CS:APP 读书笔记：从字节序到浮点数，重新理解信息的表示与处理

Why this matters

很多“代码看起来没问题，结果却不对”的问题，根子并不在业务逻辑，而在数据是怎么被底层表示和解释的。

同样的一组比特位，可能因为字节序不同、是否带符号、是否发生隐式类型提升，最终得到完全不同的结果。把这些基础概念串起来之后，很多看似诡异的现象都会变得可解释。

Byte order decides how memory is read

当一个对象占多个字节时，内存需要决定“低位字节”和“高位字节”怎么排布：

• 小端序：最低有效字节放在前面。
• 大端序：最高有效字节放在前面。

比如一个 int32 的值是 0x12345678，起始地址是 0x100：

大端序
地址: 0x100 0x101 0x102 0x103
数据:   12    34    56    78

小端序
地址: 0x100 0x101 0x102 0x103
数据:   78    56    34    12

如果你想直接观察一段对象在内存里的字节排布，最简单的方法就是把它按 unsigned char * 来看：

#include <stdio.h>

typedef unsigned char* byte_pointer;

void show_bytes(byte_pointer start, int len) {
  for (int i = 0; i < len; i++) {
    printf("%02x ", start[i]);
  }
  printf("\n");
}

void show_int(int x) {
  show_bytes((byte_pointer)&x, sizeof(int));
}

void show_float(float x) {
  show_bytes((byte_pointer)&x, sizeof(float));
}

void show_pointer(void* x) {
  show_bytes((byte_pointer)&x, sizeof(void*));
}

这也是为什么文本数据通常比二进制数据更容易跨平台传输。文本遵循字符编码规则，而不是直接暴露底层字节布局，所以它对字节序没那么敏感。

Shift operations are about bit semantics

位移不是简单的“乘 2 / 除 2”语法糖，它首先是按位移动。

• 左移：整体向左移动，高位丢弃，低位补 0。
• 右移：需要区分逻辑右移和算术右移。

逻辑右移会在左侧补 0，适合无符号数。算术右移会在左侧补符号位，常用于补码整数。多数机器和编译器对有符号数使用算术右移。

0x8A = 1000 1010
如果按算术右移 3 位：
1111 0001

这里左侧补的是 1，因为原数是负数。也正因为如此，对带符号整数做右移时，最好明确自己依赖的是数值意义，还是位级行为。

Integers are encoded, not stored as abstract numbers

无符号整数和有符号整数，看到的是同一组比特，但解释方法不同。

• 无符号编码：每一位都按正权重累加。
• 补码编码：最高位按负权重解释，这也是现代计算机里最常见的有符号整数表示方式。

补码有两个特别重要的结论：

• 负数的可表示范围会比正数多一个值。
• 类型转换很多时候并不会“改值”，只是改解释方式。

例如下面这段代码：

short v = -12345;
unsigned short uv = (unsigned short)v;
printf("v = %d, uv = %u\n", v, uv);

这里并不是先把 -12345 重新算成一个新的正数再存进去，而是保留原来的位模式，然后按无符号整数重新解释。所以最后会看到一个很大的正整数结果。

混合有符号数和无符号数比较时，这个问题尤其容易踩坑：

int b1 = -1 < 0;              // 1
int b2 = 2147483647U > -1;    // 0

第二个表达式里，-1 会先被提升并转换成无符号值，于是比较结果就和直觉不同了。

Overflow is part of the model

整数溢出并不是“机器算错了”，而是位宽固定后必然出现的结果。

无符号加法

对 w 位无符号整数来说，结果本质上是在做模 2^w 运算：

• 如果 x + y < 2^w，结果正常落在范围内。
• 如果 x + y >= 2^w，高位会被截掉，结果等于 x + y - 2^w。

一个常见的小技巧是：无符号加法后，如果结果小于其中一个加数，通常就已经发生了回绕。

补码加法

补码加法在位级实现上和无符号加法非常像，但解释方式不同。对程序员来说，关键不是死记公式，而是记住一句话：

底层电路只负责按位计算，语言规则才负责解释结果。

乘以或除以 2 的幂

很多乘法都可以重写成移位和加减，例如：

• x * 8 可以写成 x << 3
• x * 10 可以写成 (x << 3) + (x << 1)

而除以 2^k 时，右移经常能替代除法，但要注意：

• 无符号右移更接近“直接截断”。
• 补码算术右移更接近“向下取整”。
• C 语言整数除法的语义是向零截断。

所以对于负数，位移结果和真正的整数除法并不总是一致。如果你需要模拟“除以 2^k 再向零截断”，通常需要在右移前先加偏置。

Floating point is approximation

浮点数并不是把十进制小数原样存进内存，而是按照科学计数法的思路编码。可以把它理解成：

V = (-1)^s × M × 2^E

其中：

• s 是符号位。
• E 是指数部分。
• M 是有效数字部分。

以 IEEE 754 为例：

• 单精度浮点数是 32 位：1 位符号位、8 位指数位、23 位尾数位。
• 双精度浮点数是 64 位：1 位符号位、11 位指数位、52 位尾数位。

这套表示方式除了普通数值，还定义了几类特殊值：

• +∞ 和 -∞
• NaN
• 非规格化数
• +0.0 和 -0.0

理解浮点数时最重要的现实感是：很多十进制小数根本不能被二进制精确表示。

这也是为什么像 0.1 + 0.2 这样的表达式，在不同语言里常常会暴露出舍入误差。默认情况下，IEEE 754 通常采用“舍入到最接近值，遇到中点时取偶数”的规则，也就是常说的 round to even。

Practical checks

遇到底层表示相关的问题时，可以按这个顺序检查：

• 先确认当前值是按有符号还是无符号解释。
• 直接打印字节，别只看十进制输出。
• 对右移操作，确认你依赖的是逻辑右移还是算术右移。
• 混用 signed / unsigned 时，先检查是否发生了隐式提升。
• 处理浮点数时，不要默认“看起来一样”的十进制值就一定按位相等。

Closing notes

这篇内容真正想建立的，不是公式记忆，而是一种判断习惯：当程序结果和直觉不一致时，先回到底层表示层看一眼。

字节序、补码、溢出、类型转换和浮点舍入看起来分散，但它们其实都在回答同一个问题：同一组比特位，机器到底是怎么理解它的。