深度剖析数据在内存中的存储

简介: 💡类型的意义:使用这个类型开辟内存空间的大小(大小决定了使用范围)。如何看待内存空间的视角

1. 数据类型详细介绍



💡基本的内置类型:

char //字符数据类型
short //短整型
int //整形
long //长整型
long long   //更长的整形
float //单精度浮点数
double //双精度浮点数

💡类型的意义:


  1. 使用这个类型开辟内存空间的大小(大小决定了使用范围)。
  2. 如何看待内存空间的视角


💡类型的基本归类:


  1. 整型家族:acb429b4f5754f94bcda2f1eca04033f.png

2.浮点数家族:

5dfa1f2ded0f42ea830ea69ed157fc5a.png

3.构造类型:94f5b8773d4e4fd89df5f0b4c9413363.png

4.指针类型:

edd854da5b2b4a3d851ef724c40be6ea.png

5.空类型:

440b99a2a1044e1481597ff8910cd6ea.png


2. 整形在内存中的存储:原码、反码、补码



1. 原码

原码就是符号位加上真值的绝对值, 即用第一位表示符号, 其余位表示值. 比如如果是8位二进制:


[+1]原 = 0000 0001

[-1]原 = 1000 0001


第一位是符号位. 因为第一位是符号位, 所以8位二进制数的取值范围就是: [1111 1111 , 0111 1111] (即 [-127 , 127])


原码是人脑最容易理解和计算的表示方式.


2. 反码


反码的表示方法是:


正数的反码是其本身


负数的反码是在其原码的基础上, 符号位不变,其余各个位取反.


[+1] = [00000001]原 = [00000001]反

[-1] = [10000001]原 = [11111110]反


可见如果一个反码表示的是负数, 人脑无法直观的看出来它的数值. 通常要将其转换成原码再计算.


3. 补码


补码的表示方法是:


正数的补码就是其本身


负数的补码是在其原码的基础上, 符号位不变, 其余各位取反, 最后+1. (即在反码的基础上+1)


[+1] = [00000001]原 = [00000001]反 = [00000001]补

[-1] = [10000001]原 = [11111110]反 = [11111111]补


对于负数, 补码表示方式也是人脑无法直观看出其数值的. 通常也需要转换成原码在计算其数值.


💡正数的原、反、补码都相同。


💡对于整形来说:数据存放内存中其实存放的是补码


为什么呢?


💡原因在于:


使用补码,可以将符号位和数值域统一处理;

同时,加法和减法也可以统一处理(CPU只有加法器)此外,补码与原码相互转换,其运算过程是相同的,不需要额外的硬件电路。


3. 大小端字节序介绍及判断




💡什么大端小端:

大端(存储)模式,是指数据的低位保存在内存的高地址中,而数据的高位,保存在内存的低地

址中;

小端(存储)模式,是指数据的低位保存在内存的低地址中,而数据的高位,,保存在内存的高地

址中。


💡为什么有大端和小端:


这是因为在计算机系统中,我们是以字节为单位的,每个地址单

元都对应着一个字节,一个字节为8 bit。但是在C语言中除了8 bit的char之外,还有16 bit的short型,32 bit的long型(要看具体的编译器),另外,对于位数大于8位的处理器,例如16位或者32位的处理器,由于寄存器宽度大于一个字节,那么必然存在着一个如何将多个字节安排的问题。因此就导致了大端存储模式和小端存储模式。

05559cdc66c64f8a84a78ec0c22d47e5.png


代码如下:

int main()
{
  int a = 1;
  char b = a;
  if (b == 1)
  {
    printf("小端");
  }
  if (b==0)
    printf("大端");
  return 0;
}

💡如图为在VS2019上面测试的结果:ad01aec7ae1042eb845384207d60520f.png

💡一般在pc端上为小端字节序存储


4. 浮点型在内存中的存储解析



💡浮点数存储规则:

详细解读:9e49855a625e451fb236b3b47357e9d6.png

根据国际标准IEEE(电气和电子工程协会) 754,任意一个二进制浮点数V可以表示成下面的形式:


(-1)^S * M * 2^E


其中:


(-1)^s表示符号位,当s=0,V为正数;当s=1,V为负数。

M表示有效数字,大于等于1,小于2。

2^E表示指数位。

f72abc13ab584d818b6d2f1f73aeb296.pngf7a86363055a4624a85087d1ec3fc112.png

💡IEEE 754对有效数字M和指数E,还有一些特别规定:

1≤M<2 ,也就是说,M可以写成 1.xxxxxx 的形式,其中xxxxxx表示小数部分。

IEEE 754规定,在计算机内部保存M时,默认这个数的第一位总是1,因此可以被舍去,只保存后面的

xxxxxx部分。比如保存1.01的时候,只保存01,等到读取的时候,再把第一位的1加上去。这样做的目

的,是节省1位有效数字。以32位浮点数为例,留给M只有23位,将第一位的1舍去以后,等于可以保

存24位有效数字。


至于指数E:

💡首先,E为一个无符号整数(unsigned int)


这意味着,如果E为8位,它的取值范围为0255;如果E为11位,它的取值范围为02047。但是,我们知道,科

学计数法中的E是可以出现负数的,所以IEEE 754规定,存入内存时E的真实值必须再加上一个中间数,

对于8位的E,这个中间数是127;对于11位的E,这个中间数是1023。比如,2^10的E是10,所以保存

成32位浮点数时,必须保存成10+127=137,即10001001。


💡然后,指数E从内存中取出还可以再分成三种情况:


E不全为0或不全为1

这时,浮点数就采用下面的规则表示,即指数E的计算值减去127(或1023),得到真实值,再将

有效数字M前加上第一位的1。

比如:0.5的二进制形式为0.1,由于规定正数部分必须为1,即将小数点右移1位,则为

1.0*2^(-1),其阶码为-1+127=126,表示为01111110,而尾数1.0去掉整数部分为0,补齐0到23

位00000000000000000000000,则其二进制表示形式为: 0 01111110 00000000000000000000000

E全为0


这时,浮点数的指数E等于1-127(或者1-1023)即为真实值,

有效数字M不再加上第一位的1,而是还原为0.xxxxxx的小数。这样做是为了表示±0,以及接近于-

0的很小的数字。

E全为1

这时,如果有效数字M全为0,表示±无穷大(正负取决于符号位s);



相关文章
|
1天前
|
存储 算法 编译器
C语言:数据在内存中的存储`
C语言:数据在内存中的存储`
5 0
|
1天前
|
存储 小程序 编译器
C语言进阶—深度剖析数据在内存中的存储
C语言进阶—深度剖析数据在内存中的存储
|
2天前
|
存储 编译器 C语言
【C语言】深度剖析数据在内存中的存储
【C语言】深度剖析数据在内存中的存储
|
2天前
|
C语言
c语言小课设--通讯录(动态内存管理+可持久化数据)
c语言小课设--通讯录(动态内存管理+可持久化数据)
|
3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。
59 5
|
8天前
|
存储
浮点数在内存中的存储
浮点数在内存中的存储
27 0
|
8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 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。
19 4
|
7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)
13 0
|
8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。
31 0