理解字、半字与字节 | 从 CPU 架构到编程实践的数据类型解析

发布于：2025-05-07 ⋅ 阅读:(6) ⋅ 点赞:(0)

注：本文为 “字、半字、字节” 相关文章合辑。

略作重排，未全校。

如有内容异常，请看原文。

理解计算机体系结构中的字、半字与字节

在计算机科学中，理解“字 (Word)”、“半字 (Half-Word)”和“字节 (Byte)”等基本数据单元的精确含义至关重要。这些术语的定义可能因上下文（如 CPU 体系结构或软件开发环境）而异。

一、基本定义

1. 字节 (Byte)

字节是计算机信息计量中最基本的数据单位之一。无论处理器体系结构 (如 8 位、16 位、32 位或 64 位处理器) 如何，1 字节 (Byte) 始终定义为 8 位 (bit)。

一个 ASCII 字符通常占用 1 字节，而一个汉字 (根据编码，如 GBK) 通常占用 2 字节。

2. 字 (Word)

“字 (Word)”是计算机设计中的一个基本参数，通常指 CPU 与内存之间一次数据传送的单位。一个字所包含的字节数（即字的大小或字长）并非固定，而是与特定计算机系统的 CPU 结构及其数据总线宽度密切相关。

CPU 按照其处理信息的字长可以分为 8 位微处理器、16 位微处理器、32 位微处理器以及 64 位微处理器等。

3. 半字 (Half-Word)

“半字 (Half-Word)”的长度通常定义为相应“字”长度的一半。其具体大小同样随处理器体系结构而变化。

4. 其他相关术语

在某些体系结构，特别是 Intel 体系结构中，还存在以下术语：

  • 双字 (Double Word, DWORD)：通常指字 (Word) 的两倍大小。
  • 四字 (Quad Word, QWORD)：通常指字 (Word) 的四倍大小，或双字的两倍大小。

二、CPU 体系结构与数据单元

1. CPU 字长与分类

CPU 的字长 (Word Size) 决定了处理器一次能够处理的二进制数据的长度，同时也影响其通用寄存器、内部存储器、算术逻辑单元 (ALU) 的位数以及数据总线的宽度。
根据字长的不同，CPU 可分为：

  • 8 位微处理器
  • 16 位微处理器
  • 32 位微处理器
  • 64 位微处理器

2. 总线系统

计算机系统中的总线用于在各部件之间传输信息。

  • 数据总线 (Data Bus)：用于 CPU 与存储器或 I/O 接口之间双向传输数据。数据总线的位数通常与 CPU 的字长一致，决定了 CPU 一次可以传送的数据量。
  • 地址总线 (Address Bus)：用于 CPU向外部存储器或 I/O 端口单向传输地址。地址总线的位数决定了 CPU 可直接寻址的内存空间大小。
  • 控制总线 (Control Bus)：用于传输控制信号和时序信号，其方向和位数取决于具体的控制需求和 CPU 设计。例如，读/写信号、片选信号、中断请求/响应信号等。

3. CPU 寻址能力

CPU 的寻址能力通常以字节为单位进行度量。它表示 CPU 能够访问的最大内存地址范围。例如：

  • 一个拥有 32 位地址总线的 CPU，其可寻址 2 32 2^{32} 232 个不同的字节地址，即 4 GB (Gigabytes) 的内存空间。这就是为什么 32 位 CPU 通常最大支持 4 GB 内存的原因。

三、特定平台下的定义与示例

1. 嵌入式与底层开发 (以 CPU 架构为准)

a. ARM 体系结构

ARM 处理器广泛应用于嵌入式系统。

  • 字节 (Byte)：8 位。
  • 半字 (Half-Word)：对于 32 位 ARM 架构，半字为 16 位 (2 字节)。这与一些 8 位/16 位处理器体系结构中“字”的长度一致。
  • 字 (Word)：对于 32 位 ARM 架构 (如 ARM7, ARM9, Cortex-M 系列如 STM32)，字为 32 位 (4 字节)。

示例：ARM920T 缓存行

在 ARM920T 的数据手册中提及：

Two 16KB caches are implemented, one for instructions, the other for data, both with an 8-word line size.
实现了两个 16KB 的缓存，一个用于存储指令，另一个用于存储数据，两者的缓存行大小均为 8 个字。

由于 ARM920T 是 32 位架构，1 Word = 4 Bytes。因此，这里的 8-word line size 等于 8 × 4  Bytes = 32  Bytes 8 \times 4 \text{ Bytes} = 32 \text{ Bytes} 8×4 Bytes=32 Bytes。

基于此，U-Boot 代码中为了提高异常处理代码的读取效率，会将异常处理程序进行 32 字节对齐 (因为缓存行大小为 32 字节)：

 /*
 * exception handlers
 */
 .align 5 /* 2^5 = 32 bytes alignment */
 undefined_instruction:
 get_bad_stack
 bad_save_user_regs
 bl   do_undefined_instruction
 .align   5
 software_interrupt:
 get_bad_stack
 bad_save_user_regs
 bl   do_software_interrupt
 .align   5
 prefetch_abort:
 get_bad_stack
 bad_save_user_regs
 bl   do_prefetch_abort
 .align   5
 data_abort:
 get_bad_stack
 bad_save_user_regs
 bl   do_data_abort

STM32 微控制器 (基于 ARM Cortex-M 内核)

  • STM32 通常是 32 位处理器，因此其字是 32 位 (4 字节)，半字是 16 位 (2 字节)，字节是 8 位。
  • 与某些传统 ARM 处理器 (如 ARM7/ARM9) 可能要求严格的地址对齐不同，许多 STM32 型号 (基于 Cortex-M 内核) 支持非对齐访问，允许不同大小的数据类型在内存中紧密存放，从而减少内存浪费。
  • 访问寄存器时，建议使用匹配其大小的数据类型。例如，半字型 (16 位) 寄存器建议使用 uint16_t (或等效的 u16) 类型变量访问。使用 uint8_t (或 u8) 可能只能访问低 8 位，而使用 uint32_t (或 u32) 进行写操作时，行为可能因编译器实现而异。
b. Intel 体系结构

Intel 处理器体系结构从 16 位基础上发展而来，因此其术语有历史延续性。

  • 字节 (Byte)：8 位。
  • 字 (Word)：在 Intel 语境下，通常指 16 位 (2 字节) 数据类型，无论是在 16 位、32 位还是 64 位处理器上。
  • 半字 (Half-Word)：相应地，为 8 位 (1 字节)。
  • 双字 (Double Word, DWORD)：指 32 位 (4 字节) 数据类型。
  • 四字 (Quad Word, QWORD)：指 64 位 (8 字节) 数据类型。

下表总结了 Intel 平台常见的定义：

Intel 处理器平台 64 位处理器 32 位处理器 16 位处理器
字 (Word) 16 位 16 位 16 位
半字 (Half-Word) 8 位 8 位 8 位
字节 (Byte) 8 位 8 位 8 位
双字 (Double Word) 32 位 32 位 32 位
四字 (Quad Word) 64 位 64 位 N/A (通常)
c. 其他处理器示例 (如 MSP430)
  • MSP430 是 16 位微处理器，因此其字 (Word) 是 16 位 (2 字节)。
  • 对于 MSP430，半字 (Half-Word) 通常是 8 位 (1 字节)，与字节大小相同。

2. 上层应用开发 (以编程语言和操作系统 API 为准)

在高级语言编程或特定操作系统 API 中，WORD 等术语可能有其固定的类型定义。

Windows API 中的数据类型

在 Microsoft Windows 开发中，头文件 WINDEF.H 为常用的数据大小定义了特定类型。例如，在 Visual C++ 6.0 (以及后续版本) 中：

typedef unsigned char    BYTE;
typedef unsigned short   WORD;
typedef unsigned long    DWORD;

这些类型定义如下：

  • BYTE：定义为 unsigned char。在典型的 C/C++ 实现中，char 类型长度为 1 字节。因此，BYTE 类型的变量占用 1 字节内存。
  • WORD：定义为 unsigned short。short 类型通常长度为 2 字节。因此，WORD 类型的变量占用 2 字节内存。
  • DWORD (Double Word)：定义为 unsigned long。在 32 位 Windows 编程环境中 (即使在 64 位系统上编译 32 位应用程序)，long 类型通常长度为 4 字节。因此，DWORD 类型的变量占用 4 字节内存。

Windows 计算器示例

Windows 操作系统内置的计算器 (Programmer mode) 也反映了这些约定：

  • Byte 选项通常对应 8 位。

Windows Calculator Byte selection

  • Word 选项通常对应 16 位。

Windows Calculator Word selection

  • Dword (Double Word) 选项通常对应 32 位。

Windows Calculator Dword selection

  • Qword (Quad Word) 选项通常对应 64 位。

Windows Calculator Qword selection

  • 这些在计算器中的表示与 Windows API 的类型定义和 Intel 的术语习惯（Word=16-bit）保持一致，且通常与编译目标平台的位数（32-bit vs 64-bit OS/CPU)无关，而是遵循历史定义。

Visual Studio 实验

在 Windows 7 64-bit 系统上使用 Visual Studio 2010 的实验中，分别针对 Win32 和 x64 配置编译，sizeof 运算符的结果如下：

  • sizeof(BYTE): 1
  • sizeof(WORD): 2
  • sizeof(DWORD): 4
  • sizeof(char): 1
  • sizeof(short): 2
  • sizeof(int): 4
  • sizeof(long): 4
  • sizeof(float): 4
  • sizeof(double): 8
  • sizeof(long long): 8 (C++11 standard, typically 8 bytes on most modern systems)
  • sizeof(bool): 1 (typically)

Win32 配置下的 sizeof 结果示例图示：

VS2010 Win32 sizeof results

x64 配置下的 sizeof 结果示例图示：

VS2010 x64 sizeof results

这些实验结果表明，在 Windows 开发环境中，

  • BYTE, WORD, 和 DWORD 的大小是固定的。

  • int 和 long 在 Win32 和 x64 (针对 Windows 的 LLP64 数据模型) 下均为 4 字节。

  • 指针类型的大小则会随目标平台变化 (Win32 下为 4 字节，x64 下为 8 字节)。

四、int 类型的大小与 sizeof 运算符的重要性

1. int 类型的大小可变性

int 类型所占用的字节数并非在所有系统和编译器上都相同。它通常与目标机器的“自然”字长 (native word size) 相关，但具体实现由编译器决定。

  • 在早期的 16 位系统 (如 Turbo C 编译器环境)，int 通常是 2 字节。

  • 在 32 位系统 (如许多 GCC 版本或 Visual C++ for Win32)，int 通常是 4 字节。

  • 在 64 位系统， int 的大小可能会有所不同：

    • 在许多 Unix-like 系统的 LP64 模型下，int 仍然是 4 字节，而 long 和指针是 8 字节。
    • 在 Windows 的 LLP64 模型下，int 和 long 均为 4 字节，而 long long 和指针是 8 字节。

2. 使用 sizeof 提高代码可移植性与健壮性

由于 int (以及其他一些基本数据类型) 的大小可能因平台和编译器而异，在编写需要精确控制内存大小或进行跨平台移植的代码时，不应硬编码类型的大小 (例如，假定 int 总是 4 字节)。

应使用 sizeof 运算符 来动态获取特定类型或变量在当前编译环境下所占用的字节数。

sizeof() 返回一个数据类型或变量占用的内存地址长度 (以字节为单位)。

示例：动态内存分配
假设需要在机器 A 和机器 B 上为 int 类型数据分配内存。

  • 机器 A：int 占用 2 字节。
  • 机器 B：int 占用 4 字节。

如果代码硬编码为：

int *i = (int*)malloc(2); // 假定 int 为 2 字节

这段代码在机器 A 上可能正常工作，但在机器 B 上会导致内存分配不足，引发错误。

正确的、可移植的写法是：

int *i = (int*)malloc(sizeof(int));

这样，无论在哪台机器上编译，sizeof(int) 都会返回当前环境下 int 类型的正确大小，确保分配足够的内存。这显著增强了程序的健壮性和在不同处理器及编译环境间的兼容性。

五、总结

“字 (Word)”的大小并非一个绝对固定的值，而是高度依赖于上下文：

  1. CPU 体系结构：在底层，一个字的大小通常由 CPU 的数据总线宽度或其“自然”处理单元的大小决定。例如，32 位 CPU 的字通常是 32 位 (4 字节)，而 64 位 CPU 的字通常是 64 位 (8 字节)。

  2. 特定平台约定：某些平台或制造商 (如 Intel) 对“字”有其历史定义，可能与当前 CPU 的主流字长不同 (例如，Intel 语境下 Word 通常指 16 位)。

  3. 编程语言/API 定义：在高级编程中，如 Windows API，WORD 可能被 typedef 为一个固定大小的类型 (如 unsigned short, 即 16 位)。

与此相对：

  • 字节 (Byte)：始终为 8 位。
  • 半字 (Half-Word)：通常是字的一半，其具体大小也随“字”的定义而变。
  • 双字 (Double Word)：通常是字的两倍。

因此，在讨论“一个字占多少字节？”时，必须明确其所处的具体环境。

  • 字、半字、字节的大小取决于处理器架构和平台。
  • 字节始终为 8 位，半字为字的一半，双字为字的两倍。
  • 在开发中，应使用 sizeof 函数动态获取数据类型大小，避免硬编码。

为确保代码的准确性和可移植性，特别是在处理依赖于数据类型大小的操作时，应优先使用 sizeof() 运算符。

via:

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布