见，逻辑上右移应该都是填充0，但是有时候最高位为1时表示负数，因此算术右移填充0。

算术右移的意义

以16位数为例：

-47 [1111 1111 1101 0001] -48 [1111 1111 1101 0000] -24 [1111 1111 1110 1000]

-47 » 1 = -48 » 1 = -24 因为数学上$ -24 = -48 * 2 = -47*2$，用如下例子进一步分析， 测试环境： win7 visual stdio c++以及cygiwn gcc

//测试用例 c
#include <stdio.h>

int main(){
  int a = 47;
  int b = -a;

  printf("47 / 2 = %d \n",a/2);
  printf("-47 / 2 = %d \n",b/2);
  printf("47 >> 1 = %d \n",a >> 1);
  printf("-47 >> 1 = %d \n",b >> 1);
}
/*测试结果：
cygwin gcc 以及 visual studio c/c++
47 / 2 = 23 
-47 / 2 = -23 
47 >> 1 = 23 
-47 >> 1 = -24
*/

特别注意： 1.整数除法已经跟数学意义不一样了，在C/C++语言中-48 / 2实际上是首先不考虑符号的情况下，48/2=24再加上符号，结果为 -24，而不是算术意义上的-48 /2 = -96。

1. 总结就是，C/C++中整数乘除法先不考虑符号，乘法对应左移；除法对应右移
2. 对于负奇数的除法和算术右移位有所不同，-x >> 1 对应 floor(-x / 2) 即向下取整，取更小值； 而 x / 2则直接不考虑符号位并抹去末尾。
3. 总结就是：对于负整型的除法和移位要特别小心。

何时逻辑右移、何时算术右移

C语言标准并没有明确定义应该用哪种右移，通常： 1.unsigned类型是逻辑右移，因为最高位没有符号意义了。 2.有符号整型，几乎所有编译器都使用算术右移（虽然没强制规定，可用逻辑右移，理论上存在移植性问题）

1. JAVA对于右移有明确定义，x >> k (算术右移), x >>> k (逻辑右移)

移位数比数据长度还大的情况

如果出现这种情况，为了保证其意义，通常是求mod，例如int a = 0xFFFFEEEE >> 40实际是右移8位（40%32 = 8）。当然保险起见，最好不要出现这种情况。