数据的表示

一、总论：数据表示的第一性原理

计算机中的一切数据表示，本质上都是在硬件约束下，对现实世界信息所做的工程近似。

1. 硬件的三大根本约束

  1. 离散性（Discrete） 计算机只能处理有限位宽的二进制状态（0 / 1），无法直接表示连续无限的实数。

  2. 统一性（Uniformity） 数据的表示方式必须与运算电路匹配，否则会导致逻辑复杂、成本上升。

  3. 可预测性（Predictability） 所有误差、溢出、舍入都必须是可分析、可界定、可复现的。

后续所有整数、浮点、字符、校验机制，都是在这三条约束下的不同工程解法。

二、数值表示（一）：整数的表示哲学

1. 问题本质

如何在有限位宽内，同时表示正负、大小，并统一运算规则？

这是整数表示的核心矛盾。

2. 表示方式的演化逻辑（而非并列记忆）

表示方式 设计动机 根本缺陷
原码 直观区分正负 +0 / -0，运算不统一
反码 尝试统一加法 仍存在双零
补码 统一表示与运算 表示范围不对称（可接受）

3. 补码的设计本质

补码并不是"技巧"，而是电路友好型设计：

数学解释（n 位补码）：

[ \mathsf{B2T}n(x) = -x{n-1} \times 2^{n-1} + \sum_{i=0}^{n-2} x_i \times 2^i ]

结论：补码的价值不在表示，而在运算统一性。

4. 移码（偏置表示）

三、数值表示（二）：浮点数的工程近似模型

1. 浮点数不是"精确数"

层次 描述
数学 实数是连续、无限的
计算 浮点数是离散的科学计数法
工程 精度有限，误差必然

浮点数的设计目标不是"准确"，而是可预测误差。

2. 统一模型

[ Value = (-1)^S \times M \times 2^E ]

阶码决定"能有多大/多小"，尾数决定"有多准"。

3. IEEE 754：工程权衡的产物

类型 阶码 尾数 特点
单精度 8 位 23 位 性能优先
双精度 11 位 52 位 精度优先

设计哲学：

4. 浮点加法与精度丢失

核心原因：

当两个数的量级差超过尾数位数时，小数将被直接舍弃。

工程补救方案：

本质：误差管理，而非消除误差。

四、符号表示：字符编码的统一抽象

1. 字符编码的本质模型

字符编码系统 = 字符集 × 编码规则 × 存储/传输假设

2. 编码体系的演进逻辑

编码 设计背景 核心特征
ASCII 英文世界 7 bit
GB2312 / GBK 中文扩展 双字节
UTF-16 内存友好 定长代码单元
UTF-8 网络友好 变长、自同步

3. UTF-8 vs UTF-16 的本质差异

维度 UTF-8 UTF-16
存储 变长 相对定长
容错 强（自同步） 弱
网络 友好 不友好
内存 一般 高效

选择编码，本质是场景权衡。

五、可靠性设计：数据校验与纠错

1. 第一性原理

错误不可避免，只能被检测与控制。

核心手段：增加冗余，扩大码距。

2. 码距与能力边界

3. 校验机制的系统选型视角

场景 错误模型 典型方案
内存 单比特错误 海明码
网络 突发错误 CRC
简单设备 随机错误 奇偶校验

校验方案不是算法选择，而是系统风险管理决策。

六、全局总结：统一认知框架

数据表示
├── 第一性原理
│   ├── 离散性
│   ├── 统一性
│   └── 可预测性
├── 数值表示
│   ├── 整数（补码）
│   └── 浮点（IEEE 754）
├── 符号表示
│   └── 字符编码
└── 可靠性
    └── 校验与纠错

所有具体规则，都是工程权衡的结果，而非偶然设计。

关联内容（自动生成）