课件 - 计算机系统I | Sec 01-3

课件预览

新窗口打开 / 下载

qianwen-plus:

好的，这是为您生成的《计算机系统基础：数据表示》课程（Lec01-3-24.pptx）的逐页详细翻译与解释笔记。

---

第 1 页：无符号与有符号数值 (Unsigned & Signed Numeric Values)

• 标题: 无符号与有符号数值
• 核心概念:
  • 等价性 (Equivalence): 对于非负数，其无符号编码和补码（Two's Complement）编码是完全相同的。
  • 单值性 (Uniqueness):
    • 每一个位模式（bit pattern）都对应一个唯一的整数值。
    • 每一个可表示的整数都有一个唯一的位编码。
    • 这意味着转换映射是可逆的：$U2B(x)=B2U^{-1}(x)$ （无符号转二进制及其逆运算），$T2B(x)=B2T^{-1}(x)$ （补码转二进制及其逆运算）。
• 图表解释 (4位示例):
  • 表格展示了4位二进制数从 0000 到 1111 的两种解读。
  • 非负部分 (0000 - 0111): 无符号和有符号的值相同 (0 到 7)。
  • 负数部分 (1000 - 1111):
    • 无符号解读为 8 到 15。
    • 有符号（补码）解读为 -8 到 -1。
  • 关键点: 最高位（MSB）在有符号数中作为符号位，权重为 $-2^{w-1}$；在无符号数中权重为 $+2^{w-1}$。

第 2 页：符号扩展 (Sign Extension)

• 标题: 符号扩展
• 任务: 将一个 $w$ 位的有符号整数转换为 $w+k$ 位，同时保持其数值不变。
• 规则: 复制 $k$ 份符号位（即最高有效位 MSB）填充到新的高位。
  • 公式：$X^{\prime }=\underset{k\text{ copies}}{\underbrace{x_{w-1},\dots ,x_{w-1}}},x_{w-1},x_{w-2},\dots ,x_0$
• 解释:
  • 如果原数是正数（MSB=0），高位补0。
  • 如果原数是负数（MSB=1），高位补1。
  • 这保证了扩展后的数在补码表示下与原数相等。

第 3 页：乘法 (Multiplication)

• 标题: 乘法
• 内容: 展示了二进制乘法的几个例子，包括正数和负数。
• 示例解析:
  • $4\times 1$: 简单的位移和相加。
  • $4\times (-7)$:
    • 4 表示为 0100。
    • -7 (4位补码) 表示为 1001。
    • 乘法过程涉及部分积的生成和累加，注意负数的部分积需要进行符号扩展。
    • 结果 -28 表示为 11100100 (8位补码)。
  • $(-4)\times (-7)$:
    • 结果为 28。
    • 演示了如何通过补码运算得到正确的正数结果。
• 关键点: 补码乘法可以直接使用与无符号乘法类似的硬件逻辑，但需要正确处理符号扩展和部分积的符号。

第 4 页：免责声明 (Disclaimer)

• 内容: 声明本讲座使用的部分图片和资源收集自互联网，仅用于教育目的，版权归原始所有者所有。部分幻灯片内容参考了 CMU 的 CSAPP 课程和浙大董亚波教授的课程。

第 5 页：数值数据表示概览 (Representation of Numeric Data)

• 标题: 数值数据表示
• 主要内容:
  • 定点数表示 (Fixed-point):
    • 整数表示 (Representation of integers)
    • 十进制数字的二进制编码 (Binary codes for decimal digits)
  • 浮点数表示 (Floating-point)
• 图示: 展示了一个通用的定点数结构，小数点固定在某个位置，左边是整数部分 ($2^i$)，右边是小数部分 ($2^{-j}$)。

第 6 页：反思二进制小数 (Reflect on Fractional Binary Numbers)

• 标题: 反思二进制小数
• 核心思想:
  • 二进制小数点右边的位代表 $2$ 的负幂次。
  • 可以表示有理数 $V=x\times 2^y$。
  • 优点: 非常适合表示非常大 ($|V|\gg 0$) 或非常接近零 ($|V|\ll 1$) 的数。
  • 本质: 是对实数的近似表示。
• 问题:
  • 如何处理无穷大/小？
  • 从程序员角度看，可能觉得晦涩难懂。

第 7 页：二进制小数的局限性 (Limitation of Fractional Binary Numbers)

• 标题: 二进制小数的局限性
• 局限性 1 - 近似表示:
  • 只能精确表示形如 $x/2^k$ 的数值。
  • 其他有理数（如 1/3, 1/5, 1/10）会有无限循环的二进制表示。
  • 示例:
    • $1/3=0.010101..{.}_2$
    • $1/5=0.00110011..{.}_2$
    • $1/10=0.000110011..{.}_2$
• 局限性 2 - 实现问题:
  • 位宽有限 ($w$ 位)。
  • 小数点位置固定，导致表示范围受限（难以同时表示极大和极小的数）。
  • 例子: 如何表示 123.456？如果小数点固定，要么整数部分不够，要么小数部分精度不够。

第 8 页：浮点数表示 (Floating-point Number Representation)

• 标题: 浮点数表示
• 大纲:
  • IEEE 浮点标准：定义、示例与性质。
  • 舍入、加法、乘法。
  • C 语言中的浮点数。
  • 总结。

第 9 页：IEEE 浮点标准 (IEEE Floating Point)

• 标题: IEEE Standard 754
• 历史与设计:
  • 由 William Kahan (1989年图灵奖得主) 从1976年开始为 Intel 设计。
  • 1985年确立为浮点运算的统一标准。
  • 特点: 快速、易于实现、精度损失小、优雅易理解。
  • 现状: 所有主流 CPU 都支持。
  • 背景: 在此之前存在多种私有格式，且不太关注精确性。该标准由数值分析专家主导制定，优先考虑数值计算的可靠性（如优雅的舍入、溢出、下溢处理），而非纯粹的硬件速度。

第 10 页：数值形式与编码 (Numerical Form & Encoding)

• 标题: 浮点数表示
• 数值形式: $V=(-1{)}^s\times M\times 2^E$
  • $s$ (Sign): 符号位，0为正，1为负。
  • $M$ (Significand): 尾数，通常是 $[1.0,2.0)$ 范围内的二进制小数。
  • $E$ (Exponent): 阶码，决定数值的量级 ($2^E$)。
• 编码结构:
  • s: 1位，符号位。
  • exp: 阶码字段，编码 $E$ (但不等于 $E$，通常采用偏置表示)。
  • frac: 小数字段，编码 $M$ (但不等于 $M$，通常隐含前导1)。

第 11 页：精度格式 (Precisions)

• 标题: 精度
• 三种主要格式:
  • 单精度 (Single): 32位 (1位符号 + 8位阶码 + 23位尾数)。
  • 双精度 (Double): 64位 (1位符号 + 11位阶码 + 52位尾数)。
  • 扩展精度 (Extended): 80位 (Intel特有，1位符号 + 15位阶码 + 64位尾数)。
• 阶码的偏置表示 (Bias):
  • 表格展示了真值、补码、移码（Bias+128, Bias+127）与机器数的关系。
  • 目的: 使用无符号整数表示有符号阶码，便于直接比较两个浮点数的大小（字典序）。
  • 单精度 Bias: 127 ($2^{8-1}-1$)。
  • 双精度 Bias: 1023 ($2^{11-1}-1$)。

第 12 页：规格化数 (Normalized Values)

• 标题: 规格化数
• 条件: exp 不全为0 且 不全为1。
• 阶码 ($E$): $E=\text{Exp}-\text{Bias}$。
  • Exp 是 exp 字段的无符号值。
  • 单精度 $E$ 范围: -126 到 127。
  • 双精度 $E$ 范围: -1022 到 1023。
• 尾数 ($M$): $M=1.\text{frac}$。
  • 隐含前导1，"免费"获得一位精度。
  • $M$ 的范围是 $[1.0,2.0)$。
• 示例 (第13页内容合并解释):
  • 将 15213.0 转换为 float。
  • ${15213}_{10}={11101101101101}_2={1.1101101101101}_2\times 2^{13}$。
  • $M=1.1101101101101$, frac = 11011011011010000000000 (补足23位)。
  • $E=13$, $\text{Exp}=13+127=140={10001100}_2$。
  • 符号位 $s=0$。
  • 最终编码: 0 10001100 11011011011010000000000。

第 13 页：非规格化数 (Denormalized Values)

• 标题: 非规格化数
• 条件: exp 全为0。
• 目的: 解决“突然式下溢出”，填补最小规格化数与0之间的巨大空隙，实现“渐进式下溢出”。
• 阶码 ($E$): $E=1-\text{Bias}$ (注意不是 $0-\text{Bias}$，为了平滑过渡)。
  • 单精度 $E=-126$。
• 尾数 ($M$): $M=0.\text{frac}$ (隐含前导0)。
• 特殊情况:
  • 若 frac 也为0，则表示 0 (有 +0 和 -0)。
  • 若 frac 不为0，则表示非常接近0的数。
• 分布: 非规格化数之间是等间距的，确保了从最小正数到0的平滑过渡。

第 14 页：特殊值 (Special Values)

• 标题: 特殊值
• 条件: exp 全为1。
• 两种情况:
  1. 无穷大 ($\mathrm{\infty }$): frac 全为0。
     • 表示溢出运算结果。
     • 例如: $1.0/0.0=+\mathrm{\infty }$, $1.0/-0.0=-\mathrm{\infty }$。
  2. 非数 (NaN): frac 不全为0。
     • 表示未定义的运算结果。
     • 例如: $\sqrt{-1}$, $\mathrm{\infty }-\mathrm{\infty }$, $\mathrm{\infty }\times 0$。

第 15 页：规格化与非规格化值的分布 (Normalized vs. Denormalized Values)

• 标题: 规格化与非规格化值
• 图示解释:
  • 展示了浮点数在数轴上的分布。
  • 密度: 越接近0，数值分布越密集；数值越大，分布越稀疏。
  • Gap: 如果没有非规格化数，0 和最小规格化数 ($2^{-126}$) 之间会有一个巨大的空隙。非规格化数填补了这个空隙，使得最小非规格化数与0的距离等于相邻非规格化数之间的距离。

第 16 页：特殊值 (重复页)

• 内容: 与第14页相同，再次强调无穷大和NaN的定义。

第 17 页：浮点数编码可视化 (Visualization: Floating Point Encodings)

• 标题: 浮点数编码可视化
• 数轴图示:
  • 从左到右依次是: $-\mathrm{\infty }$, 负规格化数, 负非规格化数, -0, +0, 正非规格化数, 正规格化数, $+\mathrm{\infty }$。
  • NaN 位于两端之外，表示无效值。

第 18 页：微型浮点数示例 (Tiny Floating Point Example)

• 标题: 8位浮点数表示
• 自定义格式:
  • 1位符号位 s。
  • 4位阶码 exp (Bias = 7)。
  • 3位尾数 frac。
• 目的: 用更小的例子说明IEEE格式的原理（规格化、非规格化、0、NaN、无穷）。

第 19 页：动态范围 (Dynamic Range)

• 标题: 动态范围 (仅正数)
• 表格: 列出了上述8位浮点格式的部分编码及其对应的值。
  • 非规格化区: exp=0000, $E=-6$, $M=0.\text{frac}$。值从 0 到 $7/512$。
  • 规格化区: exp=0001~1110, $E=\text{Exp}-7$, $M=1.\text{frac}$。
  • 特殊值: exp=1111, frac=000 为 $\mathrm{\infty }$。
• 关键点: 展示了从非规格化到规格化的平滑过渡（$7/512$ 到 $8/512$）。

第 20 页：值分布 (Distribution of Values)

• 标题: 值分布
• 示例: 6位类IEEE格式 (1位符号, 3位阶码, 2位尾数, Bias=3)。
• 图示: 直观地展示了数值越接近0，分布越密集；数值越大，间隔越大。

第 21 页：值分布特写 (Distribution of Values close-up view)

• 标题: 值分布特写
• 内容: 放大查看接近0的区域，更清晰地显示非规格化数的等间距分布。

第 22 页：有趣的非负数 (Interesting Nonnegative Numbers)

• 标题: 有趣的非负数
• 表格: 总结了单精度和双精度浮点数的关键阈值。
  • Zero: exp=0, frac=0。
  • 最小正非规格化数: exp=0, frac=1。单精度约 $1.4\times {10}^{-45}$。
  • 最大非规格化数: exp=0, frac=全1。
  • 最小正规格化数: exp=1, frac=0。单精度约 $1.18\times {10}^{-38}$。
  • 1.0: exp=127, frac=0。
  • 最大规格化数: exp=254, frac=全1。单精度约 $3.4\times {10}^{38}$。

第 23 页：编码的特殊性质 (Special Properties of Encoding)

• 标题: 编码的特殊性质
• 要点:
  • 浮点0与整数0: 编码相同（全0）。
  • 比较: 几乎可以使用无符号整数比较逻辑（先比符号位，再比剩余位），但需注意 -0 = +0。
  • NaN: 比较时会有问题（通常定义为大于任何值，或比较结果为假）。
  • 顺序: 非规格化 < 规格化 < 无穷。

第 24 页：浮点运算基本思想 (Floating Point Operations: Basic Idea)

• 标题: 浮点运算基本思想
• 公式:
  • $x{+}_{f}y=\text{Round}(x+y)$
  • $x{\times }_{f}y=\text{Round}(x\times y)$
• 步骤:
  1. 计算精确结果。
  2. 调整以适应目标精度（可能溢出，可能需要舍入）。

第 25 页：舍入 (Rounding)

• 标题: 舍入
• 四种舍入模式 (以美元为例):
  1. 向零舍入 (Towards zero): 直接截断小数。
  2. 向下舍入 (Round down / $-\mathrm{\infty }$): 向负无穷方向。
  3. 向上舍入 (Round up / $+\mathrm{\infty }$): 向正无穷方向。
  4. 向偶数舍入 (Nearest Even, 默认):
     • 舍入到最接近的可表示值。
     • 关键规则: 当恰好在两个值中间时（如 1.5, 2.5），舍入到最低有效位为偶数的那个值（1.5->2, 2.5->2）。
     • 优点: 避免统计偏差（长期来看，向上和向下舍入的概率各占50%）。

第 26 页：深入理解向偶数舍入 (Closer Look at Round-To-Even)

• 标题: 深入理解向偶数舍入
• 解释:
  • 这是默认模式，其他模式会导致统计偏差（始终偏高或偏低）。
  • 规则应用:
    • 小于中间值：向下。
    • 大于中间值：向上。
    • 等于中间值：看前一位，奇进偶不进（使最低位变为偶数）。
  • 十进制示例: 7.895 -> 7.90 (9是奇数，进位); 7.885 -> 7.88 (8是偶数，舍去)。

第 27 页：二进制数舍入 (Rounding Binary Numbers)

• 标题: 二进制数舍入
• 规则:
  • "偶数": 最低有效位为0。
  • "中间值": 舍入位右侧为 100...0。
• 示例: 舍入到最近的 1/4 (保留2位小数)。
  • $23/32({10.00011}_2)\to {10.00}_2$ (小于中间值，向下)。
  • $23/16({10.00110}_2)\to {10.01}_2$ (大于中间值，向上)。
  • $27/8({10.11100}_2)\to {11.00}_2$ (中间值，11是奇数，进位变100)。
  • $25/8({10.10100}_2)\to {10.10}_2$ (中间值，10是偶数，舍去)。

第 28 页：浮点加法 (Floating Point Addition)

• 标题: 浮点加法
• 步骤:
  1. 对阶: 将小阶码的尾数右移，使两数阶码相同。
  2. 尾数相加: 执行有符号加法。
  3. 规格化:
     • 若结果 $M\ge 2$，右移尾数，阶码+1。
     • 若结果 $M<1$，左移尾数，阶码-k。
  4. 舍入: 根据舍入模式调整尾数。
  5. 检查溢出: 阶码是否超出范围。

第 29 页：浮点加法的数学性质 (Mathematical Properties of FP Add)

• 标题: 浮点加法的数学性质
• 与实数算术对比:
  • 封闭性: 否 (可能产生 $\mathrm{\infty }$ 或 NaN)。
  • 交换律: 是 ($a+b=b+a$)。
  • 结合律: 否 ($(a+b)+c\ne a+(b+c)$)。
    • 例: $(3.14+1e10)-1e10=0$, 但 $3.14+(1e10-1e10)=3.14$。
  • 单位元: 是 (0)。
  • 逆元: 几乎 (除了 $\mathrm{\infty }$ 和 NaN)。
  • 单调性: 几乎 (除了 $\mathrm{\infty }$ 和 NaN)。

第 30 页：浮点乘法 (Floating Point Multiplication)

• 标题: 浮点乘法
• 步骤:
  1. 符号: $s=s_1\oplus s_2$。
  2. 尾数: $M=M_1\times M_2$。
  3. 阶码: $E=E_1+E_2$。
  4. 规格化: 若 $M\ge 2$，右移尾数，阶码+1。
  5. 舍入。
  6. 检查溢出。
• 难点: 尾数乘法较复杂。

第 31 页：浮点乘法的数学性质 (Mathematical Properties of FP Mult)

• 标题: 浮点乘法的数学性质
• 与实数算术对比:
  • 封闭性: 否 (可能产生 $\mathrm{\infty }$ 或 NaN)。
  • 交换律: 是。
  • 结合律: 否 (可能溢出)。
    • 例: $(1e20\times 1e20)\times 1e-20=\mathrm{\infty }$, 但 $1e20\times (1e20\times 1e-20)=1e20$。
  • 分配律: 否 (可能溢出)。
    • 例: $1e20\times (1e20-1e20)=0$, 但 $1e20\times 1e20-1e20\times 1e20=\text{NaN}$。
  • 单位元: 是 (1)。
  • 单调性: 几乎。

第 32 页：C语言中的浮点数 (Floating Point in C)

• 标题: C语言中的浮点数
• 类型: float (单精度), double (双精度)。
• 转换:
  • double/float -> int: 截断小数（向零舍入）。溢出或NaN时行为未定义（通常设为 TMin）。
  • int -> double: 精确转换 (只要int位数 $\le 53$)。
  • int -> float: 可能需舍入。

第 33 页：浮点数谜题 (Floating Point Puzzles)

• 标题: 浮点数谜题
• 练习: 判断C表达式是否恒真。
  • x == (int)(float) x: 否 (float只有24位尾数，大整数会丢失精度)。
  • x == (int)(double) x: 是 (double有53位尾数，足以覆盖int)。
  • f == (float)(double) f: 是 (从高精度转低精度再转回，若原值可表示则不变，但这里指double转float再转double，若float能表示则不变，实际上如果f本身是float变量提升为double，再转回float，是相等的)。 更正: 幻灯片答案是Yes，理由是增加精度再减回来，只要不超出float范围且舍入一致。
  • d == (float) d: 否 (损失精度)。
  • f == -(-f): 是 (仅改变符号位)。
  • 2/3 == 2/3.0: 否 (左边是整数除法0，右边是浮点数)。
  • (d+f)-d == f: 否 (不满足结合律)。

第 34 页：总结 (Summary)

• 标题: 总结
• 要点:
  • IEEE 754 具有清晰的数学定义 ($M\times 2^E$)。
  • 运算可视为“完美精度计算后舍入”。
  • 不同于实数算术: 不满足结合律、分配律。
  • 影响: 给编译器和数值编程带来挑战。
  • 灾难案例: 提及了因数值错误导致的著名事故。

第 35 页：数值错误导致的灾难 (Disasters Attributable to Bad Numerics)

• 标题: 数值错误导致的灾难
• 案例 1: 爱国者导弹失败 (1991)
  • 原因: 用24位浮点数近似0.1产生的累积误差。
  • 过程: 运行100小时，误差累积达0.34秒。
  • 后果: 拦截失败，28人死亡。
• 案例 2: 阿丽亚娜5号火箭爆炸 (1996)
  • 原因: 软件复用错误。将64位浮点数（水平速度）转换为16位有符号整数时发生溢出。
  • 背景: Ariane 4的速度不会溢出，但Ariane 5速度快5倍。
  • 后果: 起飞37秒后自毁，损失5亿美元。

第 36 页：灾难案例详解 (重复页)

• 内容: 与第35页相同，提供了更多细节链接。

第 37 页：十进制数字的二进制编码 (Binary Codes for Decimal Digits)

• 标题: 十进制数字的二进制编码
• BCD码 (Binary Coded Decimal):
  • 加权码: 如 8421码 (最常用)，4位二进制表示1位十进制。
    • 无效码字: 1010 ~ 1111 (6个)。
  • 非加权码: 如 余3码 (Excess-3), 格雷码 (Gray Code)。
    • 格雷码特点: 相邻编码只有一位不同，减少传输错误。

第 38 页：十进制编码表 (DECIMAL CODES)

• 标题: 十进制编码表
• 表格: 展示了0-9的8421码、余3码、格雷码等编码形式。
• 说明: 4位二进制有16种组合，选10种表示0-9，有多种选法，上述几种最常用。

第 39 页：格雷码与BCD运算 (Gray Code & BCD Ops)

• 内容: 简要提及格雷码特点和BCD有自己的运算方法（略过）。

第 40 页：课程概览 (Overview)

• 标题: 概览
• 回顾:
  • 计算机系统介绍
  • 二进制表示
  • 算术运算
  • 数值数据表示
  • 非数值数据表示
  • 数据宽度与存储

第 41 页：非数值数据 (Non-numeric Data)

• 标题: 非数值数据
• 分类:
  • 数值型: 整数 (定点), 实数 (浮点)。
  • 非数值型: 字符/字符串, 逻辑值 (Bits)。
• 视角: 底层程序员/硬件设计师视角。

第 42 页：逻辑值表示 (Representation of logical values)

• 标题: 逻辑值表示
• 概念:
  • 通常将一个字视为整体。
  • 有时需将 $n$ 位数据视为 $n$ 个独立的逻辑值 (0或1)。
  • 区分: 逻辑数据和数值数据形式相同 (0/1序列)，通过指令操作码区分 (逻辑运算指令 vs 算术运算指令)。

第 43 页：ASCII字符码 (ALPHANUMERIC CODES - ASCII)

• 标题: ASCII字符码
• 定义: 美国标准信息交换码 (7位)。
• 内容:
  • 94个可打印字符。
  • 34个控制字符 (如 BS, CR, STX, ETX)。
• 用途: 文本格式、记录标记、流控制。

第 44 页：ASCII属性 (ASCII Properties)

• 标题: ASCII属性
• 规律:
  • '0'-'9': 0x30 - 0x39。
  • 'A'-'Z': 0x41 - 0x5A。
  • 'a'-'z': 0x61 - 0x7A。
  • 大小写转换: 翻转第6位 (bit 6)。
  • DEL: 全1 (源于打孔纸带时代，全孔表示删除)。

第 45 页：7位ASCII码表 (7 BIT ASCII CODE TABLE)

• 标题: 7位ASCII码表
• 内容: 完整的ASCII码表，展示了控制符、数字、字母、符号的编码。

第 46 页：Unicode

• 标题: Unicode
• 定义: 扩展ASCII，支持全球语言 (65,536+ 字符)。
• 实现:
  • UTF-8 (变长，兼容ASCII，互联网最常用)。
  • UTF-16, UTF-32。

第 47 页：汉字表示 (Representation of Chinese Characters)

• 标题: 汉字表示
• 三种编码:
  1. 输入码: 拼音、五笔等。
  2. 机内码: 计算机内部存储处理 (通常2字节)。
     • 国标码 + 8080H (最高位设为1，区别于ASCII)。
  3. 字形码: 用于显示。
• 流程: 输入码 -> 机内码 -> 字形码。

第 48 页：课程概览 (重复页)

• 内容: 再次列出课程大纲，强调“数据宽度与存储”。

第 49 页：数据宽度与单位 (Data Width and Unit)

• 标题: 数据宽度与单位
• 位 (Bit): 最小单位。
• 字 (Word): CPU一次处理的自然单位 (字长)。
  • 32位机器: 4字节，寻址4GB。
  • 64位机器: 8字节，寻址空间巨大。
• 多格式支持: 支持字的分数或倍数 (如byte, half-word)，总是字节的整数倍。

第 50 页：数据表示 (Data Representations)

• 标题: 数据表示
• 表格: C语言数据类型在不同架构下的大小 (典型32位, IA32, x86-64)。
  • 注意 long 和 pointer 在32位和64位下的区别。

第 51 页：主存容量单位 (Unit of Main Memory Capacity)

• 标题: 主存容量单位
• 二进制前缀 (IEC):
  • KiB ($2^{10}$), MiB ($2^{20}$), GiB ($2^{30}$)...
• 注意: 硬盘厂商常用十进制前缀 (KB=${10}^3$)，导致标称容量与实际可用容量有差异。

第 52 页：频率与线宽单位 (Unit of Frequency and Line Width)

• 标题: 频率与线宽单位
• 十进制前缀:
  • kb/s (${10}^3$), Mb/s (${10}^6$), Gb/s (${10}^9$)...
• 说明: 通信领域常用十进制。

第 53 页：数据存储与排列顺序 (Data Storage and Arrangement Order)

• 标题: 数据存储与排列顺序
• 概念:
  • LSB/MSB: 比特级的最低/最高有效位。
  • 字节序 (Byte Ordering): 多字节数据在内存中的排列。
• 两种模式:
  • 大端 (Big Endian): 最高有效字节在低地址 (Sun, PPC, 网络协议)。
  • 小端 (Little Endian): 最低有效字节在低地址 (x86, x86-64)。

第 54 页：字节序示例 (Byte Ordering Example)

• 标题: 字节序示例
• 示例: 0x01234567 在内存中的存储。
  • 大端: 01 23 45 67 (地址从小到大)。
  • 小端: 67 45 23 01 (地址从小到大)。
• 关键点: 字节序仅针对字节间排列，不影响字节内部的比特序。

第 55 页：总结 (Summary)

• 标题: 总结
• 回顾全书:
  • 计算机系统介绍
  • 二进制表示
  • 算术运算
  • 数值数据表示
  • 非数值数据表示
  • 数据宽度与存储
• 结语: 理解这些底层表示对于编写正确、高效的程序至关重要。