跳转至

3.1.   数据与内存

3.1.1.   基本数据类型

谈到计算机中的数据，我们能够想到文本、图片、视频、语音、3D 模型等等，这些数据虽然组织形式不同，但都是由各种基本数据类型构成的。

「基本数据类型」是 CPU 可以直接进行运算的类型，在算法中直接被使用。

  • 「整数」根据不同的长度分为 byte, short, int, long ，根据算法需求选用，即在满足取值范围的情况下尽量减小内存空间占用；
  • 「浮点数」代表小数，根据长度分为 float, double ，同样根据算法的实际需求选用；
  • 「字符」在计算机中是以字符集的形式保存的，char 的值实际上是数字，代表字符集中的编号，计算机通过字符集查表来完成编号到字符的转换。占用空间与具体编程语言有关，通常为 2 bytes 或 1 byte ；
  • 「布尔」代表逻辑中的“是”与“否”，其占用空间需要具体根据编程语言确定，通常为 1 byte 或 1 bit ；
类别 符号 占用空间 取值范围 默认值
整数 byte 1 byte \(-2^7\) ~ \(2^7 - 1\) ( \(-128\) ~ \(127\) ) \(0\)
short 2 bytes \(-2^{15}\) ~ \(2^{15} - 1\) \(0\)
int 4 bytes \(-2^{31}\) ~ \(2^{31} - 1\) \(0\)
long 8 bytes \(-2^{63}\) ~ \(2^{63} - 1\) \(0\)
浮点数 float 4 bytes \(-3.4 \times 10^{38}\) ~ \(3.4 \times 10^{38}\) \(0.0\) f
double 8 bytes \(-1.7 \times 10^{308}\) ~ \(1.7 \times 10^{308}\) \(0.0\)
字符 char 2 bytes / 1 byte \(0\) ~ \(2^{16} - 1\) \(0\)
布尔 bool 1 byte / 1 bit \(\text{true}\) 或 \(\text{false}\) \(\text{false}\)

Tip

以上表格中，加粗项在「算法题」中最为常用。此表格无需硬背，大致理解即可，需要时可以通过查表来回忆。

整数表示方式

整数的取值范围取决于变量使用的内存长度，即字节（或比特）数。在计算机中， 1 字节 (byte) = 8 比特 (bit) ， 1 比特即 1 个二进制位。以 int 类型为例：

  1. 整数类型 int 占用 4 bytes = 32 bits ，因此可以表示 \(2^{32}\) 个不同的数字；
  2. 将最高位看作符号位，\(0\) 代表正数，\(1\) 代表负数，从而可以表示 \(2^{31}\) 个正数和 \(2^{31}\) 个负数；
  3. 当所有 bits 为 0 时代表数字 \(0\) ，从零开始增大，可得最大正数为 \(2^{31} - 1\) ；
  4. 剩余 \(2^{31}\) 个数字全部用来表示负数，因此最小负数为 \(-2^{31}\) ；具体细节涉及到到“源码、反码、补码”知识，有兴趣的同学可以查阅学习；

其它整数类型 byte, short, long 取值范围的计算方法与 int 类似，在此不再赘述。

浮点数表示方式 *

Note

在本书中，标题后的 * 符号代表选读章节，如果你觉得理解困难，建议先跳过，等学完必读章节后续再单独攻克。

细心的你可能会疑惑： int 和 float 长度相同，都是 4 bytes ，但为什么 float 的取值范围远大于 int ？按说 float 需要表示小数，取值范围应该变小才对。

其实，这是因为浮点数 float 采用了不同的表示方式。IEEE 754 标准规定，32-bit 长度的 float 由以下部分构成：

  • 符号位 \(\mathrm{S}\) ：占 1 bit ；
  • 指数位 \(\mathrm{E}\) ：占 8 bits ；
  • 分数位 \(\mathrm{N}\) ：占 24 bits ，其中 23 位显式存储；

设 32-bit 二进制数的第 \(i\) 位为 \(b_i\) ，则 float 值的计算方法定义为

\[ \text { val } = (-1)^{b_{31}} \times 2^{\left(b_{30} b_{29} \ldots b_{23}\right)_2-127} \times\left(1 . b_{22} b_{21} \ldots b_0\right)_2 \]

转化到十进制下的计算公式为

\[ \text { val }=(-1)^{\mathrm{S}} \times 2^{\mathrm{E} -127} \times (1 + \mathrm{N}) \]

其中各项的取值范围为

\[ \begin{aligned} \mathrm{S} \in & \{ 0, 1\} , \quad \mathrm{E} \in \{ 1, 2, \dots, 254 \} \newline (1 + \mathrm{N}) = & (1 + \sum_{i=1}^{23} b_{23-i} 2^{-i}) \subset [1, 2 - 2^{-23}] \end{aligned} \]

IEEE-754-float

以上图为例，\(\mathrm{S} = 0\) ， \(\mathrm{E} = 124\) ，\(\mathrm{N} = 2^{-2} + 2^{-3} = 0.375\) ，易得

\[ \text { val } = (-1)^0 \times 2^{124 - 127} \times (1 + 0.375) = 0.171875 \]

现在我们可以回答开始的问题：float 的表示方式包含指数位，导致其取值范围远大于 int 。根据以上计算， float 可表示的最大正数为 \(2^{254 - 127} \times (2 - 2^{-23}) \approx 3.4 \times 10^{38}\) ，切换符号位便可得到最小负数。

浮点数 float 虽然拓展了取值范围，但副作用是牺牲了精度。整数类型 int 将全部 32 位用于表示数字，数字是均匀分布的；而由于指数位的存在，浮点数 float 的数值越大，相邻两个数字之间的差值就会趋向越大。

进一步地，指数位 \(E = 0\) 和 \(E = 255\) 具有特殊含义，用于表示零、无穷大、\(\mathrm{NaN}\) 等。

指数位 E 分数位 \(\mathrm{N} = 0\) 分数位 \(\mathrm{N} \ne 0\) 计算公式
\(0\) \(\pm 0\) 次正规数（subnormal number） \((-1)^{\mathrm{S}} \times 2^{-126} \times (0.\mathrm{N})\)
\(1, 2, \dots, 254\) 正规数 正规数 \((-1)^{\mathrm{S}} \times 2^{(\mathrm{E} -127)} \times (1.\mathrm{N})\)
\(255\) \(\pm \infty\) \(\mathrm{NaN}\)

特别地，次正规数显著提升了小数精度：

  • 最小正正规数为 \(2^{-126} \approx 1.18 \times 10^{-38}\) ；
  • 最小正次正规数为 \(2^{-126} \times 2^{-23} \approx 1.4 \times 10^{-45}\) ；

双精度 double 也采用类似 float 的表示方法，在此不再赘述。

基本数据类型与数据结构的关系

我们知道，数据结构是在计算机中组织与存储数据的方式，它的主语是“结构”，而不是“数据”。如果我们想要表示“一排数字”，自然想到使用「数组」数据结构。数组的存储方式可以表示数字的相邻关系、顺序关系，但至于其中存储的是整数 int ，还是小数 float ，或是字符 char ，则与所谓的数据的结构无关了。

换言之，基本数据类型提供了数据的“内容类型”，而数据结构提供数据的“组织方式”。

/* 使用多种「基本数据类型」来初始化「数组」 */
int[] numbers = new int[5];
float[] decimals = new float[5];
char[] characters = new char[5];
boolean[] booleans = new boolean[5];

/* 使用多种「基本数据类型」来初始化「数组」 */
int numbers[5];
float decimals[5];
char characters[5];
bool booleans[5];

""" Python 的 list 可以自由存储各种基本数据类型和对象 """
list = [0, 0.0, 'a', False]

// 使用多种「基本数据类型」来初始化「数组」
var numbers = [5]int{}
var decimals = [5]float64{}
var characters = [5]byte{}
var booleans = [5]bool{}

/* JavaScript 的数组可以自由存储各种基本数据类型和对象 */
const array = [0, 0.0, 'a', false];

/* 使用多种「基本数据类型」来初始化「数组」 */
const numbers: number[] = [];
const characters: string[] = [];
const booleans: boolean[] = [];

/* 使用多种「基本数据类型」来初始化「数组」 */
int numbers[10];
float decimals[10];
char characters[10];
bool booleans[10];

/* 使用多种「基本数据类型」来初始化「数组」 */
int[] numbers = new int[5];
float[] decimals = new float[5];
char[] characters = new char[5];
bool[] booleans = new bool[5];

/* 使用多种「基本数据类型」来初始化「数组」 */
let numbers = Array(repeating: Int(), count: 5)
let decimals = Array(repeating: Double(), count: 5)
let characters = Array(repeating: Character("a"), count: 5)
let booleans = Array(repeating: Bool(), count: 5)

3.1.2.   计算机内存

在计算机中，内存和硬盘是两种主要的存储硬件设备。「硬盘」主要用于长期存储数据，容量较大（通常可达到 TB 级别）、速度较慢。「内存」用于运行程序时暂存数据，速度较快，但容量较小（通常为 GB 级别）。

算法运行中，相关数据都被存储在内存中。下图展示了一个计算机内存条，其中每个黑色方块都包含一块内存空间。我们可以将内存想象成一个巨大的 Excel 表格，其中每个单元格都可以存储 1 byte 的数据，在算法运行时，所有数据都被存储在这些单元格中。

系统通过「内存地址 Memory Location」来访问目标内存位置的数据。计算机根据特定规则给表格中每个单元格编号，保证每块内存空间都有独立的内存地址。自此，程序便通过这些地址，访问内存中的数据。

computer_memory_location

Fig. 内存条、内存空间、内存地址

内存资源是设计数据结构与算法的重要考虑因素。内存是所有程序的公共资源，当内存被某程序占用时，不能被其它程序同时使用。我们需要根据剩余内存资源的情况来设计算法。例如，若剩余内存空间有限，则要求算法占用的峰值内存不能超过系统剩余内存；若运行的程序很多、缺少大块连续的内存空间，则要求选取的数据结构必须能够存储在离散的内存空间内。

评论