乐趣区

你知道字节序吗

jiezi

字节序

最近在调一个自定义报文的接口时，本来以为挺简单的，发现踩了好几个坑，其中一个比较“刻骨铭心”的问题就是数据的字节序问题。

背景

自定义报文，调用接口，服务端报文解析失败

iOS 小端序

查看 iOS 设备使用的端序

 if (NSHostByteOrder() == NS_LittleEndian) {NSLog(@"NS_LittleEndian");
} if (NSHostByteOrder() == NS_BigEndian) {NSLog(@"NS_BigEndian");
} else {NSLog(@"Unknown");
}

概念

字节序，字节顺序，又称端序或尾序（Endianness），在计算机科学领域中，指「存储器」中或者「数字通信链路」中，组成多字节的字的 字节排列顺序。

在几乎所有的机器上，多字节对象都被存储为连续的字节序列。例如在 C 语言中，一个 int 类型的变量 x 地址为 0x100，那么其对应的地址表达式 &x 的值为 0x100，且 x 的 4 个字节将被存储在存储器的 0x100,0x101,0x102,0x103 位置。

字节的排列方式有 2 个通用规则。例如一个多位整数，按照存储地址从低到高排序的字节中，如果该整数的最低有效字节（类似于最低有效位）排在最高有效字节前面，则成为“小端序“；反之成为”大端序“。在计算机网络中，字节序是一个必须要考虑的因素，因为不同类型的机器可能采用不同标准的字节序，所以均需要按照网络标准进行转化。

假设一个类型为 int 的变量 x，位于地址 0x100 处，它的值为 0x01234567，地址范围为 0x100～0x103 字节，其内部的排列顺序由机器决定，也就是和 CPU 有关，和操作系统无关。

  • 大端序（Big Endian）：也叫大尾序。高字节存储在内存的低地址

    地址增长方向 内存地址序号 16 进制
    ↓ 0x100 01
    ↓ 0x101 23
    ↓ 0x102 45
    ↓ 0x103 67

  • 小端序（Little Endian）：也叫小尾序。低字节存储在内存的低地址

    地址增长方向 内存地址序号 16 进制
    ↓ 0x100 67
    ↓ 0x101 45
    ↓ 0x102 23
    ↓ 0x103 01

缘起

“endian”一词来源于十八世紀愛爾蘭作家乔纳森·斯威夫特（Jonathan Swift）的小说《格列佛游记》（Gulliver’s Travels）。小说中，小人国为水煮蛋该从大的一端（Big-End）剥开还是小的一端（Little-End）剥开而争论，争论的双方分别被称为“大端派”和“小端派”。以下是 1726 年关于大小端之争历史的描述：

“我下面要告诉你的是，Lilliput 和 Blefuscu 这两大强国在过去 36 个月里一直在苦战。战争开始是由于以下的原因：我们大家都认为，吃鸡蛋前，原始的方法是打破鸡蛋较大的一端，可是当今皇帝的祖父小时候吃鸡蛋，一次按古法打鸡蛋时碰巧将一个手指弄破了。因此他的父亲，当时的皇帝，就下了一道敕令，命令全体臣民吃鸡蛋时打破鸡蛋较小的一端，违令者重罚。老百姓们对这项命令极其反感。历史告诉我们，由此曾经发生过 6 次叛乱，其中一个皇帝送了命，另一个丢了王位。这些叛乱大多都是由 Blefuscu 的国王大臣们煽动起来的。叛乱平息后，流亡的人总是逃到那个帝国去寻求避难。据估计，先后几次有 11000 人情愿受死也不肯去打破鸡蛋较小的一端。关于这一争端，曾出版过几百本大部著作，不过大端派的书一直是受禁的，法律也规定该派任何人不得做官。”
——《格列夫游记》第一卷第 4 章 蒋剑锋（译）

1980 年，丹尼·科恩（Danny Cohen），一位网络协议的早期开发者，在其著名的论文 ”On Holy Wars and a Plea for Peace” 中，为平息一场关于字节该以什么样的顺序传送的争论，而第一次引用了该词。

字节顺序

对于单一的字节（a byte），大部分处理器以相同的顺序处理位元（bit），因此单字节的存放方法和传输方式一般相同。
对于多字节数据，如整数（32 位机中一般占 4 字节），在不同的处理器的存放方式主要有两种：大、小端序。

拓展

以内存中 0x0A0B0C0D 的存放方式为例，分别有以下几种方式：
注：0x 前缀代表十六进制。

  1. 大端序

数据以 8bit 为单位:

地址增长方向 →

… 0x0A 0x0B 0x0C 0x0D …

示例中，最高位字节是 0x0A 存储在最低的内存地址处。下一个字节 0x0B 存在后面的地址处。正类似于十六进制字节从左到右的阅读顺序。

数据以 16bit 为单位:

地址增长方向 →

… 0x0A0B 0x0C0D …

最高的 16bit 单元 0x0A0B 存储在低位。

  1. 小端序

数据以 8bit 为单位:

地址增长方向 →

… 0x0D 0x0C 0x0B 0x0A …

最低位字节是 0x0D 存储在最低的内存地址处。后面字节依次存在后面的地址处。

数据以 16bit 为单位:

地址增长方向 →

… 0x0C0D 0x0A0B …

最低的 16bit 单元 0x0C0D 存储在低位。

更改地址的增长方向:
当更改地址的增长方向，使之由右至左时，表格更具有可阅读性。

← 地址增长方向

… 0x0A 0x0B 0x0C 0x0D …

最低有效位（LSB）是 0x0D 存储在最低的内存地址处。后面字节依次存在后面的地址处。

← 地址增长方向

… 0x0A0B 0x0C0D …

最低的 16bit 单元 0x0C0D 存储在低位。

  1. 混合序（英：middle-endian）具有更复杂的顺序。以 PDP-11 为例，0x0A0B0C0D 被存储为：

32bit 在 PDP-11 的存储方式

地址增长方向 →

… 0x0B 0x0A 0x0D 0x0C …

可以看作高 16bit 和低 16bit 以大端序存储，但 16bit 内部以小端存储。

处理器体系

  • x86、MOS Technology 6502、Z80、VAX、PDP-11 等处理器为小端序；
  • Motorola 6800、Motorola 68000、PowerPC 970、System/370、SPARC（除 V9 外）等处理器为大端序；
  • ARM、PowerPC（除 PowerPC 970 外）、DEC Alpha、SPARC V9、MIPS、PA-RISC 及 IA64 的字节序是可配置的。

网络字节顺序（NBO）

通常我们认为，在网络传输的字节顺序即为网络字节序为标准顺序，考虑到与协议的一致以及与其他平台产品的互通，在程序发送数据包的时候，将主机字节序转换为网络字节序，收数据包处将网络字节序转换为主机字节序。

NBO(Network Byte Order)：按照从高到低的顺序存储，在网络上使用统一的网络字节顺序，可以避免兼容性问题。TCP/IP 中规定好的一种数据表示格式，与具体的 CPU 类型、操作系统等无关。从而保证数据在不同主机之间传输时能够被正确解释。网络字节序采用大端序。

主机字节顺序 HBO

主机字节顺序（HBO：Host Byte Order）：不同机器 HBO 不相同，与 CPU 有关。计算机存储数据有两种字节优先顺序：Big Endian 和 Little Endian。Internet 以 Big Endian 顺序在网络上传输，所以对于在内部是以 Little Endian 方式存储数据的机器，在网络通信时就需要进行转换。

如何转换

由于 Internet 和 Intel 处理器的字节顺序不同，所以开发者需要使用 Sockets API 提供的标准转换函数。

BSD Socket 提供了转换函数

  • htons() : unsigned short 从主机序转换到网络序
  • htonl()：unsigned long 从主机序转换到网络序
  • ntohs()：unsigned short 从网络序转换到主机序
  • ntohl()：unsigned long 从网络序转换到主机序

参考资料

  • 维基百科: 字节序
退出移动版