谈一谈字节序的问题

前言

字节序关系到我们的网络数据能否被正确地解析或使用。那么什么是字节序？又怎么处理字节序的问题呢？本文就来谈一谈字节序的问题。

什么是字节序

字节序指的是多字节的数据各字节的存储顺序。在几乎所有计算机中，多字节数据被存储为连续的字节序列。例如，一个4字节的int类型变量a，其存储的起始地址为0x804900，那么a的四个字节将被分别存在0x804900，0x804901，0x804902，0x804903的位置。但是问题来了，a的最低有效位可以存储在最前面，也可以存储在高最后面，就有两种不同的存储顺序。这就引出了大端序和小端序。

大端序和小端序

实际上，如果最低有效位在最高有效位的前面，则该存储规则为小端序；反之，如果最低有效位在最高有效的后面，则该存储规则为大端序。不同的处理器体系，采用的字节序可能是不同的。例如，x86采用小端序，而PowerPc 970等采用大端序。那么如此一来，不同机器之间的数据传输是不是会出问题呢？

本地序和网络序

本地序（也称主机序）即指前面处理器本身所采用的字节序，因此有的大端序，有的小端序。而网络序，是指网络传输采用的字节序。所幸，网络序是标准化的，即一般统一采用大端序。因此，发送网络数据之前需要将数据转换为网络序，从而避免了前面所担心的问题。而C语言也针对整型数据提供了一组接口，htonl、htons用于本地序转网络序，以及ntohl、ntohs用于网络序转本地序。

示例

我们通过一个例子来观察大端序和小端序，本地序和网络序的不同。示例程序做的事情很简单，定义整型变量a，将a的每一个字节的地址和值打印出来，将其转换为网络序之后，再打印观察。程序清单如下：

/*================================================================
*   Copyright (C) 2018  Ltd. All rights reserved.
*   
*   文件名称：endian.c
*   创 建 者：shouwang
*   创建日期：2018年10月02日
*   描    述：
*
================================================================*/

#include<stdio.h>
#include<arpa/inet.h>
/**将char类型逐个打印成十六进制形式**/
void stringToHex(char *string,unsigned int len)
{
    unsigned int loop = 0;
    char *temp = string;
    if(NULL == temp)
    {
        printf("input para is NULL\n");
        return;
    }
    for(loop = 0; loop < len; loop++)
    {
        printf("%p:0x%2x\n",temp,*(temp));
        temp++;
    }

}
int main(int argc,char *argv[])
{
    /**x86为小端序**/
    printf("转换之前\n");
    int a = 0x12345678;
    printf("a = %d\n",a);
    stringToHex((char*)&a,sizeof(int));
    /*转为网络字节序之后再打印*/
    printf("转换之后\n");
    a = htonl(a);/*转换为网络序*/
    printf("a = %d\n",a);
    stringToHex((char*)&a,sizeof(int));
    return 0 ;
}

编译并运行:

gcc -o endian endian.c 
./endian
转换之前
a = 305419896
0x7ffc2018d844:0x78
0x7ffc2018d845:0x56
0x7ffc2018d846:0x34
0x7ffc2018d847:0x12
转换之后
a = 2018915346
0x7ffc2018d844:0x12
0x7ffc2018d845:0x34
0x7ffc2018d846:0x56
0x7ffc2018d847:0x78

由于本人使用的是x86系列处理器，且编译时未使用交叉编译，因此本地序为小端序。我们可以通过readelf -h endian看到：

readelf -h endian
ELF 头：
  Magic：   7f 45 4c 46 02 01 01 00 00 00 00 00 00 00 00 00 
  类别:                              ELF64
  数据:                              2 补码，小端序 (little endian)
  版本:                              1 (current)
  OS/ABI:                            UNIX - System V
  ABI 版本:                          0
  类型:                              EXEC (可执行文件)
  系统架构:                          Advanced Micro Devices X86-64
（其他内容未显示...）

观察运行结果，我们可以发现以下几件事情：

小端序a低位的0x78存储在低地址，而高位的12存储在高地址，也就是说对于小端序，其低位存储在高位之前。
使用htonl宏将a转为网络序（大端序）之后，a的低位存储在高位之后。
转换前后，打印a的数值大小截然不同。

为什么不统一字节序

既然每次都发送网络数据之前都要转换，为什么不统一字节序呢？实际上，大小端各有优劣：

计算都是从低位开始的，因此计算机内部处理采用小端序，效率较高。
而大端序存储的时候，由于符号位在高位，因此对于数据征服或大小的判断也就方便许多。另外，大端序也更符合人类的阅读习惯。

再由于各个芯片厂商的坚持，字节序的问题也就一直没有统一。大小端争端起源于吃鸡蛋时先打破大端还是小端，有兴趣的读者可以搜索一下。

总结

在网络应用中，字节序的问题不可忽略，否则可能出现无法预知的问题（如果两台机器本地序相同，且都不做字节序转换，那么侥幸不会出现什么问题）。通过前面的介绍和分析，我们总结出以下几点：

不同处理器之间采用的字节序可能不同。
有些处理器的字节序是确定的，有些处理器的字节序是可配置的。
网络序一般统一为大端序。
数据从本地传输到网络，需要转换为网络序，接收到的网络数据需要转换为本地序后使用。
C提供了一组接口用于整型数据在本地序和网络序之间的转换。
多字节数据对象才需要转字节序，例如int，short等，而char不需要。
由于处理器是按照IEEE标准处理float和double的（参考：对浮点数的一些理解），因此也不需要转字节序。
由于Java虚拟机的存在，Java不需要考虑大小端的问题。