大小端 地址空间

我们常常看到“alignment"，  "endian"之类的字眼，  但很少有C语言教材提到这些概念。  实际上它们是与处理器与内存接口，  编译器类型密切相关的。考虑这样一个例子:  两个异构的CPU进行通信，  定义了这样一个结果来传递消息:
struct  Message
{
short  opcode;
char  subfield;
long  message_length;
char  version;
short  destination_processor;
}message;
用这样一个结构来传递消息貌似非常方便，  但也引发了这样一个问题:  若这两种不同的CPU对该结构的定义不一样，  两者就会对消息有不同的理解。  有可能导致二义性。  会引发二义性的有这两个方面:
1.内存地址对齐
2.大小端定义
本文先介绍内存地址对齐和大小端的概念，  再回头来看这个例子就豁然开朗了。
内存地址对齐
洋名叫做"  Byte  Alignment"。
大部分16位和32位的CPU不允许将字或者长字存储到内存中的任意地址。  比如Motorola  68000不允许将16位的字存储到奇数地址中，  将一个16位的字写到奇数地址将引发异常。
实际上，  对于c中的字节组织，  有这样的对齐规则:
1)  结构体变量的首地址能够被其最宽基本类型成员的大小所整除；
2)  结构体每个成员相对于结构首地址的偏移量（offset）都是成员大小的整数倍，如有需要编译器会在成员之间加上填充字节（internal  adding）；
3)  结构体的总大小为结构体最宽基本类型成员大小的整数倍，如有需要编译器会在最末一个成员之后加上填充字节（trailing  padding）。

不同CPU的对其规则可能不同，  请参考手册。
为什么会有上述的限制呢?  理解了内存组织，  就会清楚了
CPU通过地址总线来存取内存中的数据，32位的CPU的地址总线宽度既为32位置，  标为A[0:31]。  在一个总线周期内，CPU从内存读/写32位。  但是CPU只能在能够被4整除的地址进行内存访问，这是因为:  32位CPU不使用地址总线的A1和A2(比如，  它的A[0:1]用于字节选择，  用于逻辑控制，  而不和存储器相连，  存储器连接到A[2:31])。访问内存的最小单位是字节(byte)，  A0和A1不使用，  那么对于地址来说，  最低两位是无效的，  所以它只能识别能被4整除的地址了。  在4字节中，通过A0和A1确定某一个字节。
再看看刚才的message结构，  你想想它占了多少字节?  别想当然的以为是10个字节。  实际上它占了12个字节。  不信?
用sizeof(message)看吧。  对于结构体，  编译器会针对起中的元素添加"pad"以满足字节对齐规则。
message会被编译器改为下面的形式:
struct  Message

{
short  opcode;
char  subfield;
char  pad1;//  Pad  to  start  the  long  word  at  a  4
//  byte  boundary
long  message_length;
char  version;
char  pad2;//  Pad  to  start  a  short  at  a  2  byte  boundary
short  destination_processor;
char  pad3[4];//  Pad  to  align  the  complete  structure  to  a  16
//  byte  boundary
};
如果不同的编译器采用不同的对齐规则，  对传递message可就麻烦了。

大端(Big  Endian)与小端(Little  Endian)
Byte  Endian是指字节在内存中的组织，所以也称它为Byte  Ordering。
对于数据中跨越多个字节的对象，  我们必须为它建立这样的约定:
(1)  它的地址是多少?
(2)  它的字节在内存中是如何组织的?
针对第一个问题，有这样的解释:
对于跨越多个字节的对象，一般它所占的字节都是连续的，  它的地址等于它所占字节最低地址。(链表可能是个例外，  但链表的地址可看作链表头的地址)。
比如:  int  x，  它的地址为0x100。  那么它占据了内存中的Ox100，  0x101，  0x102，  0x103这四个字节。
上面只是内存字节组织的一种情况:  多字节对象在内存中的组织有一般有两种约定。  考虑一个W位的整数。  它的各位表达如下:
[Xw-1，  Xw-2，  ...  ，  X1，  X0]
它的MSB  (Most  Significant  Byte，  最高有效字节)为[Xw-1，  Xw-2，  ...  Xw-8];  LSB  (Least  Significant  Byte，  最低有效字节)为  [X7，X6，...，  X0]。  其余的字节位于MSB，  LSB之间。
LSB和MSB谁位于内存的最低地址，  即谁代表该对象的地址?  这就引出了大端(Big  Endian)与小端(Little  Endian)的问题。
如果LSB在MSB前面，  既LSB是低地址，  则该机器是小端;  反之则是大端。  DEC  (Digital  Equipment  Corporation，  现在是Compaq公司的一部分)和Intel的机器一般采用小端。  IBM，  Motorola，  Sun的机器一般采用大端。  当然，  这不代表所有情况。  有的CPU即能工作于小端，  又能工作于大端，  比如ARM，  PowerPC，  Alpha。  具体情形参考处理器手册。
举个例子来说名大小端:  比如一个int  x，  地址为0x100，  它的值为0x1234567。  则它所占据的0x100，  0x101，  0x102，  0x103地址组织如下图:
0x01234567的MSB为0x01，  LSB为0x67。  0x01在低地址(或理解为"MSB出现在LSB前面，因为这里讨论的地址都是递增的)，  则为大端;  0x67在低地址则为小端。
认清这样一个事实:  C中的数据类型都是从内存的低地址向高地址扩展，取址运算"&"都是取低地址。
两个测试Bit  Endian的小程序:
method_1


int  main(int  argc，  char  *argv[])
{
int  c  =  1;
if  ((*(char  *)&c)  ==  1)
{
printf("little  endian\n");
}
else
printf("big  endian");
return  0;
}

int  c  在内存中的表达为:  0x00000001。  (这里假设int为4字节)。  用char可以截取一个字节。  LSB为0x01，  若它出现在c的低地址，  则为小端。

method_2


int  main(void)
{


union
{
short  n;
char  c[sizeof(short)];
}un;
un.n  =  0x0102;

if  ((un.c[0]  ==  1  &&  un.c[1]  ==  2))
printf("big  endian\n");
else  if  ((un.c[0]  ==  2  &&  un.c[1]  ==  1))
printf("little  endian\n");
else
printf("error!\n");
return  0;
}
union中元素的起始地址都是相同的——位于联合的开始。  用char来截取感兴趣的字节。
区分大端与小端有什么用呢?  如果两个不同Endian的机器进行通信时，  就有必要区分了。