整形数据和浮点型数据在内存中的存储差别

简介: 整形数据和浮点型数据在内存中的存储差别

愿所有美好如期而遇



我们先来看代码,猜猜结果是什么呢?

int main()
{
    //以整型数据的方式存储
    int n = 10;
  float* m = (float*)&n;
    //以整型数据的方式读取
  printf("%d\n", n);
    //以浮点型数据的方式2读取
  printf("%f\n", *m);
  printf("----------------------------\n");
    //以浮点型数据的方式存储
    *m = 10.0;
    //以整型数据的方式读取
  printf("%d\n", n);
    //以浮点型数据的方式读取
  printf("%f\n", *m);
  return 0;
}

你是不是觉得答案是10   10.0   10   10.0 呢?

那么我们接下来解释一下为什么是上面那个结果

首先,整型数据和浮点型数据在内存中的存储方式是不同的

(1)整型数据的存储方式是怎样的呢?

在看下面的解释前,如果看不懂请参考:原码,反码,补码,char大小范围的解释

整型数据在内存中直接转换为二进制后以补码形式存储。

(2)浮点型数据的存储方式是怎样的呢?

我们要对他的二进制分三部分去看,符号位,指数位,有效数字位(已经用空格分开)

10.0我们可以写成(-1)^0 *1.010* 2^3,(-1)^0,0就是符号位,正数为0,负数为1,1.010就是我们的有效数字,2^3,3就是我们的指数,但是float类型的数据指数在存储时需要加上127,double类型的数据指数在存储时要加上1023,这是IEE754的规定。

而且他还规定了float的指数位有8位,有效数字位23,double指数位有11位,有效数字位52位。数位为unsigned int类型,恒为正数。

指数为3 + 127 ,也就是130,转换为二进制也就是10000010,而有效数字位不存储1,在读取数据时自动前面补1,这样就节省了一位去存储有效数字,也就提高了精度。

读取数据时如何读取?分三种情况:

一:指数位不是全0也不是全1

好比我们上面的10的二进制,我们读取时如何读取?

先看符号位,是正数,然后看指数位,指数位减去127,也就剩下3,也就是2^3,再看有效数字位,0100...,也就是1.0100......,最后我们乘起来:(-1)^0   *   2^3    *    1.010...

二:指数位全是0

那也就相当于我们原来的指数是-127,加上127后为0,那么指数位就是2^-127,这时,我们在读取时就丢掉有效数字位本来会加的那个1,直接用符号位乘指数以及后面的有效数字位。

三:指数位全是1

也就相当于是128+127,我们原本的指数位就是128,也就是2^128,表示一个非常大的数据。

目录
相关文章
|
4天前
|
存储 算法 关系型数据库
实时计算 Flink版产品使用合集之在Flink Stream API中,可以在任务启动时初始化一些静态的参数并将其存储在内存中吗
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
17 4
|
5天前
|
存储 小程序 编译器
数据在内存中的存储(探索内存的秘密)
数据在内存中的存储(探索内存的秘密)
11 0
|
1天前
|
存储 弹性计算 监控
【阿里云弹性计算】深入阿里云ECS配置选择:CPU、内存与存储的最优搭配策略
【5月更文挑战第20天】阿里云ECS提供多种实例类型满足不同需求,如通用型、计算型、内存型等。选择CPU时,通用应用可选1-2核,计算密集型应用推荐4核以上。内存选择要考虑应用类型,内存密集型至少4GB起。存储方面,系统盘和数据盘容量依据应用和数据量决定,高性能应用可选SSD或高效云盘。结合业务特点和预算制定配置方案,并通过监控应用性能适时调整,确保资源最优利用。示例代码展示了使用阿里云CLI创建ECS实例的过程。
34 5
|
4天前
|
SQL 资源调度 关系型数据库
实时计算 Flink版产品使用合集之可以使用高并发大内存的方式读取存量数据吗
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
22 3
|
6天前
|
存储
浮点数在内存中的存储
浮点数在内存中的存储
26 0
|
6天前
|
存储
数据在内存中的存储之整数存储
数据在内存中的存储之整数存储
21 0
|
6天前
|
存储 C语言
C语言第二十九弹---浮点数在内存中的存储
C语言第二十九弹---浮点数在内存中的存储
|
6天前
|
存储 监控 NoSQL
Redis处理大量数据主要依赖于其内存存储结构、高效的数据结构和算法,以及一系列的优化策略
【5月更文挑战第15天】Redis处理大量数据依赖内存存储、高效数据结构和优化策略。选择合适的数据结构、利用批量操作减少网络开销、控制批量大小、使用Redis Cluster进行分布式存储、优化内存使用及监控调优是关键。通过这些方法,Redis能有效处理大量数据并保持高性能。
27 0
|
6天前
|
存储 编译器 程序员
C语言:数据在内存中的存储
C语言:数据在内存中的存储
15 2
|
6天前
|
存储
整数和浮点数在内存中存储
整数的2进制表⽰⽅法有三种,即原码、反码和补码。
18 0