你知道数据在内存中是如何存储的嘛?(二)

简介: 你知道数据在内存中是如何存储的嘛?(二)

2.2:大小端介绍

什么是大端、什么是小端呢?

  • 大端存储(大端字节序存储)
     指数据的低位保存在内存的高地址中,而数据的高位,保存在内存低地址中
  • 小端存储(小端字节序存储)
     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

注意:字节序存储的意思是:以字节为单位进行存储

443ad71dcea444a3a9228d4a9bc66c89.png

为什有大端和小端呢?

 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,一个字节位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。

 例如:一个 16bit 的 short 型 x ,在内存中的地址为 0x0010 , x 的值为 0x1122 ,那么 0x11 为高字节, 0x22 为低字节。对于大端模式,就将 0x11 放在低地址中,即 0x0010 中, 0x22 放在高地址中,即 0x0011 中。小端模式,刚好相反。我们常用的 X86 结构是小端模式,而 KEIL C51 则为大端模式。很多的ARM,DSP都为小端模式。有些ARM处理器还可以由硬件来选择是大端模式还是小端模式。

三、浮点型在内存中的存储

常见的浮点数:

3.14159

1E10

 1E10表示: 1.0×10^{10}

浮点型家族:

float

double

long double

(补充)浮点数的取值范围:

  • 浮点型的取值范围在float.h这个头文件里可以看到
  • 整型的取值范围在limits.h这个头文件里可以看到
     整型:

46412135e9ef4e41bb3cf0e4420f95c1.png

 浮点型:

97254709f8744281b40c490c8ae44c88.png

3.1:浮点数存储规则

浮点数在计算机内部的表示方法:

根据国际标准IEEE(电气和电子工程协会)754,任意一个2进制浮点数V可以表示成下面的形式:


( − 1 ) S ∗ M ∗ 2 E (-1)^S*M*2^E

(−1) S∗M∗2 E

(-1)^S 表示符号位,当S = 0 S=0S=0,V为正数;当S = 1 S=1S=1,V为负数

M表示有效数字,大于等于1,小于2(因为是2进制)

2^E 表示指数位

举例:

026defc25645451284be610d56a68d7f.png

 由此可见,对于任何一个浮点数,我们只要知道了它的S、M、E这个浮点数就可以唯一的确定下来。

IEEE 754 规定:

 对于32位的浮点数最高的1位符号位s,接着的8位是指数E剩下的23位有效数字M

95519785dbf24d6f8bcc6f8b83ae44e0.png

对于64位的浮点数最高的1位是符号位S,接着的11位是指数E剩下的52位为有效数字M

IEEE 754对有效数字 M 的特别规定。

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。

IEEE 754对指数 E 的特别规定。

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 10+127=13710+127=137,即10001001(原码)。

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。
  • 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)

举例1:

int main()
{
  float f = 5.5f;
  //101.1 - 2进制
  //1.011*2^2 - 科学计数法
  //(-1)^0*1.011*2^2 - 755标准
  //S = 0、M=1.011、E=2
  //0 10000001 01100000000000000000000 - 内存中存的
  //0100 0000 1011 0000 0000 0000 0000 0000
  //40 B0 00 00 - 对应16进制 
  return 0;
}

d0aca28bce8946aea6a48cda3bf81c1b.png

举例2:

int main()
{
  float f = 9.0f;
  //1001.0 - 2进制
  //1.001*2^3 - 科学计数法
  //(-1)^0*1.001*2^3 - 754标准
  //E=0、M=1.001、E=3
  //0 10000010 00100000000000000000000 - 内存中存的
  //0100 0001 0001 0000 0000 0000 0000 0000
  //41 10 00 00 - 对应16进制 
  return 0;
}

62d1dc37045c45379a27b8e45e76c42f.png

注意:

 对于有一些浮点数,它不能够通过2进制准确的表示出来,比如:3.14,0.14就无法用2进制数字来精确的表示出来。这就导致部分浮点数在内存中很难被精确保存

3.2:一个例题:

//一个例题:
int main()
{
  int n = 9;
  //00000000000000000000000000001001 - 9在内存中的存储形式
  float* pFloat = (float*)&n;
  //pFloat是一个字符型指针,从它的视角看过去,9在内存中的存储形式会被划分成3个部分,如下:
  //0 00000000 00000000000000000001001
  //这里E的存储区域里面是全0,此时浮点数的指数E等于 1-127=126,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。
  //S=0、E=-126、M=0.00000000000000000001001
  //(-1)^0*1.00000000000000000001001*2^(-127) - 一个非常接近于0的数字
  printf("n的值为:%d\n", n);//打印出:9
  //按照整形的方法存入内存,从浮点型的视角去访问内存,并取值
  printf("*pFloat的值为:%f\n", *pFloat);//打印出:0.000000
  *pFloat = 9.0;
  //以浮点数的视角把9.0存进内存
  //1001.0 - 2进制
  //1.001*2^3 - 科学计数法
  //(-1)^0*1.001*2^3 - 754标准
  //E=0、M=1.001、E=3
  //0 10000010 00100000000000000000000 - 内存中存的
  //01000001000100000000000000000000
  //%d打印的有符号的整型,所以要从有符号的整型视角去看内存中存储的数据
  //内存中存的都是补码,说明:
  //01000001000100000000000000000000 是补码
  //最高位是0,表示正数
  //正数的原、反、补一样,所以:
  //01000001000100000000000000000000 也是原码
  //打印是将二进制的原码按照需要的格式打印出来的
  //01000001000100000000000000000000 - 以%d的格式打印出来就是:1091567616
  printf("n的值为:%d\n", n);//打印出:1091567616
  //按照浮点型的方法存入内存,从整形的视角去访问内存,取值
  printf("*pFloat的值为:%f\n", *pFloat);//打印出:9.000000
  return 0;
}
//结果:
n的值为:9
*pFloat的值为:0.000000
n的值为:1091567616
*pFloat的值为:9.000000

到这里,数据在内存中的存储有关分享就结束啦,喜欢的话可以点赞、评论和收藏哟!


目录
相关文章
|
22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。
|
21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。
43 1
|
25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。
|
28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:
67 1
|
30天前
|
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。
36 2
|
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
|
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】
277 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。
366 0