深度剖析数据在内存中的存储(下)(适合初学者)

简介: 深度剖析数据在内存中的存储(下)(适合初学者)

上篇讲解了整形在内存中的存储方式,这篇文章就来继续讲解浮点数在内存中的存储方式。


话不多说,咱们开始!


3.浮点型在内存中的存储


常见的浮点数:


3.1415926


2a13


浮点数家族包括: float、double、long double 类型。


浮点数表示的范围:float.h中定义


3.1.浮点数的范围以及精度


我们可以使用一个叫做everything的软件来查找我们需要的文件,当然没有也没事,只是不太方便


软件链接:voidtools


打开everything输入float.h。


ff7d6d28208ae98d9480ba0b59cf776f_dd282a1443334b45ae4d56785ebf5a6f.png


然后将float.h拖入vs编译器。


14aa58c68f624e809990e40ae61bb73a_99ba369cc057460e8a04d33c32dcd038.png


我们可以在里面清楚地看到浮点数类型的最大值,最小值和精度。


其中:


DBL_EPSILON 表示double类型的精度。


DBL_MIN 表示double类型的最小值。


DBL_MAX表示double类型的最大值。


比葫芦画瓢。


FLT_EPSILON,FLT_MAX,FLT_MIN则是float类型的数据。    


而整形类型的存储范围则可以去limits.h里面来找。


968d1b96f858ab66d3a3c91af51714c8_a7402d991b654e7da148e4f8787737e3.png


将其拖入编译器,可以看到整形数据的各项定义。


fc95fa4ff9554ae77b44a67b50c30184_30c0f289362a45e38ebea1b293c54db5.png


其中, SCHAR表示signed char,UCHAR表示unsigned char。


SHRT表示 short,USHRT表示unsigned short。


LLONG 表示long long,ULLONG表示unsigned long long。


3.2.一个例子


接下来就是重头戏了。大家先来看一道小题。


#define _CRT_SECURE_NO_WARNING
#include<stdio.h>
int main()
{
  int n = 9;
  float* pFloat = (float*)&n;
  printf("n的值为:%d\n", n);
  printf("*pFloat的值为:%f\n", *pFloat);
  *pFloat = 9.0;
  printf("num的值为:%d\n", n);
  printf("*pFloat的值为:%f\n", *pFloat);
  return 0;
}

输出的结果是什么呢?


98f34cf63d09d61e0926aeb128de3e0f_d21c77e7d2244eeeadbb443c3276365f.png


打印出的数字和我们预想的不太一样,我们以为 printf("*pFloat的值为:%f\n",*pFloat);所打印出来的值应该是9.000000,可结果确实0。当 *pFloat为浮点数时,我们


这说明浮点型和整形在内存中的读取方式是不一样的。


3.3.浮点数存储规则


num 和 *pFloat 在内存中明明是同一个数,为什么浮点数和整数的解读结果会差别这么大?


要理解这个结果,一定要搞懂浮点数在计算机内部的表示方法。


详细解读:


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


(-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


举例来说: 十进制的5.0,写成二进制是 101.0 ,相当于 1.01×2^2 。


那么,按照上面V的格式,可以得出S=0,M=1.01,E=2。


十进制的-5.0,写成二进制是 -101.0 ,相当于 -1.01×2^2 。


那么,S=1,M=1.01,E=2。 IEEE 754规定: 对于32位的浮点数,最高的1位是符号位s,接着的8位是指数E,剩下的23位为有效数字M。


(IEEE 754全称IEEE二进制浮点数算术标准,详细解释在下面链接,我就不赘述了)


IEEE 754_百度百科 (baidu.com)


32位的浮点数,第一位(最高位)是符号位S,紧接的8位是指数位E,最后的23位是尾数位M。


而64位的浮点数,第一位是符号位S,下面的11位是指数位E,最后的52位是尾数位M。


f0d244f5ca853cba8de9a26f7d89c8ac_e9c24b9f21d94eb69065cc4601756354.png


IEEE 754对有效数字M和指数E,还有一些特别规定。


前面说过, 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,情况就比较复杂。


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0~255;如果E为11位,它的取值范围为0~2047。


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(1/2)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 1111110 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)


3.4.解释前面的题目


#define _CRT_SECURE_NO_WARNING
#include<stdio.h>
int main()
{
  int n = 9;
  float* pFloat = (float*)&n;
  printf("n的值为:%d\n", n);
  printf("*pFloat的值为:%f\n", *pFloat);
  *pFloat = 9.0;
  printf("num的值为:%d\n", n);
  printf("*pFloat的值为:%f\n", *pFloat);
  return 0;
}

为什么 0x00000009 还原成浮点数,就成了 0.000000?


将0x00000009拆分。


得到下面的结果。


0000 0000 0000 0000 0000 0000 0000 0000 1001


第一位符号位s=0,后面8位的指数 E=00000000 , 最后23位的有效数字M=000 0000 0000 0000 0000 1001。


带入上面所讲的浮点数存储公式,为:


(-1)^0*0.00000000000000000000000*2^(-126)


这样的数字小到我们无法用数字来写出来,所以用十进制小数表示就是0.000000。


再看例题的第二部分。


请问浮点数9.0,如何用二进制表示?还原成十进制又是多少?


我们知道,9.0用二进制来表示即为1001.0,也即1.001*2^3


可以看出来,符号位S为0,指数位E为3+127=130,也即10000010,尾数位M为1.001。


二进制形式如下。


0  10000010 001 0000 0000 0000 0000 0000


这个32位的二进制数用10进制来计算,结果就是1091567616。


数据在内存中存储终于完结了!谢谢大家的观看。如果文章有错误,请各位不吝赐教。


可以的话,不妨给小陈点个小小的赞鼓励一下。


咱们下期再见!


2d073c6d7333526bd285f61812fd1336_09dd80af1db94710a88fb7eb4d110b22.jpeg


相关文章
|
23天前
|
监控 算法 应用服务中间件
“四两拨千斤” —— 1.2MB 数据如何吃掉 10GB 内存
一个特殊请求引发服务器内存用量暴涨进而导致进程 OOM 的惨案。
|
22天前
|
存储 C语言
数据在内存中的存储方式
本文介绍了计算机中整数和浮点数的存储方式,包括整数的原码、反码、补码,以及浮点数的IEEE754标准存储格式。同时,探讨了大小端字节序的概念及其判断方法,通过实例代码展示了这些概念的实际应用。
45 1
|
26天前
|
存储
共用体在内存中如何存储数据
共用体(Union)在内存中为所有成员分配同一段内存空间,大小等于最大成员所需的空间。这意味着所有成员共享同一块内存,但同一时间只能存储其中一个成员的数据,无法同时保存多个成员的值。
|
29天前
|
监控 Java easyexcel
面试官:POI大量数据读取内存溢出?如何解决?
【10月更文挑战第14天】 在处理大量数据时,使用Apache POI库读取Excel文件可能会导致内存溢出的问题。这是因为POI在读取Excel文件时,会将整个文档加载到内存中,如果文件过大,就会消耗大量内存。以下是一些解决这一问题的策略:
68 1
|
1月前
|
存储 弹性计算 算法
前端大模型应用笔记(四):如何在资源受限例如1核和1G内存的端侧或ECS上运行一个合适的向量存储库及如何优化
本文探讨了在资源受限的嵌入式设备(如1核处理器和1GB内存)上实现高效向量存储和检索的方法,旨在支持端侧大模型应用。文章分析了Annoy、HNSWLib、NMSLib、FLANN、VP-Trees和Lshbox等向量存储库的特点与适用场景,推荐Annoy作为多数情况下的首选方案,并提出了数据预处理、索引优化、查询优化等策略以提升性能。通过这些方法,即使在资源受限的环境中也能实现高效的向量检索。
|
1月前
|
缓存 安全 Java
使用 Java 内存模型解决多线程中的数据竞争问题
【10月更文挑战第11天】在 Java 多线程编程中,数据竞争是一个常见问题。通过使用 `synchronized` 关键字、`volatile` 关键字、原子类、显式锁、避免共享可变数据、合理设计数据结构、遵循线程安全原则和使用线程池等方法,可以有效解决数据竞争问题,确保程序的正确性和稳定性。
37 2
|
4月前
|
存储 分布式计算 Hadoop
HadoopCPU、内存、存储限制
【7月更文挑战第13天】
279 14
|
3月前
|
存储 编译器 C语言
【C语言篇】数据在内存中的存储(超详细)
浮点数就采⽤下⾯的规则表⽰,即指数E的真实值加上127(或1023),再将有效数字M去掉整数部分的1。
370 0
|
1月前
|
存储 编译器
数据在内存中的存储
数据在内存中的存储
41 4
|
1月前
|
存储 Java
JVM知识体系学习四:排序规范(happens-before原则)、对象创建过程、对象的内存中存储布局、对象的大小、对象头内容、对象如何定位、对象如何分配
这篇文章详细地介绍了Java对象的创建过程、内存布局、对象头的MarkWord、对象的定位方式以及对象的分配策略,并深入探讨了happens-before原则以确保多线程环境下的正确同步。
53 0
JVM知识体系学习四:排序规范(happens-before原则)、对象创建过程、对象的内存中存储布局、对象的大小、对象头内容、对象如何定位、对象如何分配