CS:APP 第二章学习笔记

本章主要内容为整数、浮点数的存储与逻辑运算。

Information Storage

1 byte = 8 bits ，为 memory 的最小存储单元的大小。

word size 是主要的 pointer data 的大小，也是 virtual address space 的最大 size 。

C 语言中，应该使用 signed char 来得到一个 1 byte 的有符号值。

Byte Ordering

对于一个十六进制数 0x01234567 ，在计算机中有两种表示方法：Big endian 和 Little endian 。

Big endian 相对来说更符合习惯，在存储单元中，低位 address 存储高位 byte ，即 01 23 45 67 这样依次存储。

Little endian 则是高位 address 存储高位 byte ，这样看来又显得比较符合习惯了，即 67 45 23 01 依次存储。

因为我们将寄存器或存储单元中的 bytes 表达出来习惯将 address 小的写在前面，所以 Little endian 会让人感觉很奇怪，但是实际访问某个存储单元时，我们更多的是类似于栈一样从高位地址开始向低位地址依次访问，这样一来，Little endian 依次访问到的 bytes 实际上是从小到大的了。

计算机使用哪种表示方式，既与 CPU 有关又与 OS 有关。

string 的表示与 byte ordering 无关。

Shift Operations in C

左移都是往低位补 0 ，右移则分为 logical 和 arithmetic ，logical 是高位补 0 ，arithmetic 是根据最高位决定补 0 还是 1 。

对于 signed data ，一般使用 arithmetic 。

对于 unsigned data ，必须使用 logical 。

Integer Representations

unsigned integer 的表示就是一般的二进制形式。

signed integer 则采用补码 (two's-complement encoding)，最高位为符号位，若 word size 为 $\omega$ ，那么最高位表示为 $-2^{\omega-1}\cdot x_{\omega-1}$ ，其余位的表示与 unsigned 相同。

Convertions between Signed and Unsigned

word size 相同时，bit 位的表示不变，仅仅改变二进制到十进制的转换方式。

当判断表达式的类型是 signed 还是 unsigned 的时，一般出现了 unsigned 就是 unsigned ，并且会将 signed 隐式转换为 unsigned ，这种情况下很容易发生意想不到的错误，所以一般尽量不使用 unsigned integer 。

Expanding the Bit Representation

对于 unsigned integer ，直接在高位补 0 。

对于 signed integer ，则在高位补原来的最高位的 bit ，类似于 arithmetic right shift 。

如果既要增加长度，又要类型转换，则会先增加长度再进行类型转换。

Truncating Numbers

对于 unsigned integer ，直接把多余的高位去掉，假设只保留低 k 位 bits ，则相当于 $\bmod{\ 2^k}$ 。

对于 signed integer ，先转换为 unsigned 再做 unsigned truncation ，之后再转换回 signed ，其实也相当于对 $2^k$ 取模。

Integer Arithmetic

Addition and Negation

unsigned integer 的加法，直接丢弃溢出的那一位，相当于模 $2^{\omega}$ 。

判断 overflow ：看 s = x + y 是否有 s < x 或 s < y 。

unsigned integer 的取反：

$$-x\mapsto\begin{cases} x, &x=0 \\ 2^{\omega}-x, &x>0 \end{cases}$$

signed integer 的加法，过程同 unsigned ，overflow 有 positive overflow 和 negative overflow ，仍然相当于模 $2^{\omega}$ 。

判断 overflow ：设 s = x + y ，发生 positive overflow 当且仅当 x > 0 && y > 0 && s <= 0 ，发生 negative overflow 当且仅当 x < 0 && y < 0 && s >= 0 。

signed integer 的取反：当成 unsigned 来取反即可，有

$$-x\mapsto\begin{cases} TMin_{\omega}, &x=TMin_{\omega} \\ -x, &x>TMin_{\omega} \end{cases}$$

Multiplication

都是丢高位，相当于模 $2^{\omega}$ 。

如果某个乘数是常数，则会优化为移位运算、加法运算和减法运算的结合。

优化的性能与这些指令的相对速度、机器本身有关。大部分编译器只会在只有少量位移、加法、减法的情况下采取这种优化。

Dividing by Powers of 2

都会优化为右移运算。

其中 unsigned integer 是直接 logistcal right shift ，相当于向下取整了。

signed integer 则是 arithmetic right shift ，效果也是向下取整，如果希望向上取整（对于负数就是向零取整了），则需要先加上 bias 在右移，其中 bias 定义为 $2^k-1$ ，k 是要右移的位数。

Summary

unsigned integer 和 signed integer 在处理这些简单的运算的溢出时相当于于模 $2^{\omega}$ ，补码的表示方式使得二者在 bit 表示层面进行运算的形式一致。

Floating Point

浮点数的表示一直是个难题。

IEEE floating point

IEEE floating point 将一个浮点数表示为 $V=(-1)^{s}\times M\times 2^{E}$ 的形式。

1. sign bit ，为符号位 $s$
2. $n$-bit fraction field ，为 $M$ ，下文记 fraction field 为 $f=f_{n-1}\cdots f_1 f_0$
3. $k$-bit exponent field ，为 $E$ ，下文记 exponent field 为 unsigned number $e=e_{k-1}\cdots e_1e_0$

根据 $E$ 的不同，浮点数被分为三类：

• Normalized values:
  • exponent field 不全为 0 也不全为 1
  • $M=1.f_{n-1}\cdots f_1 f_0$
  • $E=e-Bias$ ，其中 $Bias=2^{k-1}-1$
• Denormalized values:
  • exponent field 全为 0
  • $M=0.f_{n-1}\cdots f_1 f_0$
  • $E=1-Bias$
• Special values:
  • exponent field 全为 1
  • 当 fraction field 全为 0 时：
    • s = 0 ，$+\infty$
    • s = 1 ，$-\infty$
  • 当 fraction field 不全为 0 时，表示 NaN

其中，不同位数的浮点数的不同 field 有不同的长度：

• 64 位 ( double ) : k = 11, n = 52
• 32 位 ( float ) : k = 8, n = 23

如果简单地使用二进制表示 $E$ 和 $M$ 会出现一些问题：

• $E$ 需要是负数才能表示接近 0 的数，占用了 $e$ 的一个位而导致能表示的最大数缩小一半
• 若 $M=0.f_{n-1}\cdots f_1 f_0$ ，则不同的 $E$ 可能会得到同一个值，不方便进行浮点数之间的比较

而 IEEE 采用的表示方法，

• 加入了 $Bias$ 解决了第一个问题
• 特殊情况下让 $M$ 的 leading bit 变为 1 使得两个浮点数本身的大小与其二进制编码看作 unsigned 后的大小一致

Example Numbers

exponent field 和 fraction field 全为 0 ，表示 $\pm0.0$ 。

exponent field 全为 0 而 fraction field 最低位为 1 其他位为 0 ，是能表示的最接近 0 的数，为 $2^{2-2^k-n}$ 。

exponent field 最高位为 0 其他位全为 1 ，fraction field 全为 0 ，表示 $\pm1.0$ 。

exponent field 最低位为 0 其他位全为 1 ，fraction field 全为 1 ，是能表示的最大的数。

Rounding

• round-to-even ：「四舍六入五成双」的二进制形式
• rounf-toward-zero
• round-down
• round-up

Floating-Point Operations

除了一部分特殊值，浮点数的运算定义为先进行精确的运算之后再进行舍入。

浮点数的加法、乘法会发生溢出、舍入，因此不符合结合律、分配律，但是满足交换律。